Liquid AI 最近推出了 LFM25，这是一个新一代的小型基础模型家族，基于 LFM2架构，专注于边缘设备和本地部署。该模型家族包括 LFM2512BBase 和 LFM2512BInstruct，同时扩展了日语、视觉语言和音频语言的变种。这些模型以开源权重形式发布在 Hugging Face 上，并通过 LEAP 平台进行展示。LFM25保留了针对 CPU 和 NPU 设计的混合 LFM2架构，旨在实现快速且内存高效的推理。该模型的预训练阶段将参数扩展至12亿，训练数据从10万亿个 tokens 扩展至28万亿个 tokens。随后，指令变体模型还进行了监督微调、偏好对齐和大规模多阶段强化学习，专注于指令跟随、工具使用、数学和知识推理。在文本模型性能方面，LFM2512BInstruct 是主要的通用文本模型。Liquid AI 团队在 GPQA、MMLU Pro、IFEval、IFBench 等多个基准上报告了表现，模型在 GPQA 上达到了3889，在 MMLU Pro 上达到了4435。这些分数明显高于其他同类开源模型，如 Llama321B Instruct 和 Gemma31B IT。此外，LFM2512BJP 是专门为日语优化的文本模型，针对日语的 JMMLU、MIFEval 和 GSM8K 等任务进行了优化。这个检查点在日语任务上超越了一般指令模型，并在这些本地基准测试中与其他小型多语言模型相竞争。在多模态边缘工作负载方面，LFM25VL16B 是该系列更新的视觉语言模型，结合了图像理解的视觉模块。该模型经过调优，支持文档理解、用户界面读取和多图像推理等实际应用，能够在边缘环境中高效运行。LFM25Audio15B 是一个原生音频语言模型，支持文本和音频输入输出，采用了一种新的音频反 tokenizer，其速度比之前的方案快八倍，适用于实时语音到语音的对话代理和自动语音识别等任务。https:wwwliquidaiblogintroducinglfm25thenextgenerationofondeviceai划重点: LFM25是一款基于 LFM2架构的小型基础模型家族，支持多种变种，包括文本、视觉语言和音频语言。 该模型在多个基准测试中表现优异，尤其是在 GPQA 和 MMLU Pro 上超越了同类模型。 LFM25系列涵盖多模态和区域优化，提供强大的边缘计算能力，适用于多种实际应用场景。。
