@maximelabonne：5天内收获了1千个赞，我真为这个小小的 LFM3-1.7B 感到骄傲
摘要
Maxime Labonne 庆祝他关于 LFM3-1.7B 小型语言模型的帖子在五天内获得了 1,000 个赞。
查看缓存全文
缓存时间: 2026/11/03 02:21
5天内收获了1千个赞，我真为这个小小的 LFM3-1.7B 感到骄傲 🥲 https://t.co/0eeXq4SAF8
相似文章
@maximelabonne：不到两天就出现了LFM2.5-2.6B的首批微调版本。这个看起来很棒！
Maxime Labonne 强调了 LFM2.5-2.6B 的早期微调成果，同时 Bad Theory Labs 发布了两个开放权重模型：BTL-4 35B（前沿智能体推理模型）和 Macaw 2.7B（设备端 Mac 智能体），在 BFCL v4 上表现突出。
@maximelabonne: 我们在@huggingface上火了！说实话，我们低估了这个模型。它在代理任务上的能力远超我的预期。…
Maxime Labonne分享说，他们的模型在Hugging Face上成为热门，并且尽管只有1B个活跃参数，但在代理任务上出人意料地强大。
@MaximeRivest: 哇 Moondream！！9B 参数，2B 激活参数。我说过我喜欢小而专用的模型吗？
用户们对 Moondream 3.1 兴奋不已，这是一个拥有 9B 总参数和 2B 激活参数的小型视觉语言模型，被称赞在图像任务上超越了 Rex-Omni 和 LocateAnything，同时成本更低、速度快且可本地运行。
@maximelabonne: 读了三行就认出了好品味
一个社交媒体帖子，列出了2026年硬件配置下的顶级AI模型，例如适用于8GB设置的lfm-2.6B和适用于高端设备的Ornith模型。
LFM3-1.7b 表现令人印象深刻
作者测试了 Liquid AI 的 LFM3-1.7B 模型（Q8_0 GGUF 格式，通过 llama.cpp/ROCm 运行），用于压缩和摘要任务。测试结果显示在 Strix Halo 以及 7900 XTX+XT 张量拆分配置上具有出色的预填充/解码吞吐量，并且作为一个 1.7B 模型，在 32k-64k 上下文长度下表现出乎意料的连贯性。