Liquid AI, la spin-off du MIT derrière la gamme Liquid Foundation Models, a annoncé mardi LFM3, une nouvelle génération de modèles ouverts conçus pour apporter ce que la société appelle une « intelligence spécialisée » aux téléphones, ordinateurs portables, robots et autres matériels de pointe. La version couvre six modèles dans la gamme de paramètres 2B – texte, vision, audio, omni et deux modèles de décision – tous issus d'une structure LFM3-1.7B-Base partagée et disponibles aujourd'hui sur Hugging Face, Liquid AI Playground et l'API de l'entreprise.
Une architecture tri-hybride repensée pour les agents Pour plus de contexte sur cette histoire, consultez notre tendances IA.
LFM2 a établi qu'un hybride de courtes circonvolutions et d'attention pouvait fonctionner rapidement sur l'appareil sans sacrifier beaucoup de qualité. Pour LFM3, Liquid AI a réexécuté sa recherche automatisée d'architecture matérielle dans la boucle en gardant à l'esprit les charges de travail agents, en élargissant l'espace de recherche des processeurs d'un téléphone et d'un ordinateur portable à 14 combinaisons d'appareils et de back-end. Le matériel mesuré comprend désormais le Samsung Galaxy S26 Ultra, le OnePlus 15, un Raspberry Pi 5, le M4 Max d'Apple, les ordinateurs portables AMD Ryzen AI, les processeurs cloud Arm et x86, les GPU et le NPU Hexagon de Qualcomm.
Le résultat est une pile « tri-hybride » de 24 couches : 13 couches à convolution courte fermées, 5 couches d'attention à fenêtre coulissante avec une fenêtre de 256 jetons et 6 couches d'attention globale. La taille des noyaux de convolution est passée de 3 à 7, et de nouveaux mécanismes incluent une attention contrôlée par tête (une porte sigmoïde qui peut désactiver des têtes individuelles), un RoPE partiel sur les couches globales et une normalisation sandwich. La société affirme que les changements ajoutent de l’expressivité là où cela compte tout en gardant une inférence rapide sur un contexte long.
Formé sur 22 000 milliards de jetons
LFM3-1.7B-Base a été pré-entraîné sur 22 000 milliards de jetons, avec un mélange de données qui ajoute plus d'articles scientifiques, de code au niveau du référentiel et de mathématiques que LFM2. Les 3 500 milliards de jetons finaux forment une étape de formation intermédiaire sur des données organisées et de meilleure qualité qui sont lourdes de traces agentiques et d’appels d’outils divers – et cette étape étend également la fenêtre contextuelle à 256 000 jetons.
La post-formation s'est déroulée en quatre étapes : un réglage fin supervisé sur 1 750 milliards de jetons couvrant le chat, le raisonnement et l'appel d'outils ; apprentissage par renforcement mixte à travers les mathématiques, le code, SQL et les résultats structurés ; une distillation multi-domaines des politiques, dans laquelle six enseignants RL spécialisés (code, mathématiques, utilisation des outils, contexte long, travail agent et flux de travail d'entreprise) sont regroupés en un seul modèle ; et agentic RL, où les tâches allant de la navigation sur le Web au travail de bureau s'exécutent au sein de véritables harnais d'agents tels que Hermes Agent, Pi et OpenClaw.
Petit modèle, résultats agents adjacents à la frontière
Liquid AI affirme que le LFM3-1.7B surpasse son précédent LFM2.5-2.6B tout en utilisant 35 % de paramètres en moins. En ce qui concerne les évaluations agentiques, la société affirme que le modèle est leader en matière de suivi d'instructions et d'appel de fonctions dans BFCL et ToolSandbox, et bat le Qwen3.5-9B, beaucoup plus grand, sur les tâches de navigateur et d'applications professionnelles à long terme dans WebArena-Verified et AutomationBench. Les modèles plus grands gagnent toujours en termes de codage agent et de connaissances, bien que la société rapporte que la recherche d'outils double presque le score du petit modèle au dernier examen de l'humanité.
