Liquid AI lanserar LFM3-familjen med sex modeller med öppna vikter i 2B-klassen

Liquid AI tillkännagav LFM3 den 27 oktober 2026, en ny generation öppna Liquid Foundation Models med text-, syn-, ljud-, omni- och beslutsmodeller som bygger på samma gemensamma grundarkitektur. Den första lanseringen omfattar sex modeller i storleksklassen 2B parametrar och beskrivs närmare i ett inlägg på Hugging Face-bloggen.

Sex modeller med samma gemensamma grundarkitektur

Alla LFM3-modeller utgår från samma LFM3-1.7B-Base. LFM3-1.7B tar emot text och returnerar text. LFM3-VL-2B tar emot text, bilder och video och returnerar text, medan LFM3-Audio-2B tar emot text eller ljud och svarar med text eller tal. LFM3-Omni-2B, som Liquid AI beskriver som företagets första omnimodell, tar emot text, bilder, video och ljud och producerar text och tal. Två beslutsmodeller, d1-2B och d1-omni-2B, är specialiserade versioner av syn- respektive omnimodellen och returnerar kalibrerade svar i stället för genererad text.

Enligt modellkortet för LFM3-1.7B har textmodellen 1,73B parametrar, ett kontextfönster på 256K token, ett ordförråd på 128 000 token och stöd för 16 språk. Den lanseras under LFM Open License v1.0. Basmodellerna och modellerna efterträning är öppna viktmodeller och finns tillgängliga på Hugging Face, Liquid AI Playground och Liquid AI API.

I Liquid AI:s lanseringsinlägg anges Ambarella, AMD, Arm, Intel via OpenVINO, NVIDIA, OpenRouter, Qualcomm via Qualcomm AI Hub och GenieX samt Vercel som lanseringspartner från dag ett. Där står också att Mercedes-Benz och Shopify samarbetade kring tester och utvärdering före lanseringen.

Tri-hybridarkitektur och träning

LFM3-1.7B-Base har 24 lager: 13 korta konvolutioner med grindning, fem lager med uppmärksamhet över ett glidande fönster på 256 token och sex lager med global uppmärksamhet. Konvolutionerna har en kärnstorlek på 7, jämfört med 3 i LFM2. Tre ytterligare förändringar präglar grundarkitekturen: huvudvis grindad uppmärksamhet, där en sigmoidgrind skalar varje uppmärksamhetshuvuds utdata och kan dämpa aktiveringsvärden som avviker kraftigt och försämrar kvantiseringen; partiell RoPE, där lagren med global uppmärksamhet roterar endast den halva av varje huvud som har högst frekvens, medan lagren med glidande fönster använder fullständig RoPE; samt en sandwichnorm som normaliserar indata och utdata i varje block.

Utformningen bygger på Liquid AI:s arkitektursökning med hårdvara i återkopplingsslingan, som för LFM3 utökades till 14 kombinationer av enheter och bakändar. Dessa omfattar telefoner (Samsung Galaxy S26 Ultra och OnePlus 15), en Raspberry Pi 5, bärbara datorer (Apple M4 Max och AMD Ryzen AI), Arm- och x86-processorer i molnet, grafikprocessorer och Qualcomm Hexagon-NPU:n.

LFM3-1.7B-Base förtränades på 22T token. De sista 3,5T token utgjorde ett mellanträningssteg med kuraterade data och en större andel agentiska spår och verktygsanrop; i det steget utökades också kontextfönstret till 256K token. Efterträningen genomfördes i fyra steg: övervakad finjustering på 1,75T token, blandad förstärkningsinlärning, domänövergripande distillering on-policy från sex specialiserade lärare inom förstärkningsinlärning samt agentisk förstärkningsinlärning i verkliga agentramverk.

Liquid AI uppgav att den nya arkitekturen gör att LFM3-1.7B överträffar föregångaren LFM2.5-2.6B med 35 % färre parametrar. Företaget uppgav också att modellen, räknat per parameter, matchar LFM2-1.2B på korta promptar och körs cirka 25 % snabbare med 8K token i kontextfönstret. Vid 4-bitars precision kräver textmodellen cirka 1 GB minne, enligt företaget.

