Liquid AI Meluncurkan Keluarga LFM3 yang Terdiri atas Enam Model Berbobot Terbuka Kelas 2B

Liquid AI mengumumkan LFM3 pada 27 Oktober 2026, generasi baru Liquid Foundation Models berbobot terbuka yang menghadirkan model teks, visi, audio, multimodal, dan pengambilan keputusan dalam satu arsitektur dasar bersama. Rilis pertama, yang dijelaskan dalam unggahan di blog Hugging Face, mencakup enam model dalam kisaran 2B parameter.

Enam Model dengan Satu Arsitektur Dasar Bersama

Semua model LFM3 dikembangkan dari basis yang sama, yaitu LFM3-1.7B-Base. LFM3-1.7B menerima teks sebagai masukan dan menghasilkan teks. LFM3-VL-2B menerima teks, gambar, dan video, lalu menghasilkan teks; sementara itu, LFM3-Audio-2B menerima teks atau audio dan merespons dengan teks atau ucapan. LFM3-Omni-2B, yang disebut Liquid AI sebagai model multimodal pertamanya, menerima teks, gambar, video, dan audio, lalu menghasilkan teks dan ucapan. Dua model pengambilan keputusan, d1-2B dan d1-omni-2B, dikembangkan secara khusus dari model visi dan multimodal, serta memberikan jawaban terkalibrasi, bukan teks yang dihasilkan.

Menurut kartu model LFM3-1.7B, model teks ini memiliki 1,73B parameter, panjang konteks 256K token, kosakata 128.000 token, dan dukungan untuk 16 bahasa. Model ini dirilis dengan LFM Open License v1.0. Model dasar dan model yang telah menjalani pelatihan lanjutan berbobot terbuka dan tersedia di Hugging Face, Liquid AI Playground, serta Liquid AI API.

Unggahan rilis Liquid AI menyebut Ambarella, AMD, Arm, Intel melalui OpenVINO, NVIDIA, OpenRouter, Qualcomm melalui Qualcomm AI Hub dan GenieX, serta Vercel sebagai mitra peluncuran hari pertama. Unggahan itu juga menyatakan bahwa Mercedes-Benz dan Shopify bermitra dalam pengujian dan evaluasi sebelum rilis.

Arsitektur Tri-Hibrida dan Pelatihan

LFM3-1.7B-Base memiliki 24 lapisan: 13 konvolusi pendek berpagar, lima lapisan atensi jendela geser dengan jendela 256 token, dan enam lapisan atensi global. Konvolusi tersebut menggunakan ukuran kernel 7, naik dari 3 pada LFM2. Tiga perubahan tambahan menjadi ciri arsitektur dasarnya: atensi berpagar per kepala, yang menggunakan gerbang sigmoid untuk menskalakan keluaran setiap kepala atensi dan dapat menekan pencilan aktivasi yang mengganggu kuantisasi; RoPE parsial, yang membuat lapisan atensi global hanya memutar separuh frekuensi tertinggi dari setiap kepala, sedangkan lapisan jendela geser tetap menggunakan RoPE penuh; serta normalisasi sandwich, yang menormalkan masukan dan keluaran setiap blok.

Desain ini dihasilkan melalui pencarian arsitektur Liquid AI dengan perangkat keras sebagai bagian dari proses pengujian. Untuk LFM3, pencarian tersebut diperluas hingga mencakup 14 kombinasi perangkat dan lingkungan komputasi, termasuk ponsel (Samsung Galaxy S26 Ultra dan OnePlus 15), Raspberry Pi 5, laptop (Apple M4 Max dan AMD Ryzen AI), CPU cloud Arm dan x86, GPU, serta NPU Qualcomm Hexagon.

LFM3-1.7B-Base menjalani prapelatihan dengan 22T token. Sebanyak 3,5T token terakhir digunakan dalam tahap pelatihan menengah dengan data pilihan yang memuat proporsi lebih besar jejak kerja agen dan pemanggilan alat; tahap ini juga memperpanjang jendela konteks menjadi 256K token. Pelatihan lanjutan berlangsung dalam empat tahap: penyetelan halus terawasi dengan 1,75T token, pembelajaran penguatan campuran, distilasi on-policy multidomain dari enam model pengajar pembelajaran penguatan spesialis, dan pembelajaran penguatan agen dalam kerangka kerja agen nyata.

Liquid AI menyatakan bahwa arsitektur baru ini membuat LFM3-1.7B mengungguli pendahulunya, LFM2.5-2.6B, dengan parameter 35% lebih sedikit. Menurut perusahaan, dalam hal kinerja per parameter, model ini menyamai LFM2-1.2B pada prompt pendek dan berjalan sekitar 25% lebih cepat dengan konteks 8K token. Perusahaan juga menyatakan bahwa pada presisi 4-bit, model teks ini menggunakan sekitar 1 GB memori.

