Liquid AI 最新实验性模型 LFM2-2.6B-Exp 宣布

LFM2-2.6B-Exp基于Liquid AI第二代Liquid Foundation Models（LFM2）系列的2.6B基本模型，经由过程纯强化进修(RL)方法进行后练习优化，无需监督微调暖启动或大年夜型教师模型蒸馏。该模型持续了LFM2的混淆架构优势，结合短程门控卷积和分组查询留意力(GQA)，支撑32K高低文长度，专为边沿设备(如手机、笔记本、物联网设备)设计，实现高效本地安排。

Liquid AI 正式宣布了其最新实验性模型LFM2-2.6B-Exp，这一仅有2.6B（26亿）参数的小型开源模型，在多项关键基准测试中表示出色，尤其在指令跟随才能上超出了参数量高达数百亿的DeepSeek R1-0528。

Liquid AI强调，该实验检查点重要针对指令跟随、常识问答和数学推理等范畴进行优化，实用于代理工作流、RAG检索、数据提取、创意写作和多轮对话等场景。

最新基准测试成果显示：

• IFBench（指令跟随基准）：得分大年夜幅领先同级模型，甚至超出参数量263倍的DeepSeek R1-0528。
• GPQA（研究生级常识问答）：达到约42%，远超传统3B模型。
•  IFEval（指令严格遵守）：跨越88%，击败浩瀚10B+参数模型。
• GSM8K（数学推理）：得分高达82%以上，优于Llama3.23B和Gemma3系列。

此外，该模型在CPU上的预填充和解码速度是竞品的2倍，内存占用极低，支撑bfloat16量化，真正实现“手机级PhD推理”。