Liquid AI 于10月27日发布 LFM3 模型家族，首批六款模型覆盖文本、视觉、音频、全模态，以及两款专门输出判断结果的决策模型。它们均由 LFM3-1.7B-Base 衍生，规模集中在约20亿参数，基础版与后训练版权重已通过 Hugging Face 开放，也能在 Liquid API 和 Playground 使用。
这一代把门控短卷积、滑动窗口注意力和全局注意力组合到同一架构中，使用22万亿 token 预训练。文本模型支持256K上下文，4位量化权重约占1GB。公司称，各型号可以用单张 GPU 微调，并提供 llama.cpp、MLX、vLLM 等推理工具支持，覆盖手机、电脑和云端部署。
决策型号 d1-2B 与 d1-Omni-2B 可以针对同一输入一次回答多项问题，输出选项及对应概率，还能标出图像区域、提取文档字段和估计数值。这类结构化结果便于接入票据处理、界面识别和业务分流。六款模型按输入输出能力区分，开发者可以根据任务选择文本、视觉或音频版本，再使用自己的数据做专门训练。