Liquid AI lanza la familia LFM3, compuesta por seis modelos de pesos abiertos de clase 2B

Liquid AI anunció LFM3 el 27 de octubre de 2026: una nueva generación de modelos fundacionales Liquid de pesos abiertos que reúne modelos de texto, visión, audio, omni y de toma de decisiones en una misma arquitectura. El primer lanzamiento, detallado en una publicación en el blog de Hugging Face, incluye seis modelos de alrededor de 2.000 millones de parámetros.

Seis modelos con una misma arquitectura compartida

Todos los modelos LFM3 parten del mismo LFM3-1.7B-Base. LFM3-1.7B recibe texto y devuelve texto. LFM3-VL-2B admite texto, imágenes y vídeo, y devuelve texto, mientras que LFM3-Audio-2B recibe texto o audio y responde con texto o voz. LFM3-Omni-2B, que Liquid AI describe como su primer modelo omni, admite texto, imágenes, vídeo y audio, y genera texto y voz. Dos modelos de toma de decisiones, d1-2B y d1-omni-2B, son versiones especializadas de los modelos de visión y omni, y devuelven respuestas calibradas en lugar de texto generado.

Según la ficha del modelo LFM3-1.7B, el modelo de texto tiene 1.730 millones de parámetros, una ventana de contexto de 256.000 tokens, un vocabulario de 128.000 tokens y admite 16 idiomas; además, se distribuye con la licencia LFM Open License v1.0. Los modelos base y los ajustados después del entrenamiento tienen pesos abiertos y están disponibles en Hugging Face, Liquid AI Playground y la API de Liquid AI.

En su publicación sobre el lanzamiento, Liquid AI menciona como socios del lanzamiento desde el día cero a Ambarella, AMD, Arm, Intel a través de OpenVINO, NVIDIA, OpenRouter, Qualcomm a través de Qualcomm AI Hub y GenieX, y Vercel; también señala que Mercedes-Benz y Shopify colaboraron en las pruebas y la evaluación previas al lanzamiento.

Arquitectura tri-híbrida y entrenamiento

LFM3-1.7B-Base tiene 24 capas: 13 capas de convoluciones cortas con compuertas, cinco capas de atención con ventana deslizante de 256 tokens y seis capas de atención global. Las convoluciones tienen un tamaño de núcleo de 7, frente a 3 en LFM2. La arquitectura troncal incorpora otros tres cambios: atención con compuertas por cabeza, en la que una compuerta sigmoide escala la salida de cada cabeza de atención y puede suprimir valores atípicos de activación que perjudican la cuantización; RoPE parcial, según la cual las capas de atención global rotan solo la mitad de frecuencias más altas de cada cabeza, mientras que las capas de ventana deslizante mantienen RoPE completo; y una normalización tipo sándwich, que normaliza la entrada y la salida de cada bloque.

El diseño surgió de la búsqueda de arquitectura de Liquid AI con hardware en el bucle, ampliada para LFM3 a 14 combinaciones de dispositivos y plataformas de ejecución. Estas incluyen teléfonos (Samsung Galaxy S26 Ultra y OnePlus 15), una Raspberry Pi 5, portátiles (Apple M4 Max y AMD Ryzen AI), CPU de nube Arm y x86, GPU y la NPU Qualcomm Hexagon.

LFM3-1.7B-Base se preentrenó con 22 billones de tokens; los 3,5 billones finales conformaron una etapa de entrenamiento intermedio con datos seleccionados y una proporción mayor de trazas de agentes y llamadas a herramientas, que también amplió la ventana de contexto a 256.000 tokens. El entrenamiento posterior se desarrolló en cuatro etapas: ajuste fino supervisado con 1,75 billones de tokens, aprendizaje por refuerzo mixto, destilación en línea de múltiples dominios a partir de seis modelos especializados de aprendizaje por refuerzo que actuaron como docentes y aprendizaje por refuerzo agéntico dentro de entornos reales de ejecución para agentes.

