在大模型的競(jìng)賽中，參數(shù)規(guī)模往往被視為性能的決定性因素。但近期，Liquid AI 的研究團(tuán)隊(duì)提出了一個(gè)不同尋常的案例：一個(gè)僅有 3.5 億參數(shù)的模型，經(jīng)過(guò)微調(diào)后，竟能在中短上下文的實(shí)時(shí)日語(yǔ)英語(yǔ)翻譯任務(wù)上，與 GPT-4o 競(jìng)爭(zhēng)。

這一模型被命名為 LFM2-350M-ENJP-MT, 在多項(xiàng)評(píng)測(cè)中，它的表現(xiàn)不僅在同類模型中遙遙領(lǐng)先，甚至比其自身大 2 個(gè)數(shù)量級(jí)的模型表現(xiàn)更好。

圖｜不同模型日英翻譯表現(xiàn)對(duì)比（來(lái)源：Liquid AI）

作為一個(gè)專攻日英翻譯的模型，LFM2-350M-ENJP-MT 能夠順利完成日常文本、技術(shù)描述、商務(wù)溝通和新聞報(bào)道的翻譯，并且具備著保留像口語(yǔ)化表達(dá)、新聞措辭和商業(yè)溝通方面語(yǔ)言的細(xì)微差別的能力。

LFM2-350M-ENJP-MT 是在 LFM2-350M 基礎(chǔ)上微調(diào)得到的翻譯模型，而 LFM2-350M 本身是 LFM2 的最小尺寸 350M 參數(shù)版本，相比于市面上大多數(shù)模型體積很小。LFM2 由 Liquid AI 于今年 7 月 10 號(hào)發(fā)布，為第二代 Liquid Foundation Model（LFM），提供 350M、700M 和 1.2B 三種規(guī)格，專為邊緣 AI 和設(shè)備端部署設(shè)計(jì)。

LFM2-350M-ENJP-MT 所用的模型架構(gòu)與 LFM2 相同，采用了包含卷積和注意力模塊的混合架構(gòu)，結(jié)合 10 個(gè)雙門(mén)控短程 LIV（Linear Input-Varying）卷積塊和 6 個(gè)分組查詢注意 (GQA) 塊，這種方法在不犧牲準(zhǔn)確率的情況下最大限度地提高了推理速度。線性輸入變化 (LIV) 算子的概念則是由 Liquid AI 研究團(tuán)隊(duì)于 2024 年提出，作為一種線性算子，其權(quán)重由輸入動(dòng)態(tài)生成，從而使卷積、遞歸、注意力機(jī)制和其他結(jié)構(gòu)層都?xì)w屬于一個(gè)統(tǒng)一的、對(duì)輸入敏感的框架。

同時(shí)團(tuán)隊(duì)還開(kāi)發(fā)了一個(gè)叫 STAR 的神經(jīng)架構(gòu)搜索引擎，通過(guò)進(jìn)化算法（evolutionary algorithm）來(lái)自動(dòng)探索最優(yōu)架構(gòu)，滿足精度、內(nèi)存、延遲等需求。

圖｜LFM2 架構(gòu)（來(lái)源：Omkaar Kamath）

和 LFM2-350M-ENJP-MT 一樣，LFM2 在基準(zhǔn)測(cè)試中，展現(xiàn)了“四兩撥千斤”的能力，性能超過(guò)很多同規(guī)格，甚至更大體積的模型。根據(jù)評(píng)估，LFM2-1.2B 的性能與 Qwen3-1.7B 相當(dāng)，后者的參數(shù)數(shù)量比后者多 47%。LFM2-700M 的性能優(yōu)于 Gemma 3 1B IT，而 LFM2-350M 與 Qwen3-0.6B 和 Llama 3.2 1B Instruct 相當(dāng)。

而本次微調(diào)版本 LFM2-350M-ENJP-MT，更是將“小模型”的潛力發(fā)揮到了極致。在中短文日英翻譯上，表現(xiàn)比肩 ChatGPT-4o。

（來(lái)源：Liquid AI）

圖｜LFM2 速度與其他模型速度對(duì)比（來(lái)源：Liquid AI）

與 LFM2-350M-ENJP-MT 一同發(fā)布的是 LFM2-350M-ENJP-MT-GGUF，也就是該模型的 GGUF 格式版本。GGUF 是一種經(jīng)過(guò)優(yōu)化等二進(jìn)制格式，能加快模型的加載與存儲(chǔ)，從而提高推理效率。GGUF 專為 GGML 及其他執(zhí)行器設(shè)計(jì)，而 GGML 等執(zhí)行器可以幫助大模型在商用硬件上實(shí)現(xiàn)高性能運(yùn)作。

這一點(diǎn)，契合了 Liquid AI 的戰(zhàn)略：打造真正能在移動(dòng)端與邊緣設(shè)備落地的 AI 系統(tǒng)。成立于 2023 年的 Liquid AI，由來(lái)自 MIT 的研究員 Ramin Hasani 和 Mathias Lechner 創(chuàng)辦。團(tuán)隊(duì)的目標(biāo)就是致力于打造兼具性能與效率的基礎(chǔ)模型，并推動(dòng)其在設(shè)備端的普及應(yīng)用。

圖｜Liquid AI 創(chuàng)始人（來(lái)源：LinkedIn）

當(dāng)前，LFM2-350M-ENJP-MT 還在特定方面有所不足，尤其是其處理超長(zhǎng)文本以及專業(yè)或語(yǔ)境敏感的翻譯的能力，例如： 技術(shù)及專業(yè)用語(yǔ)（醫(yī)學(xué)、法律、工程）；新專有名詞（新產(chǎn)品、品牌、文化）；或行業(yè)、領(lǐng)域內(nèi)部特有的術(shù)語(yǔ)。

Liquid AI 表示，他們將與開(kāi)源社區(qū)合作，持續(xù)微調(diào)改進(jìn) LFM2-350M-ENJP-MT。未來(lái)，或許有越來(lái)越多這樣的“小模型”在更多復(fù)雜場(chǎng)景中發(fā)揮作用。

參考資料：

https://www.liquid.ai/blog/liquid-foundation-models-v2-our-second-series-of-generative-ai-models

https://huggingface.co/LiquidAI/LFM2-350M-ENJP-MT

運(yùn)營(yíng)/排版：何晨龍