Liquid AI lancia la famiglia LFM3: sei modelli a pesi aperti della classe 2B

Il 27 ottobre 2026 Liquid AI ha annunciato LFM3, una nuova generazione di Liquid Foundation Models a pesi aperti che riunisce modelli per testo, visione, audio, omni e decisione su un’unica architettura condivisa. La prima versione comprende sei modelli con circa 2B di parametri, come descritto in un post sul blog di Hugging Face.

Sei modelli su un’unica architettura condivisa

Tutti i modelli LFM3 derivano dallo stesso LFM3-1.7B-Base. LFM3-1.7B riceve testo e restituisce testo. LFM3-VL-2B accetta testo, immagini e video e restituisce testo, mentre LFM3-Audio-2B riceve testo o audio e risponde con testo o parlato. LFM3-Omni-2B, che Liquid AI descrive come il suo primo modello omni, accetta testo, immagini, video e audio e produce testo e parlato. Due modelli decisionali, d1-2B e d1-omni-2B, sono specializzazioni dei modelli per la visione e omni e restituiscono risposte calibrate anziché testo generato.

Secondo la scheda del modello LFM3-1.7B, il modello testuale ha 1,73B di parametri, una finestra di contesto di 256K token, un vocabolario di 128.000 token e supporta 16 lingue; viene distribuito con licenza LFM Open License v1.0. I modelli base e quelli sottoposti a post-addestramento hanno pesi aperti e sono disponibili su Hugging Face, Liquid AI Playground e tramite l’API di Liquid AI.

Nel suo post di presentazione, Liquid AI indica come partner del lancio fin dal primo giorno Ambarella, AMD, Arm, Intel tramite OpenVINO, NVIDIA, OpenRouter, Qualcomm tramite Qualcomm AI Hub e GenieX, e Vercel; afferma inoltre che Mercedes-Benz e Shopify hanno collaborato ai test e alla valutazione prima del lancio.

Architettura tri-ibrida e addestramento

LFM3-1.7B-Base ha 24 livelli: 13 convoluzioni brevi con gating, cinque livelli di attenzione a finestra scorrevole con una finestra di 256 token e sei livelli di attenzione globale. Le convoluzioni hanno una dimensione del kernel pari a 7, rispetto a 3 in LFM2. L’architettura di base è caratterizzata da altre tre modifiche: l’attenzione con gating per testa, in cui un gate sigmoide scala l’output di ogni testa di attenzione e può sopprimere gli outlier delle attivazioni che compromettono la quantizzazione; RoPE parziale, per cui i livelli di attenzione globale ruotano solo la metà a frequenza più alta di ogni testa, mentre quelli a finestra scorrevole mantengono RoPE completo; e una normalizzazione sandwich, che normalizza l’input e l’output di ogni blocco.

La progettazione deriva dalla ricerca dell’architettura hardware-in-the-loop di Liquid AI, ampliata per LFM3 a 14 combinazioni di dispositivi e backend, tra cui telefoni (Samsung Galaxy S26 Ultra e OnePlus 15), un Raspberry Pi 5, laptop (Apple M4 Max e AMD Ryzen AI), CPU cloud Arm e x86, GPU e la NPU Qualcomm Hexagon.

LFM3-1.7B-Base è stato preaddestrato su 22T token; gli ultimi 3,5T hanno costituito una fase di addestramento intermedio su dati selezionati, con una quota maggiore di tracce agentiche e chiamate agli strumenti, che ha anche esteso la finestra di contesto a 256K token. Il post-addestramento si è svolto in quattro fasi: fine-tuning supervisionato su 1,75T token, apprendimento per rinforzo misto, distillazione on-policy multi-dominio da sei modelli specialistici usati come insegnanti nell’apprendimento per rinforzo e apprendimento per rinforzo agentico all’interno di harness reali per agenti.

Liquid AI ha dichiarato che la nuova architettura consente a LFM3-1.7B di superare il predecessore LFM2.5-2.6B pur avendo il 35% di parametri in meno e che, a parità di numero di parametri, il modello eguaglia LFM2-1.2B sui prompt brevi, funzionando al contempo circa il 25% più velocemente con 8K token nel contesto. Secondo l’azienda, con una precisione a 4 bit il modello testuale occupa circa 1 GB di memoria.

