8 月 24 日，AI 评估组织 Artificial Analysis 联合 Liquid AI 发布了移动端 AI 基准测试。测试对象是即将上市的 iPhone 17 Pro 本地运行环境，合作分工很明确：Artificial Analysis 负责测智能水平，Liquid AI 负责测推理性能。测试维度覆盖五大类基准测试，包括函数调用、指令遵循、知识理解、难题解答及数学计算。
本次基准测试聚焦于可在移动端边缘设备上运行的模型，核心标准是模型大小不超过 8GB（4-bit 量化后）。在设置 16K Token 上下文限制时，表现最佳的模型是 Nanbeige4.2-3B（源自南华实验室），其次是 LFM2.5-2.6B（源自 Liquid AI）。当将响应时间严格限制在 1 分钟内时，排名发生显著变化，榜首是 LFM2.5-8B-A1B，紧随其后的是 LFM2-2.6B-Exp、Gemma 4 E4B 和 Granite 4.1 8B。
测试结果揭示了一个重要的行业趋势：小参数模型同样能展现出极高的智能水平，甚至在特定场景下超越大模型。以 Nanbeige4.2-3B 为例，该模型由 BOSS 智屏实验室开发，参数量仅 30 亿非嵌入参数，采用 Looped Transformer 架构。通过循环复用模型层，该架构在不增加参数量的前提下有效增加了计算深度，实现了与竞争对手相当甚至更优的评分。
移动端 AI 的竞争逻辑正在发生根本性转变。过去竞争重点在于“能否运行”，即能否在设备本地部署；现在竞争焦点已升级为“运行得更快”且“回答得更准确”。架构创新正在弥补小模型参数量的劣势，使得轻量级模型在移动端具备与大型云端模型相抗衡的潜力。这对手机厂商和芯片厂商的算力调度提出了新的要求，他们得重新规划资源分配策略。
