Liquid AI lancerer LFM3-familien med seks open-weight-modeller i 2B-klassen

Liquid AI annoncerede LFM3 den 27. oktober 2026, en ny generation af Liquid Foundation Models med åbne vægte, der samler tekst-, vision-, lyd-, omni- og beslutningsmodeller på én fælles backbone. Den første lancering, der er beskrevet i et blogindlæg på Hugging Face-bloggen, omfatter seks modeller i 2B-parameterklassen.

Seks modeller på én fælles backbone

Alle LFM3-modeller bygger videre på den samme LFM3-1.7B-Base. LFM3-1.7B modtager tekst og returnerer tekst. LFM3-VL-2B accepterer tekst, billeder og video og returnerer tekst, mens LFM3-Audio-2B modtager tekst eller lyd og svarer med tekst eller tale. LFM3-Omni-2B, som Liquid AI beskriver som sin første omni-model, accepterer tekst, billeder, video og lyd og producerer tekst og tale. To beslutningsmodeller, d1-2B og d1-omni-2B, er specialiseret ud fra henholdsvis vision- og omni-modellerne og giver kalibrerede svar i stedet for genereret tekst.

Ifølge modelkortet for LFM3-1.7B har tekstmodellen 1,73 mia. parametre, en kontekstlængde på 256.000 tokens, et ordforråd på 128.000 tokens og understøttelse af 16 sprog, og den udgives under LFM Open License v1.0. Grundmodellen og de eftertrænede modeller har åbne vægte og er tilgængelige på Hugging Face, Liquid AI Playground og Liquid AI API.

I Liquid AIs lanceringsindlæg nævnes Ambarella, AMD, Arm, Intel via OpenVINO, NVIDIA, OpenRouter, Qualcomm via Qualcomm AI Hub og GenieX samt Vercel som lanceringspartnere fra dag ét. Det fremgår også, at Mercedes-Benz og Shopify samarbejdede om test og evaluering før lanceringen.

Tri-hybridarkitektur og træning

LFM3-1.7B-Base har 24 lag: 13 gated kortkonvolutioner, fem attentionlag med glidende vindue på 256 tokens og seks globale attentionlag. Konvolutionerne har en kernelstørrelse på 7, op fra 3 i LFM2. Tre yderligere ændringer kendetegner backbonen: head-wise gated attention, hvor en sigmoid-gate skalerer outputtet fra hvert attention-head og kan undertrykke aktiveringsafvigelser, der forringer kvantiseringen; delvis RoPE, hvor de globale attentionlag kun roterer den halvdel af hvert head, der har de højeste frekvenser, mens lagene med glidende vindue bruger fuld RoPE; samt sandwich-normalisering, der normaliserer hvert bloks input og output.

Designet udsprang af Liquid AIs arkitektursøgning med hardware-in-the-loop, som for LFM3 blev udvidet til 14 kombinationer af enheder og backendmiljøer, herunder telefoner (Samsung Galaxy S26 Ultra og OnePlus 15), en Raspberry Pi 5, bærbare computere (Apple M4 Max og AMD Ryzen AI), Arm- og x86-CPU’er i skyen, GPU’er og Qualcomm Hexagon-NPU’en.

LFM3-1.7B-Base blev fortrænet på 22 billioner tokens, hvor de sidste 3,5 billioner tokens udgjorde en mellemliggende træningsfase på kuraterede data med en større andel agentiske spor og værktøjskald; i denne fase blev kontekstvinduet også udvidet til 256.000 tokens. Eftertræningen foregik i fire faser: superviseret finjustering på 1,75 billioner tokens, blandet forstærkningslæring, on-policy-destillation på tværs af flere domæner fra seks specialiserede lærere inden for forstærkningslæring samt agentisk forstærkningslæring i virkelige agentmiljøer.

Liquid AI oplyste, at den nye arkitektur gør det muligt for LFM3-1.7B at overgå forgængeren LFM2.5-2.6B med 35 % færre parametre, og at modellen målt pr. parameter matcher LFM2-1.2B på korte prompts, samtidig med at den kører cirka 25 % hurtigere med 8.000 tokens i konteksten. Ved 4-bit-præcision bruger tekstmodellen cirka 1 GB hukommelse, oplyste virksomheden.