Kinerja dan Spesialisasi Menurut Perusahaan

Liquid AI melaporkan bahwa LFM3-1.7B meraih skor 38,42 pada WebArena-Verified, dibandingkan dengan 3,02 untuk LFM2.5-2.6B. Peningkatan terbesar terlihat pada tugas-tugas agen. Namun, kartu model menyatakan bahwa model ini tidak direkomendasikan untuk pemrograman berbasis agen atau penalaran kompleks bertahap karena ukurannya yang kecil.

Liquid AI menyatakan bahwa LFM3-VL-2B adalah model visi LFM pertama yang dapat menerima masukan video. Perusahaan melaporkan bahwa skor rata-rata model ini pada 62 tolok ukur visi meningkat dari 57,6 menjadi 71,4 dibandingkan dengan LFM2.5-VL-3B, meskipun model ini menggunakan 1,9B parameter, dibandingkan 3,1B, sehingga kinerjanya setara dengan Gemma 4 12B, model yang ukurannya lebih dari enam kali lipat. Menurut pengukuran perusahaan, enkoder visi baru buatan internal dengan 164 juta parameter menggunakan komputasi tiga kali lebih sedikit daripada enkoder SigLIP2 pada model LFM VL sebelumnya, dan akurasinya menyamai enkoder visi Qwen3.5-2B dengan FLOP 2,2 kali lebih sedikit.

LFM3-Audio-2B mendukung 18 bahasa. Liquid AI melaporkan kualitas ucapan 3,83 pada UTMOSv2, dibandingkan dengan 3,22 untuk LFM2.5-Audio-1.5B; enkoder audio kausal penuh dengan waktu hingga token pertama serendah 50 ms; serta tokenizer LiquidCodec yang menghasilkan ucapan dengan kecepatan sekitar 87 kali waktu nyata menggunakan satu utas CPU pada Apple M4 Max. Perusahaan menyatakan bahwa LFM3-Omni-2B dengan 2,2B parameter mengungguli model hingga 10,7B parameter, termasuk Qwen2.5-Omni-7B, pada tolok ukur pemahaman audio-visual Daily-Omni, WorldSense, dan AV-SpeakerBench.

Model pengambilan keputusan menjawab serangkaian pertanyaan dalam satu lintasan maju, dengan probabilitas terkalibrasi untuk setiap jawaban. Model ini juga menyediakan jawaban bertipe yang menunjuk objek, membaca nilai dari dokumen, memperkirakan angka beserta rentangnya, dan memilih semua opsi yang sesuai. Liquid AI menyatakan bahwa d1-2B menggantikan d1-3B dengan parameter sepertiga lebih sedikit dan meraih skor 75,5 pada ImajevBench, dibandingkan dengan 64,0.

Setiap model LFM3 dapat disetel lebih lanjut pada satu GPU, dan Liquid AI menerbitkan notebook yang mencakup penyetelan halus terawasi, DPO, GRPO, serta prapelatihan lanjutan untuk model teks, visi, audio, dan omni. Dalam salah satu contoh dari perusahaan, LFM3-VL-2B disetel lebih lanjut selama beberapa jam pada satu A100 menggunakan sekitar 3.000 foto publik bilah turbin angin. Akurasi klasifikasi cacat meningkat menjadi 67%, sedangkan skor F1 deteksi naik dari 0.003 menjadi 0.11 pada foto yang disisihkan untuk pengujian.

Liquid AI juga mengadaptasi LFM3-VL-2B menjadi tiga model robotika untuk orkestrasi, navigasi, dan manipulasi. Perusahaan melaporkan bahwa model visi-bahasa-aksi untuk manipulasi, yang dilatih menggunakan 15 konfigurasi robot, mencapai tingkat keberhasilan rata-rata 96.2% di empat rangkaian LIBERO dan 45.7% pada tugas meja RoboCasa-GR1, sembari menghasilkan rangkaian aksi dalam waktu kurang dari 50 ms pada Jetson AGX Orin dengan TensorRT FP16.

Dari segi throughput, Liquid AI menyatakan bahwa LFM3-1.7B dapat menghasilkan 3.6 miliar token per hari pada satu NVIDIA B300 dengan 1,024 permintaan serentak. Model-model ini dilengkapi dukungan bawaan untuk llama.cpp, MLX, dan vLLM pada perangkat keras Apple, AMD, NVIDIA, dan Qualcomm, dengan varian checkpoint yang mencakup BF16, FP8, NVFP4, GGUF, MLX, dan ONNX.