概览
LFM3-Omni-2B 是 Liquid AI 于 2026 年 10 月 27 日随 LFM3 家族发布的第一个全模态（omni）模型，2.17B 参数，一个模型同时能看、能听、能说：输入可以是文本、图片、视频（含音轨）和语音，输出可以是文本、24 kHz 语音或两者交错。官方给出的用法包括用语音问图片或现场画面的问题、理解音画同步的视频（同时依赖看到和听到的内容）、语音助手和免手动交互，以及结合工具调用去操作数字界面和机器人系统，例如看着手写数学题回答口头提问的辅导助手、边拍边问的平板、结合摄像头画面和驾驶员语音的车载助手。它基于 LFM3 主干，配 LFM3 视觉编码器、因果音频编码器和 LiquidCodec 音频分词器，LiquidCodec 在单个 CPU 线程上约 87 倍实时合成语音并支持流式输出。官方自测在 Daily-Omni（70.1）、WorldSense（47.1）、AV-SpeakerBench（46.8）三项音视频理解评测上超过 Qwen2.5-Omni-3B / 7B、Gemma 4 E2B / E4B 和 Phi-4-multimodal。上下文 32K（输入 + 输出），文本支持 16 种语言、语音支持 19 种语言/口音，均含中文；它是非推理模型。权重已在 Hugging Face 开放，有 BF16（SGLang、Transformers）、GGUF（llama.cpp，含实时语音服务）和 MLX 版本，也可以在 Liquid Playground 试用。许可为 LFM Open License v1.0：个人、研究、非营利和年收入低于 1000 万美元的企业可免费商用。同批发布的还有 LFM3-1.7B（已收录）、LFM3-VL-2B、LFM3-Audio-2B 及 d1-2B、d1-Omni-2B。来源：https://www.liquid.ai/blog/lfm3 、https://docs.liquid.ai/lfm/models/lfm3-omni-2b 、https://huggingface.co/LiquidAI/LFM3-Omni-2B （2026-10-28 核对）。 定价：权重免费下载、自行部署（受 LFM Open License v1.0 限制）；Liquid 官方价页（https://www.liquid.ai/pricing）与 OpenRouter 目前都没有 LFM3-Omni-2B 的 API 价格，输入 / 输出价留空。
- 模态
- 多模态
- 参数量
- 2.17B
- 许可说明
- 开源 · LFM Open License v1.0
能力
- 全模态输入输出：输入文本、图片、带或不带音轨的视频、16 kHz 音频；输出文本、24 kHz 语音，或文字与语音交错输出；可以对着图片或画面用语音提问，用文字或语音回答
- 架构：LFM3 主干 + LFM3 视觉编码器 + LFM3 因果音频编码器 + LiquidCodec 音频分词器；图片和视频按原生分辨率处理；LiquidCodec 在单个 CPU 线程（Apple M4 Max）上约 87 倍实时合成语音，支持流式解码
- 官方评测（自测，对比 Qwen2.5-Omni-3B / 7B、Gemma 4 E2B / E4B、Phi-4-multimodal）：Daily-Omni 70.1、WorldSense 47.1、AV-SpeakerBench 46.8，三项都高于对比模型；OmniBench 46.3、RealWorldQA 64.7、MMStar 51.8、POPE 83.8
- 语言：文本 16 种（含中文）；语音 19 种语言/口音（含中文、英式和美式英语）；非推理模型，不支持 enable_thinking
- 运行与格式：上下文 32K（输入 + 输出）；BF16 可用 SGLang、Transformers，GGUF 版可用 llama.cpp 在 CPU/GPU 本地推理并提供实时语音服务，另有 MLX 版；许可 LFM Open License v1.0（年收入 ≥1000 万美元的企业商用不在授权内）
