تُطلق Liquid AI عائلة LFM3، التي تضم ستة نماذج مفتوحة الأوزان من فئة 2B

أعلنت Liquid AI عن LFM3 في 27 أكتوبر 2026، وهو جيل جديد من نماذج Liquid Foundation المفتوحة الأوزان، يجمع نماذج النص والرؤية والصوت والنماذج الشاملة ونماذج اتخاذ القرار ضمن بنية أساسية مشتركة واحدة. ويضم الإصدار الأول ستة نماذج في نطاق ملياري معلمة، وقد فُصّلت في منشور على مدونة Hugging Face.

ستة نماذج ضمن بنية أساسية مشتركة واحدة

ينحدر كل نموذج من نماذج LFM3 من النموذج الأساسي نفسه، LFM3-1.7B-Base. يستقبل LFM3-1.7B النص ويُخرج نصًا. ويقبل LFM3-VL-2B النصوص والصور ومقاطع الفيديو ويُخرج نصًا، في حين يستقبل LFM3-Audio-2B النصوص أو الصوت ويردّ بالنص أو الكلام. أما LFM3-Omni-2B، الذي تصفه Liquid AI بأنه أول نموذج شامل لها، فيقبل النصوص والصور ومقاطع الفيديو والصوت، ويُنتج نصًا وكلامًا. ويتخصص نموذجان لاتخاذ القرار، هما d1-2B وd1-omni-2B، انطلاقًا من نموذجي الرؤية والنموذج الشامل، ويقدمان إجابات معايرة بدلًا من نص مُولَّد.

وفقًا لـبطاقة نموذج LFM3-1.7B، يضم نموذج النص 1.73 مليار معلمة، ويبلغ طول سياقه 256 ألف رمز، ويحتوي معجمه على 128,000 رمز، ويدعم 16 لغة، ويُطرح بموجب ترخيص LFM Open License v1.0. والنموذجان الأساسي والمدرَّب بعديًا مفتوحا الأوزان ومتاحان على Hugging Face وLiquid AI Playground وLiquid AI API.

يسمّي منشور الإطلاق الصادر عن Liquid AI شركاء الإطلاق في اليوم الأول: Ambarella وAMD وArm وIntel عبر OpenVINO وNVIDIA وOpenRouter وQualcomm عبر Qualcomm AI Hub وGenieX وVercel. ويذكر المنشور أن Mercedes-Benz وShopify شاركتا في الاختبار والتقييم قبل الإصدار.

البنية الهجينة الثلاثية والتدريب

يتألف LFM3-1.7B-Base من 24 طبقة: 13 طبقة من الالتفافات القصيرة ذات البوابات، وخمس طبقات انتباه بنافذة منزلقة يبلغ حجمها 256 رمزًا، وست طبقات انتباه شامل. وتستخدم طبقات الالتفاف حجم نواة يبلغ 7، ارتفاعًا من 3 في LFM2. وتحدد ثلاثة تغييرات إضافية بنية النموذج الأساسية: الانتباه ذو البوابات على مستوى الرؤوس، حيث تضبط بوابة سيغمويد مخرجات كل رأس انتباه، ويمكنها كبح القيم الشاذة للتنشيط التي تضرّ بالتكميم؛ وRoPE جزئي، إذ تدير طبقات الانتباه الشامل النصف الأعلى ترددًا من كل رأس فقط، بينما تحتفظ طبقات النافذة المنزلقة بـRoPE كامل؛ ومعيار تطبيع على شكل شطيرة يطبّع مدخلات كل كتلة ومخرجاتها.

جاء هذا التصميم نتيجة بحث Liquid AI عن البنية المعمارية ضمن حلقة تربط العتاد بالاختبار، وقد توسع نطاقه في LFM3 ليشمل 14 تركيبة من الأجهزة والمنصات الخلفية، منها الهواتف (Samsung Galaxy S26 Ultra وOnePlus 15)، وRaspberry Pi 5، والحواسيب المحمولة (Apple M4 Max وAMD Ryzen AI)، ومعالجات Arm وx86 السحابية، ووحدات معالجة الرسوميات، ووحدة المعالجة العصبية Qualcomm Hexagon.

دُرّب LFM3-1.7B-Base مسبقًا على 22 تريليون رمز، وشكّلت الرموز الـ3.5 تريليون الأخيرة مرحلة تدريب وسيطة على بيانات منتقاة، مع حصة أكبر من آثار عمل الوكلاء واستدعاءات الأدوات، كما امتدت خلالها نافذة السياق إلى 256 ألف رمز. وجرت مرحلة التدريب اللاحق على أربع مراحل: الضبط الدقيق الخاضع للإشراف على 1.75 تريليون رمز، والتعلّم المعزّز المختلط، والتقطير متعدد المجالات وفق سياسة النموذج من ستة نماذج متخصصة للتعلّم المعزّز، والتعلّم المعزّز للوكلاء ضمن أطر تشغيل وكلاء حقيقية.

قالت Liquid AI إن البنية الجديدة تتيح لـLFM3-1.7B التفوق على سلفه LFM2.5-2.6B مع عدد معلمات أقل بنسبة 35%، وإنه يضاهي LFM2-1.2B لكل معلمة عند التعامل مع المطالبات القصيرة، مع تشغيل أسرع بنحو 25% عند وجود 8 آلاف رمز في السياق. وأضافت الشركة أن نموذج النص يحتاج إلى نحو 1 غيغابايت من الذاكرة عند دقة 4 بت.

