Liquid AI lanserer LFM3-familien med seks modeller med åpne vekter i 2B-klassen

Liquid AI kunngjorde LFM3 27. oktober 2026. Den nye generasjonen Liquid Foundation Models med åpne vekter samler tekst-, syns-, lyd-, omni- og beslutningsmodeller på én felles grunnarkitektur. Den første lanseringen omfatter seks modeller i størrelsesklassen 2B-parametere, nærmere beskrevet i et innlegg på Hugging Face-bloggen.

Seks modeller på én felles grunnarkitektur

Alle LFM3-modellene bygger videre på den samme LFM3-1.7B-Base. LFM3-1.7B tar inn tekst og returnerer tekst. LFM3-VL-2B tar imot tekst, bilder og video og returnerer tekst, mens LFM3-Audio-2B tar imot tekst eller lyd og svarer med tekst eller tale. LFM3-Omni-2B, som Liquid AI beskriver som sin første omnimodell, tar imot tekst, bilder, video og lyd og produserer tekst og tale. To beslutningsmodeller, d1-2B og d1-omni-2B, er spesialisert fra syns- og omnimodellene og gir kalibrerte svar i stedet for generert tekst.

Ifølge modellkortet for LFM3-1.7B har tekstmodellen 1,73 milliarder parametere, en kontekstvindulengde på 256K token, et vokabular på 128 000 token og støtte for 16 språk. Den lanseres under LFM Open License v1.0. Base- og ettertrente modeller har åpne vekter og er tilgjengelige på Hugging Face, Liquid AI Playground og Liquid AI API.

I lanseringsinnlegget navngir Liquid AI Ambarella, AMD, Arm, Intel via OpenVINO, NVIDIA, OpenRouter, Qualcomm via Qualcomm AI Hub og GenieX samt Vercel som lanseringspartnere fra dag 0. Selskapet opplyser også at Mercedes-Benz og Shopify samarbeidet om testing og evaluering før lanseringen.

Tri-hybrid arkitektur og trening

LFM3-1.7B-Base har 24 lag: 13 gatede kortkonvolusjoner, fem lag med oppmerksomhet med glidende vindu på 256 token og seks lag med global oppmerksomhet. Konvolusjonene bruker en kjernestørrelse på 7, opp fra 3 i LFM2. Tre andre endringer kjennetegner grunnarkitekturen: oppmerksomhetsgating per hode, der en sigmoid-gate skalerer utdataene fra hvert oppmerksomhetshode og kan dempe aktiveringsuteliggere som svekker kvantiseringen; delvis RoPE, der globale oppmerksomhetslag roterer bare den halvdelen av hvert hode som har høyest frekvens, mens lag med glidende vindu bruker full RoPE; og sandwich-normalisering, som normaliserer inndataene og utdataene fra hver blokk.

Utformingen bygger på Liquid AIs arkitektursøk med maskinvare i løkken, som for LFM3 ble utvidet til 14 kombinasjoner av enheter og bakender. Disse omfatter telefoner (Samsung Galaxy S26 Ultra og OnePlus 15), en Raspberry Pi 5, bærbare datamaskiner (Apple M4 Max og AMD Ryzen AI), Arm- og x86-prosessorer for nettskyen, GPU-er og Qualcomm Hexagon NPU.

LFM3-1.7B-Base ble forhåndstrent på 22 billioner token. De siste 3,5 billionene token utgjorde en mellomtreningsfase med kuraterte data, en større andel agentiske spor og verktøykall, og utvidet samtidig kontekstvinduet til 256K token. Ettertreningen foregikk i fire faser: veiledet finjustering på 1,75 billioner token, blandet forsterkningslæring, destillering på flere domener og on-policy fra seks spesialiserte lærere innen forsterkningslæring, samt agentisk forsterkningslæring i reelle agentrammeverk.

Liquid AI opplyste at den nye arkitekturen gjør at LFM3-1.7B overgår forgjengeren LFM2.5-2.6B med 35 % færre parametere. Målt per parameter er modellen på nivå med LFM2-1.2B på korte prompter, samtidig som den kjører omtrent 25 % raskere med 8K token i konteksten. Selskapet opplyste at tekstmodellen bruker omtrent 1 GB minne ved 4-bits presisjon.

