Liquid AI 正式發佈了其最新實驗性模型LFM2-2.6B-Exp，這一僅有2.6B（26億）參數的小型開源模型，在多項關鍵基準測試中表現出色，尤其在指令跟隨能力上超越了參數量高達數百億的DeepSeek R1-0528。
LFM2-2.6B-Exp基於Liquid AI第二代Liquid Foundation Models（LFM2）系列的2.6B基礎模型，通過純強化學習(RL)方式進行後訓練優化，無需監督微調暖啓動或大型教師模型蒸餾。該模型繼承了LFM2的混合架構優勢，結合短程門控捲積和分組查詢注意力(GQA)，支持32K上下文長度，專為邊緣設備(如手機、筆記本、物聯網設備)設計，實現高效本地部署。
Liquid AI強調，該實驗檢查點主要針對指令跟隨、知識問答和數學推理等領域進行優化，適用於代理工作流、RAG檢索、數據提取、創意寫作和多輪對話等場景。
最新基準測試結果顯示：
- IFBench（指令跟隨基準）：得分大幅領先同級模型，甚至超越參數量263倍的DeepSeek R1-0528。
- GPQA（研究生級知識問答）：達到約42%，遠超傳統3B模型。
- IFEval（指令嚴格遵循）：超過88%，擊敗眾多10B+參數模型。
- GSM8K（數學推理）：得分高達82%以上，優於Llama3.23B和Gemma3系列。
此外，該模型在CPU上的預填充和解碼速度是競品的2倍，內存佔用極低，支持bfloat16量化，真正實現“手機級PhD推理”。
