8GB 内存的 MacBook Air，能不能离线跑一个既能看图、又能听、还能开口说话的 AI？小编看到的实测结果是：能，而且一个 2.2B 参数的 LFM3-Omni 模型只占不到 3GB 内存。
通常，会看图的本地模型只能用文字回答；想让它听、让它说，往往要再装别的模型，在 8GB 的机器上叠三四个基本不现实。Liquid AI 的 LFM3-Omni 在 10 月 27 日发布，一个模型同时负责听、看、说，输入可以是图片、视频和语音，输出可以是文字或语音。下面把这位网友的体验整理一遍。
一个小模型，顶四个工具
LFM3-Omni 的卖点，是把语音识别、视觉模型、聊天机器人和文字转语音（TTS）四样东西合成一个端侧模型。分开跑就得把四套权重塞进 macOS 本来就紧张的 8GB 内存，每套还要各自的运行环境和额外开销。
这个模型是开放权重，采用 Liquid AI 的 LFM Open License v1.0。这位网友先试了 Ollama，但它只能让模型看和听，没法让它开口。要让模型用语音回答，他用了 GitHub 开发者 overment 做的免费社区应用 lfm3-mega-demo。
这个应用通过苹果的 MLX 框架运行 Liquid 官方的 8 位版本，在 Mac 上开一个网页，带有对话、观看、转写和朗读几个标签。他还特意核对了应用有没有自己改采样设置，结果是它沿用了模型配置里的贪心解码，和官方模型卡一致。
运行时他关掉了 Wi-Fi，所有测试都在离线状态下完成。活动监视器显示应用进程峰值占用 2968MB，其中约 2814MB 在 Mac 统一内存的 GPU 一侧，也就是模型本体。看、听、说一应俱全，还剩约 5GB 内存给其他程序用。
看图：认得出东西，表格数字先别交给它
视觉测试很直接：在“观看”标签里拿东西对着摄像头。
| 测试对象 | 模型的判断 | 结果 |
|---|---|---|
| DualSense 手柄 | 黑色 PlayStation 手柄，方向键、摇杆、中间标志都说对了 | 准确 |
| TKL 键盘 | 识别为机械键盘，但说成“全尺寸” | 基本准确，尺寸有误 |
| 电脑配件价格表（5 个问题） | 读对了数字，但算术出错，第一次对 1 题，第二次 0 题 | 不合格 |
这张价格表里的 5 月、11 月价格是他编的整数，每个问题只有一个明确答案。模型把显卡“降价”说成了“涨价”，百分比也算在了错误的行上。
不过问题不在“眼睛”，而在设计取舍：LFM3 的文本、视觉、音频和全能（Omni）几个版本里，只有 Omni 不能在回答前先推理。同样的表格和提示词，换成它的视觉版 LFM3-VL-2B，用 llama.cpp 以 4 位精度运行（精度只有 Omni 的一半），会逐行思考，5 题全对。
听和说：比看图更出彩
公平评价的话，更值得看的是转写和听力，朗读紧随其后。“朗读”标签支持 19 种语言和口音，一秒出头就能开口，生成速度比播放速度还快，用来听草稿朗读很方便。
转写更快：在“转写”标签录了 5 秒音频，0.72 秒就原文返回，第一个字 0.35 秒就出来了。语音备忘、采访和会议录音，音频全程不离开 Mac，光这一点就值得跑它。想对比纯转写的玩法，可以看看 Whisper 加 Qwen 把语音备忘变待办。
对着摄像头时，它还能把眼前的东西口头描述出来，准确度不错，这正是 Liquid 提到的车载助手类场景。能听指令、能看画面、能开口描述的小模型，用在家庭助手和智能家居（尤其是安防相关）里潜力不小。
小结
8GB 的 MacBook Air 平时很难进本地 AI 的话题圈，小编也不会第一个想到它。但 LFM3-Omni 证明，这台机器可以在不到 3GB 内存、不联网的前提下听、看、说。如果您关心 8GB 级别设备能跑什么，也可以看看 8GB 显存跑 27B 本地大模型的 Bonsai 实测。模型信息可参考 Liquid AI 官方网站。
常见问题（FAQ）
8GB 内存的 Mac 真的够用吗？
按实测，应用进程峰值约 2968MB，系统还剩约 5GB。跑这一个模型没问题，但别同时再开很吃内存的程序。
为什么 Ollama 里它不会说话？
Ollama 目前只能让这个模型看和听，没法输出语音。要语音回答，这位网友用了 lfm3-mega-demo 这个社区应用。
它适合处理表格和数字吗？
目前不太行。Omni 版本不能先推理再回答，算数容易出错；同系列的视觉版 LFM3-VL-2B 有推理，表现要好得多。
真的全程不联网吗？
是的，所有测试都关掉了 Wi-Fi，数据不出这台 Mac，适合处理语音备忘、采访这类隐私内容。
模型可以商用吗？
它是开放权重，遵循 Liquid AI 的 LFM Open License v1.0，商用前请先去看一下具体条款。