LFM3以小型共享底座分出六类模型，生成与结构化决策需要不同选择

一个底座分出六种任务路径

LFM3-1.7B生成文本；LFM3-VL-2B接收文字、图像和视频；LFM3-Audio-2B接收文字或音频、输出文字或语音。LFM3-Omni-2B把文字、视觉与音频输入结合，输出文字或语音。分支图显示各自训练路径，不是同一权重随意切换六种接口。文本卡另述MOPD把六类专家教师蒸馏进一个学生，不能与六个成品分支混为一谈。

d1-2B与d1-omni-2B分别从VL和Omni派生，返回带概率的结构化答案。本站建议先确定输入和输出契约：语音对话与限定字段的工单路由是不同问题。2B级也是规模分类，不表示每个模型恰好20亿参数。

24层如何结合局部处理与长上下文

厂商列13层门控卷积，卷积核由LFM2的3扩大到7；5层注意力窗口为256 tokens，另有6层全局注意力。逐头sigmoid门、全局层只旋转每头的高频一半RoPE、窗口层完整RoPE及输入输出归一化构成其设计。硬件在环搜索覆盖14种设备与后端组合，不等于全部部署均获认证。

底座共训练22T tokens，末尾3.5T是其中的中期训练，词表128K。文本卡明确256K为输入加输出。厂商按参数归一与LFM2-1.2B作边缘比较，称短提示速度相当、8K上下文约快25%，并称4-bit约1GB。本站建议另算运行时、上下文缓存与模态开销，不能保证完整长上下文应用只占1GB。

文本和视觉成绩须保留比较口径

主文称文本参数比LFM2.5-2.6B少35%，WebArena-Verified为38.42对3.02。视觉分支与LFM2.5-VL-3B以1.9B对3.1B参数比较，62项基准均值从57.6到71.4，并称接近Gemma 4 12B。这是厂商条件化比较，不是通用排名或本站复现。

新视觉编码器164M参数，厂商称计算量为旧SigLIP2编码器约三分之一。与Qwen3.5-2B编码器比较时，两者固定同一LFM2.5-230M语言底座，所需FLOPs约为对比者的1/2.2，不能改写成整模型延迟。视频每对采样帧合为一时序片，序列减半也不证明所有视频精度不变。

语音计时不能拼成全链路延迟

音频分支采用因果编码器与LiquidCodec，文中介绍18种语言翻译，并报UTMOSv2为3.83，对照LFM2.5-Audio-1.5B为3.22。最低50ms首token没有在主文给出硬件和完整测量条件，更不能直接称麦克风到回答的实测延迟。

约87倍实时速度另指Apple M4 Max单个CPU线程的语音编解码器解码，不是模型生成、网络或全部设备的速度。Omni在Daily-Omni、WorldSense与AV-SpeakerBench对比更大模型；指定测试不等于所有多模态任务更优，本站也未听评语音质量。

d1以单次前向回答限定问题

d1接收状态和多道问题，例子同时识别退款、分配工单团队、选择主题和判断紧急程度，而非逐token编写一段解释。单次前向指这些问题的作答，不免除图像或音频预处理，更不表示整个应用只需一次操作；omni分支可加入音频。

厂商称d1-2B比d1-3B少三分之一参数，文中四套决策测试均更高，ImajevBench为75.5对64.0。“校准”仍是厂商描述，某个概率不是该次答案正确的证明。本站建议在目标数据上检验校准、路由阈值及分布变化，保留需人工复核的情况。

微调、用途与许可仍须逐项核验

教程涵盖SFT文档JSON、DPO检索回答或拒答、GRPO的108工具手机应用、CPT土耳其语，以及视觉和语音指令任务。主文称均可单GPU微调，却未列显存、序列长度、训练时长和成本；教程不证明改造后应用可靠。

文本卡建议知识密集任务使用检索或搜索，并因模型较小，不推荐代理式编程及复杂多步推理。本站没有运行代码或模型、审阅笔记本，也未看机器人演示视频，因此不作机器人可靠性结论。

已读文本检查点指定LFM Open License v1.0：条文定义年营收1000万美元门槛，并限制超过门槛实体的商业使用，另有合资格非营利机构的非商业或研究例外及再分发义务。不能当作无条件商业许可；具体边界须读完整条款，其余五个检查点未逐一核许可。