导读： AI 不再只属于云端大模型。Liquid Nanos 系列正式发布，这是一批 3.5 亿到 26 亿参数的轻量级基础模型，可直接在手机、笔记本和嵌入式设备上运行。它们在特定任务上的表现可媲美体量大百倍的模型，同时无需依赖云端。重点：小模型、高性能、低延迟、隐私友好。

Liquid Nanos：小体量也能跑前沿 AI

近年来，AI 的发展越来越依赖超大模型和大型数据中心，但在现实应用中，我们面临成本、能耗、延迟和隐私的限制。将所有数据发送到云端，很多场景难以普及。

Liquid Nanos 颠覆了这一模式：将紧凑、高性能的智能直接部署到设备端，带来更快响应、更高隐私保护和可控成本。

这些模型属于 LFM2 系列低延迟任务专用液态基础模型（Liquid Foundation Models），占用内存仅 100MB–2GB，经过先进预训练和专门后训练，在智能代理的核心任务上表现出前沿级水平，包括：

• 精准数据提取和结构化输出生成
• 多语言理解
• 长上下文检索增强生成（RAG）
• 数学与推理
• 工具/函数调用

即便参数量只有数亿到约 10 亿，Nanos 在针对任务上的表现可接近甚至超过大型模型，同时完全在设备端运行。

首批实验性任务模型上线

目前首批发布的任务专用 Nanos 包括：

• LFM2-Extract（350M / 1.2B）：从非结构化文本中提取数据，如将发票邮件转为 JSON 对象，多语言支持。
• LFM2-350M-ENJP-MT：350M 参数双向英日翻译模型，速度快、可离线运行。
• LFM2-1.2B-RAG：优化长上下文问答的检索增强生成模型。
• LFM2-1.2B-Tool：面向工具调用和代理操作的 1.2B 参数模型。
• LFM2-350M-Math：解决数学问题的推理模型。
• Luth-LFM2 系列：社区驱动的法语微调模型，可做本地聊天助手，同时保留英语能力。

这些模型可直接在 LEAP 平台(https://leap.liquid.ai/)（iOS、Android、笔记本）使用，也可在 Hugging Face 下载。

1. 数据提取（LFM2-Extract）

核心任务表现亮点

可将各种文档（文章、报告、转录文本）转为 JSON、XML 或 YAML 输出，支持多语言。典型应用：

• 邮件发票自动生成结构化数据
• 合规系统中规章文档转换
• 客服工单数据分析
• 知识图谱实体抽取

经过 5000 篇文档测试，LFM2-1.2B-Extract 在多语种复杂对象提取上的表现超过 22.5 倍体量的 Gemma 3 27B。

2. 英日翻译（LFM2-350M-ENJP-MT）

支持双向英日翻译，速度快、低延迟、可离线，适合手机、平板或笔记本使用。在 llm-jp-eval 公共基准上表现优于体量大十倍以上的一般模型。

3. 长上下文问答（LFM2-1.2B-RAG）

专注于基于文档的问答，可做产品文档查询、企业知识库助手或学术研究助理。支持多轮对话和多文档信息检索，在多语言场景下表现稳健。

4. 工具调用（LFM2-1.2B-Tool）

专为移动和边缘设备设计，支持 API 调用、数据库查询和系统集成，无需云端即可实现实时响应，保证低延迟体验。

5. 数学推理（LFM2-350M-Math）

轻量推理模型，针对复杂数学问题提供多策略思考和自我验证，结合强化学习优化回答简洁性与准确性。

6. 法语微调（Luth-LFM2 系列）

由社区开发，支持法语和英语双语，本地运行低延迟、可离线处理，提升专业考试和文档处理能力。可用性与部署

Liquid Nanos 开放许可，支持学术、开发者和中小企业使用。开发者可直接组合不同模型，构建完整代理系统，实现前沿性能和设备端低成本、低延迟运行。

参考资料:https://www.liquid.ai/blog/introducing-liquid-nanos-frontier-grade-performance-on-everyday-devices