Liquid AI lansează familia LFM3, formată din șase modele cu ponderi deschise din clasa 2B

Liquid AI a anunțat LFM3 pe 27 octombrie 2026, o nouă generație de modele Liquid Foundation cu ponderi deschise, care reunește modele de text, viziune, audio, omni și decizie pe o singură arhitectură comună. Prima lansare, prezentată în o postare pe blogul Hugging Face, cuprinde șase modele din gama de 2B de parametri.

Șase modele pe o singură arhitectură comună

Fiecare model LFM3 derivă din același model LFM3-1.7B-Base. LFM3-1.7B primește text și generează text. LFM3-VL-2B acceptă text, imagini și videoclipuri și generează text, în timp ce LFM3-Audio-2B primește text sau audio și răspunde prin text sau vorbire. LFM3-Omni-2B, pe care Liquid AI îl descrie drept primul său model omni, acceptă text, imagini, videoclipuri și audio și generează text și vorbire. Două modele de decizie, d1-2B și d1-omni-2B, sunt specializate pornind de la modelele de viziune și omni și oferă răspunsuri calibrate, nu text generat.

Potrivit fișei modelului LFM3-1.7B, modelul de text are 1,73B de parametri, o fereastră de context de 256K de tokenuri, un vocabular de 128.000 de tokenuri și acceptă 16 limbi; este lansat sub licența LFM Open License v1.0. Modelele de bază și cele antrenate ulterior au ponderi deschise și sunt disponibile pe Hugging Face, în Liquid AI Playground și prin Liquid AI API.

Postarea despre lansare a Liquid AI îi numește pe Ambarella, AMD, Arm, Intel prin OpenVINO, NVIDIA, OpenRouter, Qualcomm prin Qualcomm AI Hub și GenieX, precum și Vercel, parteneri de lansare din prima zi și afirmă că Mercedes-Benz și Shopify au colaborat la testarea și evaluarea dinaintea lansării.

Arhitectură tri-hibridă și antrenare

LFM3-1.7B-Base are 24 de straturi: 13 straturi de convoluții scurte cu gating, cinci straturi de atenție cu fereastră glisantă de 256 de tokenuri și șase straturi de atenție globală. Convoluțiile folosesc un nucleu de dimensiunea 7, față de 3 în LFM2. Arhitectura de bază se distinge prin alte trei modificări: atenție cu gating la nivelul fiecărui cap, în care o poartă sigmoid scalează ieșirea fiecărui cap de atenție și poate suprima valorile aberante ale activărilor care afectează cuantizarea; RoPE parțial, prin care straturile de atenție globală rotesc doar jumătatea cu frecvențele cele mai înalte din fiecare cap, în timp ce straturile cu fereastră glisantă păstrează RoPE complet; și o normă de tip sandwich, care normalizează intrarea și ieșirea fiecărui bloc.

Arhitectura a rezultat din căutarea de arhitecturi a Liquid AI cu hardware în buclă, extinsă pentru LFM3 la 14 combinații de dispozitive și backenduri, inclusiv telefoane (Samsung Galaxy S26 Ultra și OnePlus 15), un Raspberry Pi 5, laptopuri (Apple M4 Max și AMD Ryzen AI), procesoare cloud Arm și x86, GPU-uri și unitatea de procesare neuronală Qualcomm Hexagon.

LFM3-1.7B-Base a fost preantrenat pe 22 de mii de miliarde de tokenuri, dintre care ultimele 3,5 mii de miliarde au constituit o etapă de antrenare intermediară pe date atent selectate, cu o pondere mai mare de trasee agentice și apeluri de instrumente; etapa a extins și fereastra de context la 256K de tokenuri. Antrenarea ulterioară s-a desfășurat în patru etape: ajustare fină supravegheată pe 1,75 mii de miliarde de tokenuri, învățare prin consolidare mixtă, distilare on-policy în mai multe domenii de la șase modele specializate de învățare prin consolidare și învățare prin consolidare agentică în medii reale de execuție a agenților.

Liquid AI a declarat că noua arhitectură îi permite modelului LFM3-1.7B să depășească predecesorul său LFM2.5-2.6B, având cu 35% mai puțini parametri, și că, raportat la numărul de parametri, se ridică la nivelul modelului LFM2-1.2B pentru solicitări scurte, rulând în același timp cu aproximativ 25% mai repede, cu 8K de tokenuri în context. Potrivit companiei, la precizie de 4 biți, modelul de text folosește aproximativ 1 GB de memorie.

