Liquid AI ra mắt dòng LFM3 gồm sáu mô hình trọng số mở thuộc lớp 2B

Ngày 27 tháng 10 năm 2026, Liquid AI công bố LFM3, thế hệ mới của các mô hình nền tảng Liquid có trọng số mở, đưa các mô hình xử lý văn bản, thị giác, âm thanh, đa phương thức và ra quyết định vào cùng một kiến trúc nền tảng. Đợt phát hành đầu tiên, được trình bày chi tiết trong bài đăng trên blog Hugging Face, gồm sáu mô hình thuộc phân khúc 2B tham số.

Sáu mô hình trên cùng một kiến trúc nền tảng

Mọi mô hình LFM3 đều phát triển từ cùng một mô hình LFM3-1.7B-Base. LFM3-1.7B nhận đầu vào là văn bản và trả về văn bản. LFM3-VL-2B tiếp nhận văn bản, hình ảnh và video rồi trả về văn bản, trong khi LFM3-Audio-2B nhận văn bản hoặc âm thanh và phản hồi bằng văn bản hoặc lời nói. LFM3-Omni-2B, được Liquid AI mô tả là mô hình đa phương thức đầu tiên của hãng, tiếp nhận văn bản, hình ảnh, video và âm thanh, rồi tạo ra văn bản và lời nói. Hai mô hình ra quyết định, d1-2B và d1-omni-2B, được phát triển chuyên biệt từ các mô hình thị giác và đa phương thức, đồng thời đưa ra câu trả lời đã hiệu chuẩn thay vì văn bản được tạo sinh.

Theo thẻ mô hình LFM3-1.7B, mô hình văn bản có 1,73B tham số, độ dài ngữ cảnh 256K token, bộ từ vựng gồm 128.000 token và hỗ trợ 16 ngôn ngữ; mô hình được phát hành theo giấy phép LFM Open License v1.0. Các mô hình nền tảng và mô hình đã qua huấn luyện hậu kỳ đều có trọng số mở và hiện có trên Hugging Face, Liquid AI Playground và API Liquid AI.

Bài đăng phát hành của Liquid AI nêu tên các đối tác ra mắt ngay ngày đầu gồm Ambarella, AMD, Arm, Intel thông qua OpenVINO, NVIDIA, OpenRouter, Qualcomm thông qua Qualcomm AI Hub và GenieX, cùng Vercel; bài đăng cũng cho biết Mercedes-Benz và Shopify đã hợp tác thử nghiệm và đánh giá trước khi phát hành.

Kiến trúc lai ba thành phần và quá trình huấn luyện

LFM3-1.7B-Base có 24 lớp: 13 lớp tích chập ngắn có cổng, năm lớp chú ý cửa sổ trượt với cửa sổ 256 token và sáu lớp chú ý toàn cục. Các lớp tích chập sử dụng kích thước kernel 7, tăng từ mức 3 ở LFM2. Ba thay đổi khác định hình kiến trúc nền tảng: chú ý có cổng theo từng head, trong đó một cổng sigmoid điều chỉnh đầu ra của mỗi head chú ý và có thể triệt giảm các giá trị ngoại lai trong mức kích hoạt gây bất lợi cho lượng tử hóa; RoPE một phần, theo đó các lớp chú ý toàn cục chỉ xoay nửa tần số cao nhất của mỗi head, còn các lớp cửa sổ trượt vẫn giữ RoPE đầy đủ; và chuẩn hóa kiểu sandwich, chuẩn hóa đầu vào lẫn đầu ra của mỗi khối.

Thiết kế này xuất phát từ quá trình tìm kiếm kiến trúc có phần cứng trong vòng lặp của Liquid AI, được mở rộng cho LFM3 lên 14 tổ hợp thiết bị và phần phụ trợ, bao gồm điện thoại (Samsung Galaxy S26 Ultra và OnePlus 15), Raspberry Pi 5, máy tính xách tay (Apple M4 Max và AMD Ryzen AI), CPU đám mây Arm và x86, GPU, cùng NPU Qualcomm Hexagon.

LFM3-1.7B-Base được tiền huấn luyện trên 22T token; 3,5T token cuối cùng tạo thành một giai đoạn huấn luyện giữa kỳ trên dữ liệu tuyển chọn, với tỷ trọng lớn hơn dành cho các dấu vết hoạt động của tác tử và lời gọi công cụ, đồng thời mở rộng cửa sổ ngữ cảnh lên 256K token. Quá trình huấn luyện hậu kỳ diễn ra qua bốn giai đoạn: tinh chỉnh có giám sát trên 1,75T token, học tăng cường kết hợp, chưng cất theo chính sách trên nhiều lĩnh vực từ sáu mô hình hướng dẫn học tăng cường chuyên biệt, và học tăng cường cho tác tử bên trong các bộ khung tác tử thực tế.

