答对百分之七，剩下九成说不会

2026-10-29 · 人工智能

Liquid AI 10 月 27 日发了 LFM3。六个模型，都是 2B 上下，全从一个底座分枝出来。

最显眼的数字是 1GB。4 位精度下，那个 1.7B 的文本模型占一吉内存，塞进手机不用商量。

但我记住的是另一个数字。

在 AA-Omniscience 那项知识测试上，LFM3-1.7B 只答对 7%。这个成绩单看很难看。可它没答对的那 93% 里，将近九成是直接说「不知道」——它不猜，不编，不把上一句改写一遍糊过去。同一张卷子上，Qwen3.5-9B 的这个比例是 53%。

会做题的模型已经很多了。肯举手说这题我不会的，不多。

一根干，六个枝

Liquid AI 的逻辑不是「做一个更强的」，是「做六个各管一件事的」。

六个模型全从 LFM3-1.7B-Base 长出来：文本的、视觉的、音频的、全模态的，再加两个决策模型。决策那两个不生成文字，它拿一段输入，一次性吐出带概率的答案——能框出物体、能从文档里抠字段、能估一个区间、能同时勾几个选项。

这个思路在工程上很省。一个底座训一次，各模态各微调一遍，每个都能在一张卡上再训。你要的不是一个什么都懂一点的通才，是一个在自己那摊事上不出错的家伙。

架构上换了三样东西混着用，官方叫 tri-hybrid：24 层里 13 层是门控短卷积，5 层是 256 词的滑窗注意力，6 层是全局注意力。卷积核从上一代的 3 涨到 7。另外还加了头级别的门控——每个注意力头配一个开关，没活干的时候可以自己关掉，顺便压住那些会毁掉量化的激活离群值。全局层只对每个头的高频那一半做位置编码，低频那一半不转。每个块的输入和输出都归一化一遍。

预训练 22 万亿 token。最后 3.5 万亿是中期训练，往里多塞了 agent 轨迹和各式各样的工具调用，顺手把上下文拉到 256K。

还有个细节挺费工夫：他们的架构搜索是硬件在环的。LFM2 那代只在一部手机和一台笔记本的 CPU 上试，这代扩到 14 种设备和后端——三星 S26 Ultra、一加 15、树莓派 5、M4 Max、Ryzen AI 笔记本、Arm 和 x86 的云 CPU、几块 GPU，还有高通的 Hexagon NPU。

用一部手机、一台笔记本、一块开发板来决定网络怎么长。这个做法很像制造业的人干的事。

赢的地方和输的地方

跑分如下，全部是厂商自己的数，发布一天，还没有第三方复现。

综合平均 49.37，对手 Qwen3.5-9B 是 47.24——参数是人家的六分之一。WebArena-Verified 这个网页 agent 的测试上 38.42，Qwen3.5-9B 是 28.94，它上一代 LFM2.5-2.6B 是 3.02。

输的地方也写得明白：SWE-bench Verified 43.40 对 51.20，GPQA Diamond 63.37 对 80.40，128K 长上下文 65.56 对 87.11。官方自己承认，不打算拿它做 agentic coding，也不打算拿它做多步复杂推理。

MacPaw 在 65 个 macOS 日常任务上实测：任务成功率 64%，Qwen3.5-2B 是 48%；每个任务少用 58% 的 token；卡住的比例不到 1%，对手是 15%。

这组数比跑分有用。因为「卡住」才是 agent 落地时最烦的事——它不报错，它就是在那儿转圈，你不知道它在想什么，也不知道该不该打断它。

回到那个 7%。一个知道自己不会的模型，接在你自己文档上的检索里，价值就在这儿：查不到的时候它说查不到。你宁可它说查不到，也不想它把三段不相干的文档缝成一个看着很像答案的东西。

我在企业里推过这类东西。最怕的不是它笨，是它答得太顺。

那道一千万的线

许可证这块值得单说，因为它跟「开放」这个词的关系有点暧昧。

LFM3 用的是 LFM Open License v1.0，底子是 Apache 2.0，加了一条：年营收低于 1000 万美元的公司，商用免费；到了 1000 万，这份许可证就不覆盖商业使用了，得去谈。

官方博客通篇写的是 open-weight，一次都没写 open source。这两个词这几年被混着用，区别就在这种地方。

有意思的是它划线的方式。有些开放权重许可证限制用途、要求挂标、禁止某些场景；这个只认营收——按公司大小划，不按用法划。你改过的模型也不用开源，可以自己闭着。

对我们这种规模的组织，这条线基本不是问题。但许可证算的是「法人实体」，包含你控制的、控制你的、跟你同受控制的那些。在集团里做事的人得看清楚这一点：不是你这个部门营收多少，是你上头那个数。

还有个容易忽略的：超过线之后，连内部试点都不在许可范围内。所以真要用，是先谈，不是先跑通了再谈。

顺手记一笔

同一份公告里有两个数挺有意思。

数据中心那头，单张 NVIDIA B300 跑 BF16 的 SGLang，1024 个并发请求，一天能出 36 亿 token。为了演示这个吞吐能干什么，他们放了 30 万个 agent 并行去读安然邮件档案——就是那个 2001 年破产的能源公司留下来的几十万封内部邮件。

发布伙伴列了八家：Ambarella、AMD、Arm、Intel、NVIDIA、OpenRouter、Qualcomm、Vercel。奔驰和 Shopify 在发布前试过。

一边是把 30 万个 agent 丢进二十年前的邮件堆里，一边是让一个 1GB 的模型在你手机上管日历。同一套权重，两个极端。

举手

我想象那个模型待在手机里。风扇没有，因为它不需要；内存占一吉，后台跑着，电量掉得很慢。

你问它一个它训练时没碰过的事。它不编，它说这个我不知道。

然后你去查，查到了，再告诉它。

这个来回有点笨。但比我见过的大多数「智能」都让人放心。