Liquid AI发布LFM3,一次推出6款支持本地部署的2B级开源多模态模型。在动辄千亿参数、万亿Token训练的行业叙事里,2B这个数字显得很小,但它代表的是一条完全不同的路线:把能力塞进用户自己的设备里。

2B模型为什么突然重要
大模型的能力上限很高,但代价是延迟、成本和隐私。很多真实场景并不需要模型写出一篇论文,只需要它在几百毫秒内理解一张图片、识别一段语音、完成一个简单操作。2B级别的模型刚好能覆盖这类任务,而且可以跑在笔记本、手机甚至边缘设备上,不依赖网络。
本地部署的真实场景
第一是隐私敏感行业,比如医疗、法律、金融,数据不能出内网;第二是离线环境,比如工厂、野外、车载;第三是成本敏感的场景,调用云端API按Token计费,用久了并不便宜。本地部署把可变成本变成了固定成本,对高频轻量任务来说更划算。
小模型的商业模式
小模型很难靠API调用赚钱,它的价值在于带动硬件、系统和解决方案的销售。对Liquid AI这样的公司来说,开源是一种分发策略:先让开发者用起来,再通过企业版、技术支持和定制服务变现。这条路不性感,但很扎实。不是所有AI公司都需要成为下一个OpenAI。