Ytelser og spesialisering ifølge selskapet

Liquid AI rapporterer at LFM3-1.7B får 38,42 på WebArena-Verified, mot 3,02 for LFM2.5-2.6B, med størst fremgang på agentiske oppgaver. Modellkortet opplyser likevel at modellen ikke anbefales til agentisk koding eller kompleks resonnering i flere trinn, fordi den er liten.

Liquid AI opplyste at LFM3-VL-2B er den første LFM-synsmodellen som kan ta imot video. Selskapet rapporterer at gjennomsnittet på 62 synsreferansetester øker fra 57,6 til 71,4 sammenlignet med LFM2.5-VL-3B, samtidig som modellen bruker 1,9 milliarder parametere mot 3,1 milliarder. Dermed er den på nivå med Gemma 4 12B, en modell som er mer enn seks ganger større. En ny, egenutviklet synsencoder med 164 millioner parametere bruker tre ganger mindre beregningskraft enn SigLIP2-encoderen i tidligere LFM VL-modeller. Ifølge selskapets målinger oppnår den samme nøyaktighet som synsencoderen i Qwen3.5-2B med 2,2 ganger færre FLOP-operasjoner.

LFM3-Audio-2B støtter 18 språk. Liquid AI rapporterer en talekvalitet på 3,83 på UTMOSv2, mot 3,22 for LFM2.5-Audio-1.5B, en fullstendig kausal lydencoder med en tid til første token på ned mot 50 ms og en LiquidCodec-tokenizer som genererer tale med omtrent 87 ganger sanntidshastighet på én enkelt CPU-tråd på en Apple M4 Max. Selskapet opplyste at LFM3-Omni-2B med 2,2 milliarder parametere slår modeller med opptil 10,7 milliarder parametere, inkludert Qwen2.5-Omni-7B, på de audiovisuelle forståelsesreferansetestene Daily-Omni, WorldSense og AV-SpeakerBench.

Beslutningsmodellene besvarer en liste med spørsmål i én enkelt fremoverpassering, med en kalibrert sannsynlighet for hvert svar. De gir også typede svar som peker ut objekter, leser av verdier fra dokumenter, anslår tall med et intervall og velger alle alternativene som gjelder. Liquid AI opplyste at d1-2B erstatter d1-3B med en tredel færre parametere og får 75,5 mot 64,0 på ImajevBench.

Alle LFM3-modellene kan finjusteres på én enkelt GPU, og Liquid AI har publisert notatbøker med veiledning i overvåket finjustering, DPO, GRPO og videre pretrening for tekst-, syns-, lyd- og omnimodellene. I ett eksempel fra et selskap ble LFM3-VL-2B finjustert i noen timer på én A100 ved hjelp av rundt 3 000 offentlig tilgjengelige bilder av vindturbinblader. Dette økte nøyaktigheten i klassifisering av defekter til 67 % og F1-skåren for deteksjon fra 0,003 til 0,11 på bilder som var holdt utenfor treningen.

Liquid AI tilpasset også LFM3-VL-2B til tre robotikkmodeller for orkestrering, navigasjon og manipulering. Selskapet rapporterer at modellen for syn, språk og handling knyttet til manipulering, som ble trent på 15 ulike robotplattformer, oppnådde en gjennomsnittlig suksessrate på 96,2 % på tvers av de fire LIBERO-testseriene og 45,7 % på RoboCasa-GR1-oppgaver på bordflater, samtidig som den genererte handlingsblokker på under 50 ms på en Jetson AGX Orin med TensorRT FP16.

Når det gjelder gjennomstrømning, oppga Liquid AI at LFM3-1.7B kan generere 3,6 milliarder token per dag på én enkelt NVIDIA B300 med 1 024 samtidige forespørsler. Modellene leveres med innebygd støtte for llama.cpp, MLX og vLLM på maskinvare fra Apple, AMD, NVIDIA og Qualcomm, med kontrollpunktvarianter som BF16, FP8, NVFP4, GGUF, MLX og ONNX.