Liquid AI ने 2B श्रेणी के छह ओपन-वेट मॉडल वाले LFM3 परिवार को लॉन्च किया

Liquid AI ने 27 अक्टूबर, 2026 को LFM3 की घोषणा की। यह ओपन-वेट Liquid Foundation Models की नई पीढ़ी है, जो टेक्स्ट, विज़न, ऑडियो, ओम्नी और निर्णय मॉडल को एक साझा बैकबोन पर लाती है। पहली रिलीज़ में 2B पैरामीटर श्रेणी के छह मॉडल शामिल हैं, जिनका विवरण Hugging Face ब्लॉग की पोस्ट में दिया गया है।

एक साझा बैकबोन पर छह मॉडल

LFM3 के सभी मॉडल एक ही LFM3-1.7B-Base से विकसित हुए हैं। LFM3-1.7B इनपुट में टेक्स्ट लेता है और आउटपुट में टेक्स्ट देता है। LFM3-VL-2B टेक्स्ट, तस्वीरें और वीडियो स्वीकार करता है और टेक्स्ट देता है, जबकि LFM3-Audio-2B टेक्स्ट या ऑडियो इनपुट लेकर टेक्स्ट या वाणी में जवाब देता है। Liquid AI जिसे अपना पहला ओम्नी मॉडल बताती है, वह LFM3-Omni-2B, टेक्स्ट, तस्वीरें, वीडियो और ऑडियो स्वीकार करता है तथा टेक्स्ट और वाणी आउटपुट देता है। दो निर्णय मॉडल—d1-2B और d1-omni-2B—विज़न और ओम्नी मॉडल से विशेष रूप से विकसित किए गए हैं और जनरेट किए गए टेक्स्ट के बजाय कैलिब्रेट किए हुए जवाब देते हैं।

LFM3-1.7B का मॉडल कार्ड बताता है कि टेक्स्ट मॉडल में 1.73B पैरामीटर, 256K टोकन की संदर्भ लंबाई, 128,000 टोकन की शब्दावली और 16 भाषाओं का समर्थन है। इसे LFM Open License v1.0 के तहत जारी किया गया है। बेस और पोस्ट-ट्रेंड मॉडल ओपन-वेट हैं और Hugging Face, Liquid AI Playground तथा Liquid AI API पर उपलब्ध हैं।

Liquid AI की रिलीज़ पोस्ट में लॉन्च के पहले दिन के साझेदारों के रूप में Ambarella, AMD, Arm, OpenVINO के ज़रिए Intel, NVIDIA, OpenRouter, Qualcomm AI Hub और GenieX के ज़रिए Qualcomm, तथा Vercel के नाम दिए गए हैं। पोस्ट के अनुसार, Mercedes-Benz और Shopify ने रिलीज़ से पहले के परीक्षण और मूल्यांकन में साझेदारी की।

ट्राइ-हाइब्रिड आर्किटेक्चर और प्रशिक्षण

LFM3-1.7B-Base में 24 परतें हैं: 13 गेटेड शॉर्ट कन्वोल्यूशन, 256 टोकन की विंडो वाली पाँच स्लाइडिंग-विंडो अटेंशन परतें और छह ग्लोबल अटेंशन परतें। कन्वोल्यूशन में कर्नेल का आकार 7 है, जबकि LFM2 में यह 3 था। तीन और बदलाव इस बैकबोन की पहचान हैं: हेड-वाइज़ गेटेड अटेंशन, जिसमें सिग्मॉइड गेट हर अटेंशन हेड के आउटपुट को स्केल करता है और क्वांटाइज़ेशन को नुकसान पहुँचाने वाले एक्टिवेशन आउट्लायर को दबा सकता है; आंशिक RoPE, जिसमें ग्लोबल अटेंशन परतें हर हेड के केवल सबसे उच्च-आवृत्ति वाले आधे हिस्से को घुमाती हैं, जबकि स्लाइडिंग-विंडो परतों में पूरा RoPE बना रहता है; और सैंडविच नॉर्म, जो हर ब्लॉक के इनपुट और आउटपुट को सामान्यीकृत करता है।

