LFM3-VL 2B
2BLiquid AI LFM3
Liquid AI LFM3 系列的视觉语言模型：文本部分与 LFM3 1.7B 结构相同（24 层），另带一个 14 层视觉编码器，以单独的投影文件发布（F16 为 379 MB，与模型一起加载）。24 个文本层中只有 6 层的缓存随上下文增长，5 层是 256 token 滑动窗口，13 层是短卷积。文本窗口为 128,000 token，是 LFM3 1.7B 的一半。llama.cpp 和 Ollama 都能运行它。
128K
最大上下文
4
量化变体
GGUF Q8_0
最佳质量
—
困惑度增幅（最佳档位）
量化变体对比
各量化级别的显存、质量损失及 RTX 4090 推理速度
实测 = 本站跑过 · 估算 = 本站未跑过：推算所得，或本站未核实的数字 · 社区 = 公开报告
| 格式 | 级别 | BPW | 显存 | PPL 损失 | 速度 | 来源 | 操作 |
|---|---|---|---|---|---|---|---|
| GGUF | Q4_K_M | 5.08 | 1.2 GB | — | — | 估算 | |
| GGUF | Q5_K_M | 5.82 | 1.4 GB | — | — | 估算 | |
| GGUF | Q6_K | 6.6 | 1.6 GB | — | — | 估算 | |
| GGUF | Q8_0 | 8.54 | 2.0 GB | — | — | 估算 |
每个体积对应哪个文件
文件大小不等于显存：显存一栏是计算器在 4K 上下文下的总量 —— 权重加 KV 缓存，再加 10% 的激活缓冲。两边的单位是有意不同的：文件大小用十进制 GB，和 Hugging Face 列表一致；显存一栏用 GiB（1024³ 字节），并在权重上多算 2%，所以 7.12 GB 的文件在那一栏里约是 6.8 GiB。仓库若带视觉投影（mmproj），它是另外下载的文件，两个数字都不含它。
- GGUF Q4_K_MLiquidAI/LFM3-VL-2B-GGUF · LFM3-VL-2B-Q4_K_M.gguf · 1.10 GB (1,099,627,808 字节) · 另需视觉投影 0.38 GB · 2026-11-03 核对
- GGUF Q5_K_MLiquidAI/LFM3-VL-2B-GGUF · LFM3-VL-2B-Q5_K_M.gguf · 1.26 GB (1,258,663,200 字节) · 另需视觉投影 0.38 GB · 2026-11-03 核对
- GGUF Q6_KLiquidAI/LFM3-VL-2B-GGUF · LFM3-VL-2B-Q6_K.gguf · 1.43 GB (1,427,638,304 字节) · 另需视觉投影 0.38 GB · 2026-11-03 核对
- GGUF Q8_0LiquidAI/LFM3-VL-2B-GGUF · LFM3-VL-2B-Q8_0.gguf · 1.85 GB (1,846,238,496 字节) · 另需视觉投影 0.38 GB · 2026-11-03 核对
相似模型
与 LFM3 1.7B 对比LFM3 1.7B
Liquid AI LFM3
Liquid AI LFM3 系列中最小的模型，10 月 27 日发布：一个 1.7B 文本模型，上下文 256K，面向手机、笔记本和小显存显卡。24 层中只有 6 层的缓存随上下文增长；5 层是 256 token 滑动窗口，其余 13 层是短卷积。Q4_K_M 在 4K 下约需 1.2 GB，128K 下约需 2.8 GB，8 GB 显卡可以从容运行；用满 256K 窗口约需 4.5 GB。Q8_0 在 4K 下约需 2.0 GB。Ollama 自 v0.40.13 起在 Windows、Linux 和 Apple 芯片上都能运行 LFM3 系列，llama.cpp 也在各平台都能加载它的架构。体积按 Liquid 官方发布的 GGUF 文件大小计算，各档位的质量损失未公布。