Liquid AI afirmó que la nueva arquitectura permite a LFM3-1.7B superar a su predecesor, LFM2.5-2.6B, con un 35 % menos de parámetros, y que, por parámetro, iguala a LFM2-1.2B en instrucciones breves, mientras funciona alrededor de un 25 % más rápido con 8.000 tokens de contexto. La empresa afirmó que, con una precisión de 4 bits, el modelo de texto ocupa alrededor de 1 GB de memoria.

Rendimiento y especialización según la empresa

Liquid AI informa que LFM3-1.7B obtiene 38,42 en WebArena-Verified, frente a 3,02 de LFM2.5-2.6B, y que sus mayores avances se dan en tareas agénticas. Sin embargo, la ficha del modelo indica que no se recomienda para programación agéntica ni para razonamiento complejo de varios pasos debido a su tamaño reducido.

Liquid AI afirmó que LFM3-VL-2B es el primer modelo de visión LFM que admite vídeo como entrada y señaló que eleva el promedio en 62 pruebas de visión de 57,6 a 71,4 frente a LFM2.5-VL-3B, con 1.900 millones de parámetros frente a 3.100 millones, lo que lo sitúa a la par de Gemma 4 12B, un modelo más de seis veces mayor. Según las mediciones de la empresa, un nuevo codificador visual interno de 164 millones de parámetros requiere tres veces menos cómputo que el codificador SigLIP2 de los modelos LFM VL anteriores y alcanza la misma precisión que el codificador visual de Qwen3.5-2B con 2,2 veces menos FLOPs.

LFM3-Audio-2B admite 18 idiomas. Liquid AI informa que obtiene una puntuación de calidad de voz de 3,83 en UTMOSv2, frente a 3,22 de LFM2.5-Audio-1.5B, que cuenta con un codificador de audio totalmente causal cuyo tiempo hasta el primer token puede ser de apenas 50 ms, y con un tokenizador LiquidCodec que genera voz a aproximadamente 87 veces la velocidad en tiempo real en un solo hilo de CPU de Apple M4 Max. La empresa afirmó que LFM3-Omni-2B, con 2.200 millones de parámetros, supera a modelos de hasta 10.700 millones de parámetros, incluido Qwen2.5-Omni-7B, en las pruebas de comprensión audiovisual Daily-Omni, WorldSense y AV-SpeakerBench.

Los modelos de toma de decisiones responden a una lista de preguntas en una sola pasada hacia delante, asignando a cada respuesta una probabilidad calibrada, y también ofrecen respuestas tipadas que señalan objetos, leen valores de documentos, estiman números con un intervalo y seleccionan todas las opciones pertinentes. Liquid AI afirmó que d1-2B sustituye a d1-3B con un tercio menos de parámetros y obtiene 75,5 frente a 64,0 en ImajevBench.

Todos los modelos LFM3 pueden ajustarse con precisión en una sola GPU, y Liquid AI publicó cuadernos sobre ajuste fino supervisado, DPO, GRPO y preentrenamiento continuo para los modelos de texto, visión, audio y omni. En un ejemplo de una empresa, LFM3-VL-2B se ajustó con precisión durante unas horas en una sola A100 usando alrededor de 3.000 fotos públicas de palas de aerogeneradores. Esto elevó la precisión de clasificación de defectos al 67 % y la puntuación F1 de detección de 0,003 a 0,11 en fotos reservadas para evaluación.

Liquid AI también adaptó LFM3-VL-2B para crear tres modelos de robótica destinados a la orquestación, la navegación y la manipulación. La empresa informa de que el modelo de visión-lenguaje-acción para manipulación, entrenado con 15 plataformas robóticas, logró una tasa media de éxito del 96,2 % en las cuatro suites de LIBERO y del 45,7 % en tareas de sobremesa de RoboCasa-GR1, mientras generaba secuencias de acciones en menos de 50 ms en un Jetson AGX Orin con TensorRT FP16.

En cuanto al rendimiento, Liquid AI afirmó que LFM3-1.7B puede generar 3.600 millones de tokens al día en una sola NVIDIA B300 con 1.024 solicitudes simultáneas. Los modelos incluyen compatibilidad nativa con llama.cpp, MLX y vLLM en hardware de Apple, AMD, NVIDIA y Qualcomm, y variantes de puntos de control como BF16, FP8, NVFP4, GGUF, MLX y ONNX.