यह डिज़ाइन Liquid AI की हार्डवेयर-इन-द-लूप आर्किटेक्चर खोज से विकसित हुआ। LFM3 के लिए इसे बढ़ाकर डिवाइस और बैकएंड के 14 संयोजनों तक ले जाया गया, जिनमें फ़ोन (Samsung Galaxy S26 Ultra और OnePlus 15), Raspberry Pi 5, लैपटॉप (Apple M4 Max और AMD Ryzen AI), Arm और x86 क्लाउड CPU, GPU तथा Qualcomm Hexagon NPU शामिल हैं।

LFM3-1.7B-Base को 22T टोकन पर प्री-ट्रेन किया गया। अंतिम 3.5T टोकन क्यूरेट किए गए डेटा पर प्रशिक्षण के मध्य चरण में इस्तेमाल हुए, जिसमें एजेंट-आधारित ट्रेस और टूल कॉल का हिस्सा अधिक था; इसी चरण में संदर्भ विंडो को बढ़ाकर 256K टोकन किया गया। पोस्ट-ट्रेनिंग चार चरणों में हुई: 1.75T टोकन पर सुपरवाइज़्ड फ़ाइन-ट्यूनिंग, मिश्रित रीइन्फ़ोर्समेंट लर्निंग, रीइन्फ़ोर्समेंट लर्निंग के छह विशेषज्ञ शिक्षकों से कई डोमेन में ऑन-पॉलिसी डिस्टिलेशन, और वास्तविक एजेंट हार्नेस के भीतर एजेंट-आधारित रीइन्फ़ोर्समेंट लर्निंग।

Liquid AI के अनुसार, नया आर्किटेक्चर LFM3-1.7B को अपने पिछले मॉडल LFM2.5-2.6B से 35% कम पैरामीटर के बावजूद बेहतर प्रदर्शन करने देता है। कंपनी का यह भी कहना है कि प्रति पैरामीटर, छोटे प्रॉम्प्ट पर इसका प्रदर्शन LFM2-1.2B के बराबर है, जबकि संदर्भ में 8K टोकन होने पर यह लगभग 25% तेज़ चलता है। कंपनी के मुताबिक, 4-बिट प्रिसिज़न पर टेक्स्ट मॉडल को लगभग 1 GB मेमोरी चाहिए।

कंपनी के बताए प्रदर्शन और विशेषज्ञता

Liquid AI की रिपोर्ट के अनुसार, WebArena-Verified पर LFM3-1.7B का स्कोर 38.42 है, जबकि LFM2.5-2.6B का स्कोर 3.02 है। एजेंट-आधारित कार्यों में इसे सबसे बड़ी बढ़त मिली, हालाँकि मॉडल कार्ड में कहा गया है कि छोटे आकार के कारण एजेंट-आधारित कोडिंग या जटिल, कई चरणों वाले तर्क के लिए इस मॉडल की अनुशंसा नहीं की जाती।

Liquid AI ने कहा कि LFM3-VL-2B वीडियो इनपुट स्वीकार करने वाला पहला LFM विज़न मॉडल है। कंपनी की रिपोर्ट के अनुसार, 62 विज़न बेंचमार्क का औसत स्कोर LFM2.5-VL-3B के 57.6 से बढ़कर 71.4 हो जाता है। इसके लिए 3.1B के बजाय 1.9B पैरामीटर इस्तेमाल होते हैं, जिससे इसका प्रदर्शन Gemma 4 12B के बराबर हो जाता है—यह मॉडल इससे छह गुने से भी बड़ा है। कंपनी के माप के अनुसार, नया, इन-हाउस 164M-पैरामीटर विज़न एन्कोडर पिछले LFM VL मॉडल में इस्तेमाल SigLIP2 एन्कोडर की तुलना में 3x कम कंप्यूट इस्तेमाल करता है और 2.2x कम FLOPs के साथ Qwen3.5-2B के विज़न एन्कोडर जितनी सटीकता देता है।