Performanțe și specializare raportate de companie

Liquid AI raportează că LFM3-1.7B obține 38,42 la WebArena-Verified, față de 3,02 pentru LFM2.5-2.6B, cu cele mai mari câștiguri la sarcinile agentice; totuși, fișa modelului precizează că acesta nu este recomandat pentru programare agentică sau raționament complex în mai mulți pași, din cauza dimensiunii sale reduse.

Liquid AI a declarat că LFM3-VL-2B este primul model de viziune LFM care acceptă intrare video și raportează că acesta crește media obținută la 62 de teste de viziune de la 57,6 la 71,4 față de LFM2.5-VL-3B, folosind 1,9B de parametri în loc de 3,1B; astfel, ajunge la nivelul Gemma 4 12B, un model de peste șase ori mai mare. Potrivit măsurătorilor companiei, un nou encoder de viziune dezvoltat intern, cu 164M de parametri, folosește de 3 ori mai puține resurse de calcul decât encoderul SigLIP2 din modelele LFM VL anterioare și egalează precizia encoderului de viziune Qwen3.5-2B cu de 2,2 ori mai puține operații în virgulă mobilă (FLOPs).

LFM3-Audio-2B acceptă 18 limbi, iar Liquid AI raportează o calitate a vorbirii de 3,83 la UTMOSv2, față de 3,22 pentru LFM2.5-Audio-1.5B, un encoder audio complet cauzal cu un timp până la primul token de doar 50 ms și un tokenizer LiquidCodec care generează vorbire la aproximativ 87 de ori viteza timpului real, pe un singur fir de execuție al procesorului Apple M4 Max. Compania a declarat că modelul LFM3-Omni-2B, cu 2,2B de parametri, depășește modele cu până la 10,7B de parametri, inclusiv Qwen2.5-Omni-7B, la testele de înțelegere audiovizuală Daily-Omni, WorldSense și AV-SpeakerBench.

Modelele de decizie răspund la o listă de întrebări într-o singură trecere înainte, oferind pentru fiecare un răspuns cu probabilitate calibrată; în plus, generează răspunsuri tipizate care indică obiecte, citesc valori din documente, estimează numere cu un interval și selectează toate opțiunile aplicabile. Liquid AI a declarat că d1-2B înlocuiește d1-3B cu o treime mai puțini parametri și obține 75,5, față de 64,0, la ImajevBench.

Fiecare model LFM3 poate fi ajustat fin pe un singur GPU, iar Liquid AI a publicat notebookuri care acoperă ajustarea fină supravegheată, DPO, GRPO și continuarea preantrenării pentru modelele de text, viziune, audio și omni. Într-un exemplu prezentat de companie, LFM3-VL-2B a fost ajustat fin timp de câteva ore pe un singur A100, folosind aproximativ 3.000 de fotografii publice cu pale de turbine eoliene. Precizia clasificării defectelor a crescut la 67%, iar scorul F1 pentru detecție a urcat de la 0,003 la 0,11 pe fotografii rezervate pentru testare.

Liquid AI a adaptat, de asemenea, LFM3-VL-2B pentru a crea trei modele de robotică, destinate orchestrării, navigării și manipulării. Compania raportează că modelul de viziune-limbaj-acțiune pentru manipulare, antrenat pe 15 platforme robotice, a obținut o rată medie de succes de 96,2% în cele patru suite LIBERO și de 45,7% la sarcinile de manipulare a obiectelor de pe masă din RoboCasa-GR1, generând în același timp secvențe de acțiuni în mai puțin de 50 ms pe un Jetson AGX Orin cu TensorRT FP16.

În ceea ce privește debitul, Liquid AI a declarat că LFM3-1.7B poate genera 3,6 miliarde de tokeni pe zi pe un singur NVIDIA B300, la 1.024 de solicitări concurente. Modelele oferă suport nativ pentru llama.cpp, MLX și vLLM pe hardware Apple, AMD, NVIDIA și Qualcomm, iar variantele de checkpoint includ BF16, FP8, NVFP4, GGUF, MLX și ONNX.