Liquid AI 最近推出了 LFM2.5，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 LFM2.5-1.2B-base 和 LFM2.5-1.2B-Instruct，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。

LFM2.5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1.2亿，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，LFM2.5-1.2B-Instruct 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38.89，在 MMLU Pro 上达到了44.35。这些分数明显高于其他同类开源模型，如 Llama-3.2-1B Instruct 和 Gemma-3-1B IT。

此外，LFM2.5-1.2B-JP 是专门为日语优化的文本模型，针对日语的 JMMLU、M-IFeval 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，LFM2.5-VL-1.6B 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。

LFM2.5-Audio-1.5B 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://www.liquid.ai/blog/introducing-lfm2-5-the-next-generation-of-on-device-ai

划重点: