Liquid AI lance la famille LFM3, composée de six modèles à poids ouverts de classe 2B

Le 27 octobre 2026, Liquid AI a annoncé LFM3, une nouvelle génération de modèles Liquid Foundation à poids ouverts qui réunit des modèles de texte, de vision, audio, omni et de décision autour d’un même socle partagé. La première version, présentée dans un article de blog sur Hugging Face, comprend six modèles de la classe des 2B paramètres.

Six modèles reposant sur un même socle

Tous les modèles LFM3 sont issus du même modèle LFM3-1.7B-Base. LFM3-1.7B reçoit du texte et produit du texte. LFM3-VL-2B accepte du texte, des images et des vidéos et produit du texte, tandis que LFM3-Audio-2B reçoit du texte ou de l’audio et répond par du texte ou de la parole. LFM3-Omni-2B, que Liquid AI présente comme son premier modèle omni, accepte du texte, des images, des vidéos et de l’audio, et produit du texte et de la parole. Deux modèles de décision, d1-2B et d1-omni-2B, sont spécialisés à partir des modèles de vision et omni et fournissent des réponses calibrées plutôt que du texte généré.

D’après la fiche du modèle LFM3-1.7B, le modèle de texte compte 1,73 milliard de paramètres, dispose d’une fenêtre de contexte de 256K jetons, d’un vocabulaire de 128 000 jetons et prend en charge 16 langues. Il est distribué sous licence LFM Open License v1.0. Les modèles de base et les modèles ayant fait l’objet d’un post-entraînement sont à poids ouverts et disponibles sur Hugging Face, dans Liquid AI Playground et via l’API Liquid AI.

Dans sa publication annonçant le lancement, Liquid AI cite parmi ses partenaires de lancement dès le premier jour Ambarella, AMD, Arm, Intel via OpenVINO, NVIDIA, OpenRouter, Qualcomm via Qualcomm AI Hub et GenieX, ainsi que Vercel. L’entreprise indique également que Mercedes-Benz et Shopify ont participé aux tests et à l’évaluation avant la sortie.

Architecture tri-hybride et entraînement

LFM3-1.7B-Base comporte 24 couches : 13 convolutions courtes à mécanisme de porte, cinq couches d’attention à fenêtre glissante de 256 jetons et six couches d’attention globale. La taille du noyau des convolutions est de 7, contre 3 pour LFM2. Trois autres changements définissent le socle : l’attention à mécanisme de porte par tête, dans laquelle une porte sigmoïde pondère la sortie de chaque tête d’attention et peut supprimer les valeurs aberrantes d’activation qui nuisent à la quantification ; le RoPE partiel, selon lequel les couches d’attention globale ne font pivoter que la moitié des composantes de fréquence la plus élevée de chaque tête, tandis que les couches à fenêtre glissante conservent le RoPE complet ; et une normalisation de type sandwich, qui normalise l’entrée et la sortie de chaque bloc.

Cette conception est issue de la recherche d’architecture de Liquid AI avec matériel dans la boucle, étendue pour LFM3 à 14 combinaisons d’appareils et de composants logiciels, notamment des téléphones (Samsung Galaxy S26 Ultra et OnePlus 15), un Raspberry Pi 5, des ordinateurs portables (Apple M4 Max et AMD Ryzen AI), des processeurs Arm et x86 dans le cloud, des GPU et le NPU Qualcomm Hexagon.

LFM3-1.7B-Base a été pré-entraîné sur 22 000 milliards de jetons. Les 3 500 milliards de jetons finaux ont constitué une phase d’entraînement intermédiaire sur des données sélectionnées, comportant une proportion plus importante de traces d’agents et d’appels d’outils ; cette phase a également porté la fenêtre de contexte à 256K jetons. Le post-entraînement s’est déroulé en quatre étapes : un ajustement supervisé sur 1 750 milliards de jetons, un apprentissage par renforcement mixte, une distillation multi-domaines sur politique à partir de six modèles spécialisés d’apprentissage par renforcement, puis un apprentissage par renforcement agentique au sein d’environnements d’exécution réels pour agents.

Liquid AI a indiqué que la nouvelle architecture permet à LFM3-1.7B de surpasser son prédécesseur LFM2.5-2.6B avec 35 % de paramètres en moins et qu’à nombre de paramètres égal, le modèle égale LFM2-1.2B sur les invites courtes, tout en étant environ 25 % plus rapide avec un contexte de 8K jetons. Selon l’entreprise, le modèle de texte nécessite environ 1 Go de mémoire en précision 4 bits.