Prestazioni e specializzazioni secondo l’azienda

Liquid AI riferisce che LFM3-1.7B ottiene un punteggio di 38,42 su WebArena-Verified, contro 3,02 per LFM2.5-2.6B, con i maggiori miglioramenti nei compiti agentici. La scheda del modello specifica tuttavia che, date le sue dimensioni ridotte, il modello non è consigliato per la programmazione agentica o per ragionamenti complessi articolati in più passaggi.

Liquid AI ha dichiarato che LFM3-VL-2B è il primo modello di visione LFM ad accettare input video e riferisce che la media dei risultati su 62 benchmark di visione sale da 57,6 a 71,4 rispetto a LFM2.5-VL-3B, pur utilizzando 1,9B di parametri contro 3,1B: prestazioni pari a quelle di Gemma 4 12B, un modello con dimensioni oltre sei volte maggiori. Secondo le misurazioni dell’azienda, un nuovo encoder di visione sviluppato internamente, con 164M di parametri, richiede 3 volte meno calcolo dell’encoder SigLIP2 usato nei precedenti modelli LFM VL e raggiunge la stessa accuratezza dell’encoder di visione di Qwen3.5-2B con 2,2 volte meno FLOP.

LFM3-Audio-2B supporta 18 lingue. Liquid AI riferisce che raggiunge una qualità vocale di 3,83 su UTMOSv2, contro 3,22 per LFM2.5-Audio-1.5B, dispone di un encoder audio interamente causale con un tempo fino al primo token di appena 50 ms e utilizza un tokenizer LiquidCodec che genera parlato a circa 87 volte la velocità in tempo reale su un singolo thread CPU di Apple M4 Max. L’azienda ha dichiarato che LFM3-Omni-2B, con 2,2B di parametri, supera modelli con un massimo di 10,7B di parametri, tra cui Qwen2.5-Omni-7B, nei benchmark di comprensione audio-visiva Daily-Omni, WorldSense e AV-SpeakerBench.

I modelli decisionali rispondono a un elenco di domande in un unico passaggio in avanti, fornendo per ciascuna una probabilità calibrata; possono inoltre produrre risposte tipizzate che individuano oggetti, leggono valori dai documenti, stimano numeri indicando un intervallo e selezionano tutte le opzioni applicabili. Liquid AI ha dichiarato che d1-2B sostituisce d1-3B con un terzo di parametri in meno e ottiene un punteggio di 75,5 su ImajevBench, contro 64,0.

Ogni modello LFM3 può essere sottoposto a messa a punto su una singola GPU e Liquid AI ha pubblicato notebook dedicati alla messa a punto supervisionata, a DPO, GRPO e al pre-addestramento continuo dei modelli di testo, visione, audio e omni. In un esempio aziendale, LFM3-VL-2B è stato sottoposto a messa a punto per alcune ore su una singola A100 usando circa 3.000 foto pubbliche di pale di turbine eoliche, portando l’accuratezza della classificazione dei difetti al 67% e l’F1 di rilevamento da 0,003 a 0,11 sulle foto escluse dall’addestramento.

Liquid AI ha inoltre adattato LFM3-VL-2B, creando tre modelli di robotica per l’orchestrazione, la navigazione e la manipolazione. L’azienda riferisce che il modello visione-linguaggio-azione per la manipolazione, addestrato su 15 configurazioni robotiche, ha raggiunto un tasso medio di successo del 96,2% nelle quattro suite LIBERO e del 45,7% nelle attività di manipolazione su tavolo RoboCasa-GR1, generando al contempo blocchi di azioni in meno di 50 ms su un Jetson AGX Orin con TensorRT FP16.

In termini di velocità di elaborazione, Liquid AI ha dichiarato che LFM3-1.7B può generare 3,6 miliardi di token al giorno su una singola NVIDIA B300 con 1.024 richieste simultanee. I modelli offrono supporto nativo per llama.cpp, MLX e vLLM sull’hardware Apple, AMD, NVIDIA e Qualcomm, con varianti dei checkpoint disponibili in BF16, FP8, NVFP4, GGUF, MLX e ONNX.