Qwen3.5 2B
Alibaba Qwen3.5
Qwen3.5 的 2B 尺寸，几乎什么硬件都能跑：老显卡、基础款 Mac、迷你主机和纯 CPU 服务器。24 层中只有 6 层保留会增长的 KV 缓存，每层只有 2 个 KV 头。Q4_K_M 在 4K 上下文下约需 1.5 GB，32K 下约 1.9 GB，用满 256K 窗口约 4.8 GB；即使 Q8_0，4K 下也只要约 2.2 GB。Qwen3.5 的小尺寸默认关闭推理模式。体积按已公布的 GGUF 文件大小计算，各档位的质量损失未公布。
Llama 3.2 3B Instruct
Meta Llama 3.2
小巧而实用，4GB 显存或 8GB 内存即可运行，甚至可在手机端通过 llama.cpp 运行。
Qwen2.5 3B Instruct
Alibaba Qwen2.5
Qwen2.5 迷你版，适合边缘设备，4GB 显存或树莓派级别硬件即可运行。
在本地运行 LFM3-VL 2B
在 Q4_K_M、4K 上下文下，LFM3-VL 2B 约需 1.2 GB —— 权重 1.0 GB、KV 缓存 0.05 GB、激活缓冲 0.1 GB。本索引中能宽裕跑它的最小规格是 8 GB 显卡 —— 共 11 张，Mac M1 8G 起步；78 张卡中有 78 张可以。这些是计算值而非实测值：估算把「宽裕」的界线画在显存的 88%，大致就是桌面环境需要留出的余量。
上下文变长会多花多少
从 4K 提到 32K 约多占 0.33 GB，总量来到 1.6 GB。这比参数量给人的印象要温和：24 层中只有 6 层的 KV 缓存会随上下文增长，另有 5 层被滑动窗口封顶，因此缓存的增速只有常规架构的一小部分。该模型的原生上下文是 125K；在 Q4_K_M 下把它全部撑满约需 3 GB。
该下载哪个版本
本索引只收录了 LFM3-VL 2B 的 GGUF 格式，共 4 个档位（Q4_K_M、Q5_K_M、Q6_K、Q8_0）。 该模型没有公开的逐档困惑度数据，因此质量一列留空而不是填估算值 —— 在同一个模型内部，位数越多越忠实是数据唯一支持的排序。本站硬件上没有该模型的吞吐实测数据。GGUF 可在 NVIDIA、AMD 与苹果芯片上通过 llama.cpp 和 Ollama 运行；AWQ 与 GPTQ 面向 CUDA 和 ROCm 上的 vLLM；EXL2 是 ExLlamaV2 —— 仅限 CUDA，而且已经归档，适合本机使用而不适合提供服务。
常见问题
- LFM3-VL 2B 需要多少显存？
- 在 Q4_K_M、4K 上下文、batch 1 下约 1.2 GB，到 32K 时约 1.6 GB。这个数字是权重加 KV 缓存再加 10% 激活缓冲，由模型架构计算得出，不是在显卡上实测的。
- LFM3-VL 2B 能在 8GB 显卡上跑吗？
- 可以 —— 在 Q4_K_M、4K 上下文下约需 1.2 GB，在 Mac M1 8G 上还剩 4.8 GB，本索引中 11 张 8 GB 显卡都一样。这是能宽裕跑它的最小规格；78 张中有 78 张可以。
- LFM3-VL 2B 该用哪个量化档位？
- 该模型没有公开的质量对比数据，所以按体积来选：Q4_K_M 是多数人使用的档位，bits-per-weight 越高越忠实。索引中的 4 个档位是 Q4_K_M、Q5_K_M、Q6_K、Q8_0。
这个模型能跑在哪
按 Q4_K_M、4K 上下文估算，显存从小到大排列。「从容」指估算占用不超过显存的 88%。
怎么把它跑起来
针对本模型及同类硬件的部署指南。
本页数字会随模型数据或运行时版本的变化而更新。最近更新 2026-11-03 RSS → /zh/feed.xml