Performances et spécialisations rapportées par l’entreprise

Liquid AI indique que LFM3-1.7B obtient un score de 38,42 sur WebArena-Verified, contre 3,02 pour LFM2.5-2.6B, et que ses progrès sont les plus marqués sur les tâches agentiques. Toutefois, la fiche du modèle précise que celui-ci n’est pas recommandé pour le codage agentique ni pour le raisonnement complexe en plusieurs étapes, en raison de sa petite taille.

Liquid AI a indiqué que LFM3-VL-2B est le premier modèle de vision LFM à accepter des vidéos en entrée. Selon l’entreprise, sa moyenne sur 62 bancs d’essai de vision passe de 57,6 à 71,4 par rapport à LFM2.5-VL-3B, alors qu’il utilise 1,9 milliard de paramètres contre 3,1 milliards, ce qui le place au niveau de Gemma 4 12B, un modèle plus de six fois plus grand. Un nouvel encodeur de vision interne, doté de 164 millions de paramètres, nécessite trois fois moins de calcul que l’encodeur SigLIP2 utilisé dans les précédents modèles LFM VL et atteint une précision équivalente à celle de l’encodeur de vision de Qwen3.5-2B avec 2,2 fois moins de FLOP, selon les mesures de l’entreprise.

LFM3-Audio-2B prend en charge 18 langues. Liquid AI fait état d’une qualité vocale de 3,83 sur UTMOSv2, contre 3,22 pour LFM2.5-Audio-1.5B, d’un encodeur audio entièrement causal dont le délai avant le premier jeton peut être aussi faible que 50 ms, ainsi que d’un tokenizer LiquidCodec qui génère de la parole à environ 87 fois la vitesse réelle sur un seul thread de processeur Apple M4 Max. L’entreprise a indiqué que LFM3-Omni-2B, doté de 2,2 milliards de paramètres, surpasse des modèles pouvant compter jusqu’à 10,7 milliards de paramètres, notamment Qwen2.5-Omni-7B, sur les bancs d’essai de compréhension audio-visuelle Daily-Omni, WorldSense et AV-SpeakerBench.

Les modèles de décision répondent à une liste de questions en une seule passe avant, en attribuant à chacune une probabilité calibrée. Ils fournissent également des réponses typées qui désignent des objets, extraient des valeurs de documents, estiment des nombres sous forme d’intervalle et sélectionnent toutes les options applicables. Liquid AI a indiqué que d1-2B remplace d1-3B avec un tiers de paramètres en moins et obtient un score de 75,5 sur ImajevBench, contre 64,0.

Chaque modèle LFM3 peut être affiné sur un seul GPU, et Liquid AI a publié des notebooks couvrant l’affinage supervisé, le DPO, le GRPO et la poursuite du préentraînement pour les modèles de texte, de vision, audio et omni. Dans un exemple d’utilisation par une entreprise, LFM3-VL-2B a été affiné pendant quelques heures sur un seul A100 à partir d’environ 3 000 photos publiques de pales d’éoliennes. Sur des photos mises de côté pour l’évaluation, la précision de la classification des défauts a ainsi atteint 67 %, et le score F1 de détection est passé de 0,003 à 0,11.

Liquid AI a également adapté LFM3-VL-2B pour créer trois modèles de robotique destinés à l’orchestration, à la navigation et à la manipulation. L’entreprise indique que le modèle vision-langage-action dédié à la manipulation, entraîné sur 15 configurations robotiques, a atteint un taux de réussite moyen de 96,2 % sur les quatre suites LIBERO et de 45,7 % sur les tâches de manipulation sur table de RoboCasa-GR1, tout en générant des séquences d’actions en moins de 50 ms sur un Jetson AGX Orin avec TensorRT FP16.

Concernant le débit, Liquid AI a indiqué que LFM3-1.7B peut produire 3,6 milliards de jetons par jour sur un seul NVIDIA B300, avec 1 024 requêtes simultanées. Les modèles sont livrés avec une prise en charge native de llama.cpp, MLX et vLLM sur les équipements Apple, AMD, NVIDIA et Qualcomm, et avec différentes variantes de points de contrôle, notamment BF16, FP8, NVFP4, GGUF, MLX et ONNX.