Liquid AI cho biết kiến trúc mới giúp LFM3-1.7B vượt trội hơn phiên bản tiền nhiệm LFM2.5-2.6B dù có ít hơn 35% tham số; xét trên mỗi tham số, mô hình ngang bằng LFM2-1.2B với các lời nhắc ngắn, đồng thời chạy nhanh hơn khoảng 25% khi ngữ cảnh có 8K token. Công ty cho biết mô hình văn bản cần khoảng 1 GB bộ nhớ ở độ chính xác 4 bit.

Hiệu năng và khả năng chuyên biệt hóa theo báo cáo của công ty

Liquid AI báo cáo LFM3-1.7B đạt 38,42 điểm trên WebArena-Verified, so với 3,02 điểm của LFM2.5-2.6B, trong đó mức cải thiện lớn nhất nằm ở các tác vụ dành cho tác tử. Tuy nhiên, thẻ mô hình nêu rõ không khuyến nghị dùng mô hình này để lập trình bằng tác tử hoặc thực hiện suy luận phức tạp qua nhiều bước do kích thước nhỏ.

Liquid AI cho biết LFM3-VL-2B là mô hình thị giác LFM đầu tiên tiếp nhận đầu vào video, đồng thời báo cáo điểm trung bình trên 62 bài kiểm tra thị giác tăng từ 57,6 lên 71,4 so với LFM2.5-VL-3B, dù chỉ sử dụng 1,9B tham số thay vì 3,1B, đưa mô hình này ngang tầm Gemma 4 12B, vốn lớn hơn sáu lần. Theo các phép đo của công ty, bộ mã hóa thị giác 164M tham số mới do hãng tự phát triển cần ít hơn 3 lần năng lực tính toán so với bộ mã hóa SigLIP2 trong các mô hình LFM VL trước đây, đồng thời đạt độ chính xác ngang bằng bộ mã hóa thị giác của Qwen3.5-2B với số FLOP ít hơn 2,2 lần.

LFM3-Audio-2B hỗ trợ 18 ngôn ngữ. Liquid AI báo cáo chất lượng giọng nói đạt 3,83 điểm trên UTMOSv2, so với 3,22 điểm của LFM2.5-Audio-1.5B; bộ mã hóa âm thanh hoàn toàn nhân quả có thời gian tạo token đầu tiên chỉ 50 ms; và bộ mã hóa token LiquidCodec tạo giọng nói nhanh gấp khoảng 87 lần thời gian thực trên một luồng CPU duy nhất của Apple M4 Max. Công ty cho biết LFM3-Omni-2B với 2,2B tham số vượt qua các mô hình có tối đa 10,7B tham số, trong đó có Qwen2.5-Omni-7B, trên các bài kiểm tra hiểu biết nghe nhìn Daily-Omni, WorldSense và AV-SpeakerBench.

Các mô hình ra quyết định trả lời một danh sách câu hỏi chỉ trong một lượt truyền xuôi duy nhất, mỗi câu trả lời đi kèm một xác suất đã hiệu chuẩn. Chúng còn bổ sung các câu trả lời có kiểu dữ liệu, có thể chỉ ra đối tượng, đọc giá trị từ tài liệu, ước tính số liệu kèm theo một khoảng và chọn mọi phương án phù hợp. Liquid AI cho biết d1-2B thay thế d1-3B với số tham số ít hơn một phần ba và đạt 75,5 điểm trên ImajevBench, so với 64,0 điểm.

Mọi mô hình LFM3 đều có thể được tinh chỉnh trên một GPU, và Liquid AI đã công bố các notebook hướng dẫn tinh chỉnh có giám sát, DPO, GRPO và tiếp tục tiền huấn luyện cho các mô hình văn bản, thị giác, âm thanh và đa phương thức. Trong một ví dụ của doanh nghiệp, LFM3-VL-2B được tinh chỉnh trong vài giờ trên một A100 bằng khoảng 3.000 ảnh công khai về cánh tua-bin gió, giúp độ chính xác phân loại lỗi tăng lên 67% và điểm F1 phát hiện tăng từ 0.003 lên 0.11 trên các ảnh không dùng trong quá trình huấn luyện.

Liquid AI cũng điều chỉnh LFM3-VL-2B thành ba mô hình robot phục vụ điều phối, định vị và thao tác. Công ty cho biết mô hình thị giác-ngôn ngữ-hành động phục vụ thao tác, được huấn luyện trên 15 cấu hình robot, đạt tỷ lệ thành công trung bình 96.2% trên bốn bộ LIBERO và 45.7% trong các tác vụ trên bàn của RoboCasa-GR1, đồng thời tạo các cụm hành động trong chưa đầy 50 ms trên Jetson AGX Orin với TensorRT FP16.

Về thông lượng, Liquid AI cho biết LFM3-1.7B có thể tạo 3,6 tỷ token mỗi ngày trên một NVIDIA B300 duy nhất, với 1.024 yêu cầu đồng thời. Các mô hình được cung cấp kèm hỗ trợ gốc cho llama.cpp, MLX và vLLM trên phần cứng của Apple, AMD, NVIDIA và Qualcomm; các biến thể checkpoint bao gồm BF16, FP8, NVFP4, GGUF, MLX và ONNX.