Το Liquid AI, το spin-off του MIT πίσω από τη σειρά Liquid Foundation Models, ανακοίνωσε το LFM3 την Τρίτη, μια νέα γενιά μοντέλων ανοιχτού βάρους που κατασκευάστηκαν για να φέρουν αυτό που η εταιρεία αποκαλεί «εξειδικευμένη νοημοσύνη» σε τηλέφωνα, φορητούς υπολογιστές, ρομπότ και άλλο υλικό αιχμής. Η έκδοση καλύπτει έξι μοντέλα στο εύρος παραμέτρων 2Β — κείμενο, όραμα, ήχο, omni και δύο μοντέλα απόφασης — όλα διακλαδίζονται από μια κοινή βάση LFM3-1.7B-Base και είναι διαθέσιμα σήμερα στο Hugging Face, το Liquid AI Playground και το API της εταιρείας.
Μια Tri-Hybrid Architecture επανασχεδιασμένη για Agents For more context on this story, see our ongoing more AI stories.
Το LFM2 διαπίστωσε ότι ένα υβρίδιο σύντομων περιελίξεων και προσοχής θα μπορούσε να λειτουργεί γρήγορα στη συσκευή χωρίς να χάνει μεγάλη ποιότητα. Για το LFM3, το Liquid AI επανεξέτασε την αυτοματοποιημένη αρχιτεκτονική αναζήτησης υλικού σε βρόχο έχοντας κατά νου πρακτικούς φόρτους εργασίας, επεκτείνοντας τον χώρο αναζήτησης από CPU σε ένα τηλέφωνο και έναν φορητό υπολογιστή σε 14 συνδυασμούς συσκευών και backend. Το μετρούμενο υλικό περιλαμβάνει τώρα το Samsung Galaxy S26 Ultra, το OnePlus 15, ένα Raspberry Pi 5, το M4 Max της Apple, φορητούς υπολογιστές AMD Ryzen AI, Arm και x86 cloud CPU, GPU και Hexagon NPU της Qualcomm.
Το αποτέλεσμα είναι μια «τρι-υβριδική» στοίβα 24 επιπέδων: 13 περιφραγμένα επίπεδα σύντομης συνέλιξης, 5 στρώματα προσοχής συρόμενων παραθύρων με παράθυρο 256 διακριτικών και 6 επίπεδα καθολικής προσοχής. Τα μεγέθη του πυρήνα συνέλιξης αυξήθηκαν από το 3 σε 7 και οι νέοι μηχανισμοί περιλαμβάνουν την προσοχή με το κεφάλι (μια σιγμοειδή πύλη που μπορεί να απενεργοποιήσει μεμονωμένες κεφαλές), το μερικό RoPE σε καθολικά επίπεδα και την κανονικοποίηση σάντουιτς. Η εταιρεία λέει ότι οι αλλαγές προσθέτουν εκφραστικότητα εκεί που μετράει, διατηρώντας ταυτόχρονα γρήγορα τα συμπεράσματα μακροπρόθεσμα.
Εκπαιδεύτηκε σε 22 τρισεκατομμύρια μάρκες
Το LFM3-1.7B-Base είχε προεκπαιδευτεί σε 22 τρισεκατομμύρια μάρκες, με ένα μείγμα δεδομένων που προσθέτει περισσότερες επιστημονικές εργασίες, κώδικα σε επίπεδο αποθετηρίου και μαθηματικά από το LFM2. Τα τελευταία 3,5 τρισεκατομμύρια μάρκες σχηματίζουν ένα στάδιο εκπαίδευσης στη μέση σε επιμελημένα, υψηλότερης ποιότητας δεδομένα που είναι βαριά σε πρακτικά ίχνη και διαφορετικές κλήσεις εργαλείων — και αυτό το στάδιο επεκτείνει επίσης το παράθυρο περιβάλλοντος σε 256.000 μάρκες.