Virksomhedens rapporterede ydeevne og specialisering

Liquid AI oplyser, at LFM3-1.7B opnår 38,42 på WebArena-Verified mod 3,02 for LFM2.5-2.6B, med de største forbedringer på agentiske opgaver. Modelkortet anfører dog, at modellen ikke anbefales til agentisk kodning eller kompleks ræsonnering i flere trin på grund af dens lille størrelse.

Liquid AI oplyste, at LFM3-VL-2B er den første LFM-visionmodel, der accepterer videoinput, og rapporterer, at modellens gennemsnitlige resultat på tværs af 62 visionbenchmarks stiger fra 57,6 til 71,4 sammenlignet med LFM2.5-VL-3B, samtidig med at den bruger 1,9 mia. parametre mod 3,1 mia. Det placerer den på niveau med Gemma 4 12B, en model, der er mere end seks gange større. Ifølge virksomhedens målinger bruger en ny, internt udviklet visionencoder med 164 mio. parametre en tredjedel så meget beregningskraft som SigLIP2-encoderen i tidligere LFM VL-modeller og matcher nøjagtigheden af Qwen3.5-2B’s visionencoder med 2,2 gange færre FLOP-operationer.

LFM3-Audio-2B understøtter 18 sprog, og Liquid AI rapporterer en talekvalitet på 3,83 på UTMOSv2 mod 3,22 for LFM2.5-Audio-1.5B, en fuldt kausal lydencoder med en tid til første token på helt ned til 50 ms samt en LiquidCodec-tokenizer, der genererer tale med cirka 87 gange realtidshastigheden på en enkelt CPU-tråd på en Apple M4 Max. Virksomheden oplyste, at LFM3-Omni-2B med 2,2 mia. parametre overgår modeller med op til 10,7 mia. parametre, herunder Qwen2.5-Omni-7B, på de audiovisuelle forståelsesbenchmarks Daily-Omni, WorldSense og AV-SpeakerBench.

Beslutningsmodellerne besvarer en liste af spørgsmål i ét enkelt fremadrettet gennemløb og angiver en kalibreret sandsynlighed for hvert svar. De tilføjer også svar med angivne datatyper, som udpeger objekter, aflæser værdier fra dokumenter, anslår tal med et interval og vælger alle relevante muligheder. Liquid AI oplyste, at d1-2B erstatter d1-3B med en tredjedel færre parametre og scorer 75,5 mod 64,0 på ImajevBench.

Alle LFM3-modeller kan finjusteres på én enkelt GPU, og Liquid AI har offentliggjort notesbøger med vejledning i superviseret finjustering, DPO, GRPO og fortsat prætræning af tekst-, vision-, lyd- og omni-modellerne. I et eksempel fra en virksomhed blev LFM3-VL-2B finjusteret på omkring 3.000 offentligt tilgængelige fotos af vindmøllevinger i nogle timer på én A100. Det øgede nøjagtigheden af defektklassificeringen til 67 % og detektions-F1-scoren fra 0,003 til 0,11 på fotos, der var holdt uden for træningsdataene.

Liquid AI tilpassede også LFM3-VL-2B til tre robotmodeller til orkestrering, navigation og manipulation. Virksomheden oplyser, at modellen til vision, sprog og handling for manipulation, som blev trænet på tværs af 15 robotkonfigurationer, opnåede en gennemsnitlig succesrate på 96,2 % på tværs af de fire LIBERO-testserier og 45,7 % på RoboCasa-GR1-opgaver med bordplader, samtidig med at den genererede handlingssekvenser på under 50 ms på en Jetson AGX Orin med TensorRT FP16.

Hvad angår gennemløbshastighed, oplyste Liquid AI, at LFM3-1.7B kan generere 3,6 milliarder tokens om dagen på én enkelt NVIDIA B300 ved 1.024 samtidige forespørgsler. Modellerne leveres med indbygget understøttelse af llama.cpp, MLX og vLLM på tværs af Apple-, AMD-, NVIDIA- og Qualcomm-hardware, med checkpoint-varianter, herunder BF16, FP8, NVFP4, GGUF, MLX og ONNX.