在大模子的竞赛中开云kaiyun.com，参数范畴不绝被视为性能的决定性身分。但近期，Liquid AI 的商议团队建议了一个不同寻常的案例：一个仅有 3.5 亿参数的模子，过程微调后，竟能在中短障碍文的及时日语英语翻译任务上，与 GPT-4o 竞争。

这一模子被定名为 LFM2-350M-ENJP-MT, 在多项评测中，它的推崇不仅在同类模子中遥遥当先，致使比其自身大 2 个数目级的模子推崇更好。

当作一个专攻日英翻译的模子，LFM2-350M-ENJP-MT 能够告成完成平常文本、期间神色、商务换取和新闻报谈的翻译，而且具备着保留像白话化抒发、新闻措辞和贸易换取方面言语的渺小分离的能力。

LFM2-350M-ENJP-MT 是在 LFM2-350M 基础上微调获得的翻译模子，而 LFM2-350M 本人是 LFM2 的最小尺寸 350M 参数版块，比较于市面上大大批模子体积很小。LFM2 由 Liquid AI 于本年 7 月 10 号发布，为第二代 Liquid Foundation Model（LFM），提供 350M、700M 和 1.2B 三种规格，专为边际 AI 和设备端部署筹划。

LFM2-350M-ENJP-MT 所用的模子架构与 LFM2 一样，摄取了包含卷积和庄重力模块的夹杂架构，集会 10 个双门控短程 LIV（Linear Input-Varying）卷积块和 6 个分组查询庄重 (GQA) 块，这种身手在不搁置准确率的情况下最大顺次地擢升了推理速率。线性输入变化 (LIV) 算子的意见则是由 Liquid AI 商议团队于 2024 年建议，当作一种线性算子，其权重由输入动态生成，从而使卷积、递归、庄重力机制和其他结构层齐包摄于一个斡旋的、对输入明锐的框架。

同期团队还开发了一个叫 STAR 的神经架构搜索引擎，通过进化算法（evolutionary algorithm）来自动探索最优架构，满足精度、内存、延长等需求。

和 LFM2-350M-ENJP-MT 一样，LFM2 在基准测试中，展现了“四两拨千斤”的能力，性能突出好多同规格，致使更大体积的模子。凭证评估，LFM2-1.2B 的性能与 Qwen3-1.7B 颠倒，后者的参数数目比后者多 47%。LFM2-700M 的性能优于 Gemma 3 1B IT，而 LFM2-350M 与 Qwen3-0.6B 和 Llama 3.2 1B Instruct 颠倒。

而本次微调版块 LFM2-350M-ENJP-MT，更是将“小模子”的后劲确认到了极致。在中随笔日英翻译上，推崇并排 ChatGPT-4o。

与 LFM2-350M-ENJP-MT 一同发布的是 LFM2-350M-ENJP-MT-GGUF，也即是该模子的 GGUF 体式版块。GGUF 是一种过程优化等二进制体式，能加速模子的加载与存储，从而擢升推理后果。GGUF 专为 GGML 过头他推行器筹划，而 GGML 等推行器不错匡助大模子在商用硬件上结束高性能运作。

这极少，契合了 Liquid AI 的策略：打造的确能在转移端与边际设备落地的 AI 系统。拓荒于 2023 年的 Liquid AI，由来自 MIT 的商议员 Ramin Hasani 和 Mathias Lechner 创办。团队的宗旨即是发愤于打造兼具性能与后果的基础模子，并鼓动其在设备端的普及利用。

刻下，LFM2-350M-ENJP-MT 还在特定方面有所不及，尤其是其管理超长文本以及专科或语境明锐的翻译的能力，举例： 期间及专科用语（医学、法律、工程）；新专着名词（新址品、品牌、文化）；或行业、鸿沟里面独到的术语。

Liquid AI 示意，他们将与开源社区相助，抓续微调改良 LFM2-350M-ENJP-MT。改日，粗略有越来越多这么的“小模子”在更多复杂场景中确认作用。

参考云尔：

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

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

运营/排版：何晨龙