Η μετεκπαίδευση διήρκεσε τέσσερα στάδια: εποπτευόμενη λεπτομέρεια σε 1,75 τρισεκατομμύρια μάρκες που καλύπτουν συνομιλία, συλλογισμό και κλήση εργαλείων. Μικτή ενισχυτική μάθηση σε μαθηματικά, κώδικα, SQL και δομημένα αποτελέσματα. απόσταξη πολιτικής πολλαπλών τομέων, στην οποία έξι ειδικοί δάσκαλοι RL (κώδικας, μαθηματικά, χρήση εργαλείων, μακρύ πλαίσιο, πρακτορική εργασία και εταιρικές ροές εργασίας) αποστάζονται ξανά σε ένα μοντέλο. και agentic RL, όπου οι εργασίες από την περιήγηση στον Ιστό έως την εργασία γραφείου εκτελούνται μέσα σε πραγματικές πλεξούδες αντιπροσώπων όπως το Hermes Agent, το Pi και το OpenClaw.
Μικρό μοντέλο, Frontier-Adjacent Agentic Results
Το Liquid AI ισχυρίζεται ότι το LFM3-1.7B υπερτερεί του προηγούμενου LFM2.5-2.6B ενώ χρησιμοποιεί 35 τοις εκατό λιγότερες παραμέτρους. Σε αξιολογήσεις αντιπροσώπων, η εταιρεία λέει ότι το μοντέλο οδηγεί στην παρακολούθηση εντολών και στην κλήση λειτουργίας σε BFCL και ToolSandbox και ξεπερνά το σημαντικά μεγαλύτερο Qwen3.5-9B σε εργασίες προγράμματος περιήγησης μεγάλου ορίζοντα και επιχειρηματικών εφαρμογών στο WebArena-Verified και στο AutomationBench. Τα μεγαλύτερα μοντέλα εξακολουθούν να κερδίζουν στην κωδικοποίηση και τη γνώση, αν και η εταιρεία αναφέρει ότι η αναζήτηση εργαλείων σχεδόν διπλασιάζει τη βαθμολογία του μικρού μοντέλου στην Τελευταία Εξέταση του Humanity.
Η ταχύτητα είναι ο τίτλος. Μετρημένο με llama.cpp σε κβαντισμό 4 bit και περιβάλλον 32K, το Liquid AI λέει ότι το LFM3-1.7B ήταν το ταχύτερο μοντέλο και στις τρεις δοκιμασμένες συσκευές αιχμής, αποκωδικοποιώντας 1,8 έως 2,8 φορές ταχύτερα από τον επόμενο ανταγωνιστή ενώ χρησιμοποιούσε τη λιγότερη μνήμη. Ένα πλήρες περιβάλλον 128K-token χρειάζεται περίπου 1,6 GB κρυφής μνήμης KV, έναντι 4,3 GB για το Qwen3.5-4B και 5,6 GB για το MiniCPM5-2B, και το μοντέλο χωράει περίπου 1 GB μνήμης με ακρίβεια 4 bit. Στο κέντρο δεδομένων, ένα μόνο NVIDIA B300 που τρέχει SGLang σε BF16 μπορεί να παράγει 3,6 δισεκατομμύρια token την ημέρα σε 1.024 ταυτόχρονα αιτήματα. Για να δείξει τι επιτρέπει αυτή η απόδοση, το Liquid AI έτρεξε περισσότερους από 300.000 παράλληλους πράκτορες LFM3-1.7B στο αρχείο email της Enron ως επίδειξη.
Vision, Audio και ένα First Omni Model
Το LFM3-VL-2B φέρνει έναν νέο εσωτερικό κωδικοποιητή όρασης με 164 εκατομμύρια παραμέτρους που, σύμφωνα με το Liquid AI, χρησιμοποιεί 3 φορές λιγότερο υπολογισμό από τον κωδικοποιητή SigLIP2 σε προηγούμενα μοντέλα όρασης LFM, ενώ ταιριάζει με την ακρίβεια του κωδικοποιητή Qwen3.5-2B με 2,2x λιγότερες FLOPs. Σε 62 σημεία αναφοράς όρασης, η εταιρεία λέει ότι το μοντέλο 2B σκοράρει τουλάχιστον 7,4 πόντους μπροστά από όλα τα μοντέλα παρόμοιου μεγέθους, ταιριάζει με το Gemma 4 12B - ένα μοντέλο περισσότερο από έξι φορές μεγαλύτερο - ξεπερνά το Gemini 3.5 Flash Lite και προσγειώνεται σε απόσταση 2 βαθμών από το GPT-5.6 Luna. Είναι επίσης το πρώτο μοντέλο όρασης LFM που δέχεται είσοδο βίντεο.