La vitesse est le titre. Mesuré avec llama.cpp avec une quantification de 4 bits et un contexte de 32 Ko, Liquid AI indique que le LFM3-1.7B était le modèle le plus rapide sur les trois appareils Edge testés, décodant 1,8 à 2,8 fois plus rapidement que le concurrent suivant tout en utilisant le moins de mémoire. Un contexte complet de 128 000 jetons nécessite environ 1,6 Go de cache KV, contre 4,3 Go pour Qwen3.5-4B et 5,6 Go pour MiniCPM5-2B, et le modèle tient dans environ 1 Go de mémoire avec une précision de 4 bits. Dans le centre de données, un seul NVIDIA B300 exécutant SGLang dans BF16 serait capable de produire 3,6 milliards de jetons par jour pour 1 024 requêtes simultanées. Pour montrer ce que ce débit permet, Liquid AI a exécuté plus de 300 000 agents LFM3-1.7B parallèles sur les archives de courrier électronique d'Enron à titre de démonstration.
Vision, audio et un premier modèle Omni
LFM3-VL-2B apporte un nouvel encodeur de vision interne avec 164 millions de paramètres qui, selon Liquid AI, utilise 3 fois moins de calcul que l'encodeur SigLIP2 des modèles de vision LFM précédents tout en correspondant à la précision de l'encodeur de Qwen3.5-2B avec 2,2 fois moins de FLOP. Sur 62 critères de vision, la société affirme que le modèle 2B obtient au moins 7,4 points d'avance sur tous les modèles de taille similaire, correspond au Gemma 4 12B – un modèle plus de six fois plus grand – surpasse le Gemini 3.5 Flash Lite et atterrit à moins de 2 points du GPT-5.6 Luna. C'est également le premier modèle de vision LFM à accepter l'entrée vidéo.
LFM3-Audio-2B gère la reconnaissance vocale, la synthèse et la traduction dans 18 langues, alimentées par un nouvel encodeur interne et un tokenizer appelé LiquidCodec qui convertit les jetons générés en parole environ 87 fois en temps réel sur un seul thread CPU. Avec l’entrée du microphone en streaming, le temps nécessaire pour obtenir le premier jeton peut être aussi faible que 50 millisecondes.
LFM3-Omni-2B, avec 2,2 milliards de paramètres, est le premier modèle omni de l'entreprise, combinant vision, audio et langage afin que les utilisateurs puissent poser des questions orales sur des images ou des vidéos avec un son synchronisé. Deux modèles de décision, d1-2B et d1-Omni-2B, ferment la famille : au lieu de générer des réponses de forme libre, ils répondent à de nombreuses questions saisies ou orales en une seule passe, chacune avec une probabilité calibrée, et prennent en charge des types de réponses structurés comme Point (dessiner un cadre englobant), Lire, Estimer et Choisir.
Conçu pour être spécialisé
Liquid AI positionne la famille comme un point de départ pour un réglage précis plutôt que comme un modèle frontière à usage général. Lors d'une démonstration, l'entreprise a peaufiné le LFM3-VL-2B sur environ 3 000 photos publiques de pales d'éoliennes afin de classer les défauts. Prêts à l'emploi, LFM3-VL-2B et GPT-6 Luna ont correctement identifié les types de défauts dans moins de 10 % des images de test ; après quelques heures d'entraînement sur un seul A100, le LFM3 affiné a atteint une précision de classification de 67 % et a amélioré la détection F1 de 0,003 à 0,11, contre 0,01 pour le GPT-6 Luna. La société a également publié les premières expériences robotiques couvrant l’orchestration d’outils, la navigation en langage visuel et la manipulation de bas niveau du bras robot.
Les partenaires de lancement du jour zéro incluent Ambarella, AMD, Arm, Intel via OpenVINO, NVIDIA, OpenRouter, Qualcomm via AI Hub et GenieX, et Vercel, avec Mercedes-Benz et Shopify participant aux tests préliminaires. Les environnements d'exécution communautaires, notamment llama.cpp, MLX, LM Studio, Ollama et vLLM, prennent en charge les modèles au lancement.
La publication souligne une division plus large de l’industrie : alors que les laboratoires pionniers recherchent des modèles généralistes de plus en plus grands, Liquid AI parie que des modèles petits, rapides et spécialisés – suffisamment bon marché pour être ajustés sur un GPU et suffisamment petits pour fonctionner localement – seront là où se trouvera une grande partie de la valeur pratique.
---
Restez à la Pointe de l'IALes dernières actualités, analyses et percées en IA — au même endroit.
Lire plus d'actualités IA →
