Liquid AI 正式发布了其最新实验性模型LFM2-2.6B-Exp，这一仅有2.6B（26亿）参数的小型开源模型，在多项关键基准测试中表现出色，尤其在指令跟随能力上超越了参数量高达数百亿的DeepSeek R1-0528。

LFM2-2.6B-Exp基于Liquid AI第二代Liquid Foundation Models（LFM2）系列的2.6B基础模型，通过纯强化学习(RL)方式进行后训练优化，无需监督微调暖启动或大型教师模型蒸馏。该模型继承了LFM2的混合架构优势，结合短程门控卷积和分组查询注意力(GQA)，支持32K上下文长度，专为边缘设备(如手机、笔记本、物联网设备)设计，实现高效本地部署。

Liquid AI强调，该实验检查点主要针对指令跟随、知识问答和数学推理等领域进行优化，适用于代理工作流、RAG检索、数据提取、创意写作和多轮对话等场景。

最新基准测试结果显示：

• IFBench（指令跟随基准）：得分大幅领先同级模型，甚至超越参数量263倍的DeepSeek R1-0528。
• GPQA（研究生级知识问答）：达到约42%，远超传统3B模型。
•  IFEval（指令严格遵循）：超过88%，击败众多10B+参数模型。
• GSM8K（数学推理）：得分高达82%以上，优于Llama3.23B和Gemma3系列。

此外，该模型在CPU上的预填充和解码速度是竞品的2倍，内存占用极低，支持bfloat16量化，真正实现“手机级PhD推理”。