Το LFM3-Audio-2B χειρίζεται την αναγνώριση, τη σύνθεση και τη μετάφραση ομιλίας σε 18 γλώσσες, με την υποστήριξη ενός νέου εσωτερικού κωδικοποιητή και ενός tokenizer που ονομάζεται LiquidCodec που μετατρέπει τα παραγόμενα διακριτικά σε ομιλία σε περίπου 87x πραγματικό χρόνο σε ένα νήμα CPU. Με την είσοδο μικροφώνου ροής, ο χρόνος μέχρι το πρώτο διακριτικό μπορεί να είναι έως και 50 χιλιοστά του δευτερολέπτου.
Το LFM3-Omni-2B, με 2,2 δισεκατομμύρια παραμέτρους, είναι το πρώτο μοντέλο omni της εταιρείας, που συνδυάζει όραση, ήχο και γλώσσα, ώστε οι χρήστες να μπορούν να κάνουν προφορικές ερωτήσεις σχετικά με εικόνες ή βίντεο με συγχρονισμένο ήχο. Δύο μοντέλα απόφασης, d1-2B και d1-Omni-2B, κλείνουν την οικογένεια: αντί να δημιουργούν απαντήσεις ελεύθερης μορφής, απαντούν σε πολλές δακτυλογραφημένες ή προφορικές ερωτήσεις σε ένα μόνο πάσο προς τα εμπρός, το καθένα με βαθμονομημένη πιθανότητα, και υποστηρίζουν τύπους δομημένων απαντήσεων όπως Σημείο (σχεδιάστε ένα πλαίσιο οριοθέτησης), Ανάγνωση, Εκτίμηση και Επιλογή.
Κατασκευάστηκε για να είναι εξειδικευμένο
Η υγρή τεχνητή νοημοσύνη τοποθετεί την οικογένεια ως σημείο εκκίνησης για τελειοποίηση παρά ως μοντέλο συνόρων γενικής χρήσης. Σε μια επίδειξη, η εταιρεία βελτίωσε το LFM3-VL-2B σε περίπου 3.000 δημόσιες φωτογραφίες πτερυγίων ανεμογεννητριών για να ταξινομήσει τα ελαττώματα. Από το κουτί, τόσο το LFM3-VL-2B όσο και το GPT-6 Luna προσδιόρισαν σωστά τους τύπους ελαττωμάτων σε λιγότερο από το 10 τοις εκατό των εικόνων δοκιμής. Μετά από μερικές ώρες εκπαίδευσης σε ένα μόνο A100, το βελτιωμένο LFM3 έφτασε στο 67 τοις εκατό ακρίβεια ταξινόμησης και βελτίωσε την ανίχνευση F1 από 0,003 σε 0,11, σε σύγκριση με 0,01 για το GPT-6 Luna. Η εταιρεία δημοσίευσε επίσης πρώιμα πειράματα ρομποτικής που καλύπτουν την ενορχήστρωση εργαλείων, την πλοήγηση με γλώσσα όρασης και τη χειραγώγηση ρομπότ-βραχίονα χαμηλού επιπέδου.
Στους συνεργάτες κυκλοφορίας του Day-zero περιλαμβάνονται οι Ambarella, AMD, Arm, Intel μέσω OpenVINO, NVIDIA, OpenRouter, Qualcomm μέσω AI Hub και GenieX και η Vercel, με τη Mercedes-Benz και το Shopify να συμμετέχουν σε δοκιμές πριν από την κυκλοφορία. Οι χρόνοι εκτέλεσης της κοινότητας, συμπεριλαμβανομένων των llama.cpp, MLX, LM Studio, Ollama και vLLM υποστηρίζουν τα μοντέλα κατά την κυκλοφορία.
Η έκδοση υπογραμμίζει μια ευρύτερη διάσπαση του κλάδου: καθώς τα συνοριακά εργαστήρια κυνηγούν ολοένα και μεγαλύτερα μοντέλα γενικής χρήσης, η Liquid AI στοιχηματίζει ότι μικρά, γρήγορα, εξειδικευμένα μοντέλα - αρκετά φθηνά για να ρυθμιστούν με ακρίβεια σε μία GPU και αρκετά μικρά για να λειτουργούν τοπικά - θα είναι εκεί που προσγειώνεται μεγάλο μέρος της πρακτικής αξίας.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
