Liquid AI 最新实验性模型 LFM2-2.6B-Exp 发布

liquid ai 正式推出了其全新实验性模型 lfm2-2.6b-exp。这款仅含 2.6b（26 亿）参数的轻量级开源模型，在多项核心基准测试中展现出卓越性能，尤其在指令遵循能力方面，显著优于参数规模达数百亿级别的 deepseek r1-0528。

LFM2-2.6B-Exp 基于 Liquid AI 第二代 Liquid Foundation Models（LFM2）系列中的 2.6B 基础模型，采用纯强化学习（RL）方式进行后训练优化，全程无需监督微调预热，也未依赖任何大型教师模型进行知识蒸馏。该模型延续了 LFM2 的混合架构设计优势，融合短程门控卷积与分组查询注意力机制（GQA），原生支持长达 32K 的上下文窗口，专为边缘计算场景（如智能手机、笔记本电脑及物联网终端设备）打造，兼顾高性能与低资源消耗，轻松实现本地化部署。

Liquid AI 明确指出，该实验版本重点针对指令理解与执行、知识型问答以及数学逻辑推理等任务进行了定向优化，可广泛应用于智能 *** 工作流、RAG 检索增强生成、结构化数据抽取、创意内容生成及多轮深度对话等多种实际场景。

最新公开基准测评结果如下：

AI在线抠图软件，图片去除背景

• IFBench（指令跟随能力评测）：得分大幅领先同参数量级竞品，甚至超越参数规模高达 263 倍的 DeepSeek R1-0528；
• GPQA（研究生水平知识问答）：准确率约为 42%，远超常规 3B 级别模型；
• IFEval（指令严格遵从度评估）：达标率突破 88%，力压多数参数超 10B 的主流模型；
• G *** 8K（小学数学应用题推理）：准确率稳定在 82% 以上，表现优于 Llama3.2-3B 和 Gemma-3 全系列模型。

值得一提的是，该模型在标准 CPU 平台上的预填充（prefill）与自回归解码（decoding）速度达到同类产品的约 2 倍，内存占用极小，并全面支持 bfloat16 量化部署，真正达成“手机端运行博士级推理任务”的目标。

源码获取地址：点击下载