LFM3-Audio-2B 18 भाषाओं का समर्थन करता है। Liquid AI के अनुसार, UTMOSv2 पर इसकी स्पीच क्वालिटी 3.83 है, जबकि LFM2.5-Audio-1.5B का स्कोर 3.22 है। इसमें पूरी तरह कॉज़ल ऑडियो एन्कोडर है, जिसमें पहला टोकन मिलने का समय 50 ms तक कम हो सकता है, और LiquidCodec टोकनाइज़र है, जो Apple M4 Max पर एक CPU थ्रेड में रियल टाइम से लगभग 87x तेज़ी से वाणी जनरेट करता है। कंपनी ने कहा कि 2.2B-पैरामीटर वाला LFM3-Omni-2B, Daily-Omni, WorldSense और AV-SpeakerBench के ऑडियो-विज़ुअल समझ वाले बेंचमार्क पर 10.7B पैरामीटर तक के मॉडलों को पीछे छोड़ता है; इनमें Qwen2.5-Omni-7B भी शामिल है।

निर्णय मॉडल एक ही फ़ॉरवर्ड पास में प्रश्नों की सूची का जवाब देते हैं और हर जवाब के साथ एक कैलिब्रेट की गई प्रायिकता देते हैं। वे टाइप किए गए जवाब भी देते हैं, जो वस्तुओं की ओर संकेत करते हैं, दस्तावेज़ों से मान पढ़ते हैं, किसी दायरे के साथ संख्याओं का अनुमान लगाते हैं और लागू होने वाले हर विकल्प को चुनते हैं। Liquid AI ने कहा कि d1-2B, d1-3B की जगह लेता है और इसमें एक-तिहाई कम पैरामीटर हैं; ImajevBench पर इसका स्कोर 75.5 है, जबकि d1-3B का 64.0।

हर LFM3 मॉडल को एक GPU पर फाइन-ट्यून किया जा सकता है। Liquid AI ने टेक्स्ट, विज़न, ऑडियो और ओम्नी मॉडल के लिए सुपरवाइज़्ड फाइन-ट्यूनिंग, DPO, GRPO और आगे के प्री-ट्रेनिंग को कवर करने वाली नोटबुक प्रकाशित कीं। कंपनी के एक उदाहरण में, LFM3-VL-2B को सार्वजनिक रूप से उपलब्ध पवन टर्बाइन के ब्लेड की लगभग 3,000 तस्वीरों पर एक A100 पर कुछ घंटों तक फाइन-ट्यून किया गया। इससे अलग रखी गई तस्वीरों पर खराबी के वर्गीकरण की सटीकता बढ़कर 67% हो गई और पहचान का F1 स्कोर 0.003 से बढ़कर 0.11 हो गया।

Liquid AI ने LFM3-VL-2B को ऑर्केस्ट्रेशन, नेविगेशन और मैनिपुलेशन के लिए तीन रोबोटिक्स मॉडल में भी ढाला। कंपनी के अनुसार, 15 अलग-अलग रोबोटिक संरचनाओं पर प्रशिक्षित मैनिपुलेशन विज़न-लैंग्वेज-एक्शन मॉडल ने चारों LIBERO सूट में औसतन 96.2% सफलता हासिल की और RoboCasa-GR1 के टेबलटॉप कार्यों में 45.7% सफलता दर दर्ज की। Jetson AGX Orin पर TensorRT FP16 के साथ यह 50 ms से कम समय में एक्शन चंक तैयार करता है।

थ्रूपुट के बारे में Liquid AI ने कहा कि LFM3-1.7B एक NVIDIA B300 पर 1,024 समवर्ती अनुरोधों के साथ प्रतिदिन 3.6 अरब टोकन तैयार कर सकता है। ये मॉडल Apple, AMD, NVIDIA और Qualcomm के हार्डवेयर पर llama.cpp, MLX और vLLM के लिए मूल समर्थन के साथ उपलब्ध हैं। इनके चेकपॉइंट के वेरिएंट में BF16, FP8, NVFP4, GGUF, MLX और ONNX शामिल हैं।