[控场AI]
模型LFM3模型

LFM3

新增接入 Ollama MLX 后端的模型,可在 Apple Silicon 设备上通过 MLX 路径运行,具体参数与能力尚未公开

时间轴 (近 90 天)

10月29日

版本说明没有给出 LFM3 在 Linux/Windows 上的具体性能数据或硬件要求。

待验证50%
10月29日

此前 LFM3 在 Ollama 上只能运行在 Apple silicon 设备上。

待验证50%
10月29日

LFM 是 Liquid AI 的基础模型产品线,定位为轻量、高效、可本地部署的通用模型家族;LFM3 是该系列的第三代版本,相比前代在多模态能力上有明显扩展。

待验证50%
10月29日

LFM3 是 Liquid AI 推出的模型系列,其 lfm3-audio 和 lfm3-omni 变体支持文本转语音(text-to-speech)能力。

待验证50%
10月29日

在 Ollama v0.40.13 中,LFM3 系列模型的支持平台从仅 Apple silicon 扩展到 Linux 和 Windows。

待验证50%
10月28日

1.7B 文本模型可以在单张 GPU 上完成微调。

待验证50%
10月28日

目前公开信息集中在模型规格与部署条件上,官方尚未给出各模态具体能力边界、实际推理速度、不同硬件上表现的横向可比数据。

待验证50%
10月28日

LFM3 的六个模型采用开放权重,共享同一套骨干网络,覆盖文本、视觉、音频、全模态和决策模型。

待验证50%
10月28日

Product Hunt 上 LFM3 产品获得 104 票、位列当日第 5,评论区有 3 条评论。

待验证50%
10月28日

Liquid AI 将 LFM3 定位在手机、笔记本和机器人三类边缘设备上,目标不是云端推理。

待验证50%

还有 15 条时间轴事件

全部知识事实 (20)

待验证

LFM 是 Liquid AI 的基础模型产品线,定位为轻量、高效、可本地部署的通用模型家族;LFM3 是该系列的第三代版本,相比前代在多模态能力上有明显扩展。

50%
待验证

LFM3 是 Liquid AI 推出的模型系列,其 lfm3-audio 和 lfm3-omni 变体支持文本转语音(text-to-speech)能力。

50%
待验证

此前 LFM3 在 Ollama 上只能运行在 Apple silicon 设备上。

50%
待验证

版本说明没有给出 LFM3 在 Linux/Windows 上的具体性能数据或硬件要求。

50%
待验证

Liquid AI 将 LFM3 定位在手机、笔记本和机器人三类边缘设备上,目标不是云端推理。

50%
待验证

LFM3 模型权重已经放在 Hugging Face 上。

50%
待验证

1.7B 文本模型可以在单张 GPU 上完成微调。

50%
待验证

LFM3 的六个模型采用开放权重,共享同一套骨干网络,覆盖文本、视觉、音频、全模态和决策模型。

50%
待验证

目前公开信息集中在模型规格与部署条件上,官方尚未给出各模态具体能力边界、实际推理速度、不同硬件上表现的横向可比数据。

50%
待验证

Product Hunt 上 LFM3 产品获得 104 票、位列当日第 5,评论区有 3 条评论。

50%
待验证

LFM3的原始素材未涉及训练数据构成、基准测试成绩和许可证细节。

50%
待验证

LFM3系列的6款模型覆盖文本、视觉、音频、全模态(omni)和决策(decisions)等方向。

50%
待验证

LFM3-1.7B采用tri-hybrid(三混合)骨干结构,支持256K上下文窗口,并且在4-bit量化下体积约为1GB。

50%
待验证

目前没有公开的基准数据能说明 LFM3 和 d1 在 MLX 上的表现。

50%
待验证

LFM3 强调“专用智能”(Specialized Intelligence),即让模型在特定领域、特定任务上真正可用,而非追求通用能力的全面碾压。

50%
待验证

目前官方披露的 LFM3 技术细节有限,具体覆盖哪些模态及各模态性能水平仍有待实测验证。

50%
待验证

LFM3 的核心主张是“Every Modality”(每种模态),意味着它在文本之外还覆盖其他模态的输入与输出能力。

50%
待验证

Hacker News 上的社区讨论显示,开发者更关心 LFM3 的实际可用接口、开源程度及真实任务表现,而非宣传口径。

50%
待验证

在 Hacker News 上,LFM3 的发布帖获得了 17 个点和 6 条评论。

50%
待验证

文章发布时,原始发布信息中并未披露 LFM3 和 d1 的具体参数规模、架构细节或性能数据

50%

来源文章