在大模型的竞赛中，参数规模往往被视为性能的决定性因素。但近期，Liquid AI 的研究团队提出了一个不同寻常的案例：一个仅有 3.5 亿参数的模型，经过微调后，竟能在中短上下文的实时日语英语翻译任务上，与 GPT-4o 竞争。

这一模型被命名为 LFM2-350M-ENJP-MT, 在多项评测中，它的表现不仅在同类模型中遥遥领先，甚至比其自身大 2 个数量级的模型表现更好。

图｜LFM2 速度与其他模型速度对比（来源：Liquid AI）

与 LFM2-350M-ENJP-MT 一同发布的是 LFM2-350M-ENJP-MT-GGUF，也就是该模型的 GGUF 格式版本。GGUF 是一种经过优化等二进制格式，能加快模型的加载与存储，从而提高推理效率。GGUF 专为 GGML 及其他执行器设计，而 GGML 等执行器可以帮助大模型在商用硬件上实现高性能运作。

这一点，契合了 Liquid AI 的战略：打造真正能在移动端与边缘设备落地的 AI 系统。成立于 2023 年的 Liquid AI，由来自 MIT 的研究员 Ramin Hasani 和 Mathias Lechner 创办。团队的目标就是致力于打造兼具性能与效率的基础模型，并推动其在设备端的普及应用。

图｜Liquid AI 创始人（来源：LinkedIn）

当前，LFM2-350M-ENJP-MT 还在特定方面有所不足，尤其是其处理超长文本以及专业或语境敏感的翻译的能力，例如： 技术及专业用语（医学、法律、工程）；新专有名词（新产品、品牌、文化）；或行业、领域内部特有的术语。

Liquid AI 表示，他们将与开源社区合作，持续微调改进 LFM2-350M-ENJP-MT。未来，或许有越来越多这样的“小模型”在更多复杂场景中发挥作用。

参考资料：

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

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

运营/排版：何晨龙