الأداء والتخصص وفقًا لتقارير الشركة

تفيد Liquid AI بأن LFM3-1.7B حقق 38.42 على WebArena-Verified، مقابل 3.02 لنموذج LFM2.5-2.6B، مع تسجيل أكبر المكاسب في مهام الوكلاء. ومع ذلك، تنص بطاقة النموذج على أنه لا يُنصح باستخدامه في البرمجة الوكيلة أو الاستدلال المعقد متعدد الخطوات لصغر حجمه.

قالت Liquid AI إن LFM3-VL-2B هو أول نموذج رؤية من LFM يقبل مدخلات الفيديو، وأفادت بأنه يرفع المتوسط عبر 62 معيارًا للرؤية من 57.6 إلى 71.4 مقارنةً بـLFM2.5-VL-3B، مع استخدام 1.9 مليار معلمة مقابل 3.1 مليار، ليضاهي بذلك Gemma 4 12B، وهو نموذج يزيد حجمه على ستة أضعاف حجمه. ويستخدم مُرمِّز رؤية جديد طوّرته الشركة داخليًا، ويضم 164 مليون معلمة، قدرة حوسبية أقل بثلاثة أضعاف من مُرمِّز SigLIP2 المستخدم في نماذج LFM VL السابقة، ويضاهي دقة مُرمِّز الرؤية في Qwen3.5-2B مع عدد عمليات فاصلة عائمة أقل بمقدار 2.2 ضعف، وفقًا لقياسات الشركة.

يدعم LFM3-Audio-2B 18 لغة، وتفيد Liquid AI بأن جودة الكلام فيه تبلغ 3.83 على UTMOSv2، مقابل 3.22 في LFM2.5-Audio-1.5B. ويضم مُرمِّزًا صوتيًا سببيًا بالكامل، لا يتجاوز زمنه حتى الرمز الأول 50 مللي ثانية، ومُرمِّزًا لغويًا من LiquidCodec يولّد الكلام بسرعة تبلغ نحو 87 ضعف الزمن الحقيقي، على خيط معالجة واحد في Apple M4 Max. وقالت الشركة إن LFM3-Omni-2B، الذي يضم 2.2 مليار معلمة، يتفوق على نماذج يصل حجمها إلى 10.7 مليار معلمة، ومنها Qwen2.5-Omni-7B، في معايير فهم الصوت والصورة Daily-Omni وWorldSense وAV-SpeakerBench.

تجيب نماذج اتخاذ القرار عن قائمة من الأسئلة في تمريرة أمامية واحدة، مع احتمال معاير لكل إجابة، كما تقدم إجابات محددة النوع تشير إلى العناصر، وتستخرج القيم من المستندات، وتقدّر الأعداد ضمن نطاق، وتختار كل الخيارات المنطبقة. وقالت Liquid AI إن d1-2B يحل محل d1-3B بعدد معلمات أقل بمقدار الثلث، وسجّل 75.5 مقابل 64.0 على ImajevBench.

يمكن ضبط كل نموذج من نماذج LFM3 بدقة على وحدة معالجة رسومات واحدة، ونشرت Liquid AI دفاترًا برمجية تتناول الضبط الدقيق الخاضع للإشراف، وDPO، وGRPO، والتدريب المسبق المستمر لنماذج النصوص والرؤية والصوت والنماذج الشاملة. وفي أحد الأمثلة التي أوردتها الشركة، ضُبط نموذج LFM3-VL-2B بدقة باستخدام نحو 3,000 صورة عامة لشفرات توربينات الرياح، على مدى بضع ساعات وعلى وحدة A100 واحدة، ما رفع دقة تصنيف العيوب إلى 67% ومقياس F1 للكشف عن العيوب من 0.003 إلى 0.11 في صور لم تُستخدم في التدريب.

كما حوّلت Liquid AI نموذج LFM3-VL-2B إلى ثلاثة نماذج للروبوتات مخصصة للتنسيق والملاحة والمناولة. وتفيد الشركة بأن نموذج الرؤية واللغة والفعل المخصص للمناولة، والذي دُرّب عبر 15 تجسيدًا روبوتيًا، حقق متوسط نجاح بلغ 96.2% عبر مجموعات LIBERO الأربع، و45.7% في مهام الطاولة ضمن RoboCasa-GR1، مع توليد دفعات من الأفعال في أقل من 50 مللي ثانية على Jetson AGX Orin باستخدام TensorRT FP16.

أما من حيث معدل المعالجة، فقالت Liquid AI إن LFM3-1.7B قادر على إنتاج 3.6 مليارات رمز يوميًا على وحدة NVIDIA B300 واحدة، مع 1,024 طلبًا متزامنًا. وتأتي النماذج بدعم أصلي لأدوات llama.cpp وMLX وvLLM على أجهزة Apple وAMD وNVIDIA وQualcomm، مع إصدارات لنقاط التحقق تشمل BF16 وFP8 وNVFP4 وGGUF وMLX وONNX.