Prestanda och specialisering enligt företaget

Liquid AI uppger att LFM3-1.7B får 38,42 poäng på WebArena-Verified, jämfört med 3,02 för LFM2.5-2.6B, och att de största förbättringarna gäller agentiska uppgifter. I modellkortet står det dock att modellen inte rekommenderas för agentisk kodning eller komplexa resonemang i flera steg på grund av sin begränsade storlek.

Liquid AI uppgav att LFM3-VL-2B är den första LFM-synmodellen som kan ta emot video. Företaget rapporterar att modellen höjer genomsnittspoängen på 62 synbenchmarks från 57,6 till 71,4 jämfört med LFM2.5-VL-3B, samtidigt som den använder 1,9B parametrar i stället för 3,1B. Därmed är den i nivå med Gemma 4 12B, en modell som är mer än sex gånger större. En ny egenutvecklad synkodare med 164M parametrar använder tre gånger mindre beräkningskraft än SigLIP2-kodaren i tidigare LFM VL-modeller och uppnår samma träffsäkerhet som synkodaren i Qwen3.5-2B med 2,2 gånger färre flyttalsoperationer, enligt företagets mätningar.

LFM3-Audio-2B stöder 18 språk. Liquid AI rapporterar en talakvalitet på 3,83 på UTMOSv2, jämfört med 3,22 för LFM2.5-Audio-1.5B, en helt kausal ljudkodare med en tid till första token på så lite som 50 ms samt en LiquidCodec-tokeniserare som genererar tal i cirka 87 gånger realtid på en enda CPU-tråd på en Apple M4 Max. Företaget uppgav att LFM3-Omni-2B med 2,2B parametrar överträffar modeller med upp till 10,7B parametrar, däribland Qwen2.5-Omni-7B, på benchmarktesterna Daily-Omni, WorldSense och AV-SpeakerBench för audiovisuell förståelse.

Beslutsmodellerna besvarar en lista med frågor i ett enda framåtpass och anger en kalibrerad sannolikhet för varje svar. De kan också ge typade svar som pekar ut objekt, läser av värden i dokument, uppskattar tal med ett intervall och väljer alla alternativ som är tillämpliga. Liquid AI uppgav att d1-2B ersätter d1-3B med en tredjedel färre parametrar och får 75,5 poäng jämfört med 64,0 på ImajevBench.

Alla LFM3-modeller kan finjusteras på en enda GPU, och Liquid AI publicerade notebookar med instruktioner för handledd finjustering, DPO, GRPO och fortsatt förträning av text-, syn-, ljud- och omnimodellerna. I ett exempel från ett företag finjusterades LFM3-VL-2B på omkring 3 000 offentliga bilder av vindkraftverkens rotorblad under några timmar på en A100. Det höjde träffsäkerheten vid klassificering av defekter till 67 % och detektionsmåttet F1 från 0,003 till 0,11 på bilder som inte ingick i träningen.

Liquid AI anpassade också LFM3-VL-2B till tre robotikmodeller för samordning, navigering och manipulation. Företaget uppger att modellen för syn, språk och handling inom manipulation, som tränats med 15 olika robotkonfigurationer, uppnådde en genomsnittlig framgångsgrad på 96,2 % i de fyra LIBERO-sviterna och 45,7 % på RoboCasa-GR1:s borduppgifter, samtidigt som den genererade handlingssekvenser på under 50 ms med en Jetson AGX Orin och TensorRT FP16.

När det gäller genomströmning uppgav Liquid AI att LFM3-1.7B kan generera 3,6 miljarder token per dag på en enda NVIDIA B300 vid 1 024 samtidiga förfrågningar. Modellerna levereras med inbyggt stöd för llama.cpp, MLX och vLLM på Apple-, AMD-, NVIDIA- och Qualcomm-maskinvara, med kontrollpunktsvarianter som BF16, FP8, NVFP4, GGUF, MLX och ONNX.