Liquid AI推出LFM2.5-230M，实现手机端每秒213标记的超轻模型

模型概览

Liquid AI在本次发布中提供了两套检查点：

• LFM2.5-230M‑Base：原始预训练权重，供二次微调使用。
• LFM2.5-230M：已完成指令微调的通用版本。

模型采用 LFM2 架构，拥有 14 层，其中 8 层为双门 LIV 卷积块，余下 6 层为分组查询注意力（GQA）块，旨在提升 CPU 上的推理速度。关键规格如下：

• 参数量：230 M
• 上下文长度：32 768 token
• 词表规模：65 536
• 多语言支持：包括英语、中文、阿拉伯语、日语等十余种语言
• 知识截止：2024年中

性能基准

Liquid AI 在十项基准上对模型进行了评估，核心结果如下（分数越高越好）：

• IFEval：71.71，领先 Qwen3.5‑0.8B（59.94）和 Gemma 3 1B（63.49）
• IFBench：38.40，领先同类模型
• CaseReportBench（临床数据抽取）：22.51，表现最佳
• MMLU‑Pro：20.25，略逊于 Qwen3.5‑0.8B（37.42），表明在广泛知识覆盖上仍有提升空间。

模型在 工具调用（Function Calling）任务上表现突出，能够在系统提示中以 JSON 形式定义工具，生成 <|tool_call_start|> 与 <|tool_call_end|> 标记之间的调用语句，再返回自然语言答案。