लिक्विड फाउंडेशन मॉडल लाइन के पीछे एमआईटी स्पिन-ऑफ लिक्विड एआई ने मंगलवार को एलएफएम3 की घोषणा की, जो ओपन-वेट मॉडल की एक नई पीढ़ी है जिसे कंपनी फोन, लैपटॉप, रोबोट और अन्य एज हार्डवेयर में "विशेष बुद्धिमत्ता" लाने के लिए बनाई गई है। रिलीज़ में 2बी-पैरामीटर रेंज में छह मॉडल शामिल हैं - टेक्स्ट, विज़न, ऑडियो, ओमनी और दो निर्णय मॉडल - सभी एक साझा एलएफएम3-1.7बी-बेस बैकबोन से शाखाबद्ध हैं और आज हगिंग फेस, लिक्विड एआई प्लेग्राउंड और कंपनी के एपीआई पर उपलब्ध हैं।

एजेंटों के लिए एक त्रि-हाइब्रिड वास्तुकला को पुनः डिज़ाइन किया गया For more context on this story, see our ongoing more AI stories.

एलएफएम2 ने स्थापित किया कि छोटे कनवल्शन और ध्यान का एक मिश्रण अधिक गुणवत्ता को छोड़े बिना डिवाइस पर तेजी से चल सकता है। एलएफएम3 के लिए, लिक्विड एआई ने एजेंटिक वर्कलोड को ध्यान में रखते हुए अपने स्वचालित हार्डवेयर-इन-द-लूप आर्किटेक्चर खोज को फिर से चलाया, एक फोन और एक लैपटॉप में सीपीयू से 14 डिवाइस और बैकएंड संयोजनों तक खोज स्थान का विस्तार किया। मापे गए हार्डवेयर में अब सैमसंग गैलेक्सी एस26 अल्ट्रा, वनप्लस 15, एक रास्पबेरी पाई 5, ऐप्पल का एम4 मैक्स, एएमडी रायज़ेन एआई लैपटॉप, आर्म और x86 क्लाउड सीपीयू, जीपीयू और क्वालकॉम का हेक्सागोन एनपीयू शामिल हैं।

परिणाम एक 24-परत "ट्राई-हाइब्रिड" स्टैक है: 13 गेटेड शॉर्ट-कन्वोल्यूशन परतें, 256-टोकन विंडो के साथ 5 स्लाइडिंग-विंडो ध्यान परतें, और 6 वैश्विक ध्यान परतें। कनवल्शन कर्नेल का आकार 3 से बढ़कर 7 हो गया है, और नए तंत्रों में हेड-वाइज गेटेड अटेंशन (एक सिग्मॉइड गेट जो अलग-अलग हेड को बंद कर सकता है), वैश्विक परतों पर आंशिक RoPE और सैंडविच सामान्यीकरण शामिल हैं। कंपनी का कहना है कि बदलाव लंबे संदर्भ के अनुमान को तेज रखते हुए जहां मायने रखता है वहां अभिव्यंजना जोड़ते हैं।

22 ट्रिलियन टोकन पर प्रशिक्षित

एलएफएम3-1.7बी-बेस को 22 ट्रिलियन टोकन पर पूर्व-प्रशिक्षित किया गया था, एक डेटा मिश्रण के साथ जो एलएफएम2 की तुलना में अधिक वैज्ञानिक पेपर, रिपॉजिटरी-स्तरीय कोड और गणित जोड़ता है। अंतिम 3.5 ट्रिलियन टोकन क्यूरेटेड, उच्च-गुणवत्ता वाले डेटा पर एक मध्य-प्रशिक्षण चरण बनाते हैं जो एजेंटिक ट्रेस और विविध टूल कॉल पर भारी होता है - और वह चरण संदर्भ विंडो को 256K टोकन तक भी विस्तारित करता है।

पोस्ट-ट्रेनिंग चार चरणों से गुज़री: चैट, रीज़निंग और टूल कॉलिंग तक फैले 1.75 ट्रिलियन टोकन पर पर्यवेक्षित फ़ाइन-ट्यूनिंग; गणित, कोड, एसक्यूएल और संरचित आउटपुट में मिश्रित सुदृढीकरण सीखना; मल्टी-डोमेन ऑन-पॉलिसी डिस्टिलेशन, जिसमें छह विशेषज्ञ आरएल शिक्षक (कोड, गणित, टूल उपयोग, लंबा संदर्भ, एजेंटिक कार्य और एंटरप्राइज़ वर्कफ़्लो) एक मॉडल में वापस डिस्टिल्ड होते हैं; और एजेंटिक आरएल, जहां वेब ब्राउजिंग से लेकर ऑफिस के काम तक के कार्य वास्तविक एजेंट हार्नेस जैसे हर्मीस एजेंट, पाई और ओपनक्लाव के अंदर चलते हैं।

छोटा मॉडल, फ्रंटियर-आसन्न एजेंट परिणाम

लिक्विड एआई का दावा है कि एलएफएम3-1.7बी 35 प्रतिशत कम मापदंडों का उपयोग करते हुए अपने पिछले एलएफएम2.5-2.6बी से बेहतर प्रदर्शन करता है। एजेंटिक मूल्यांकन पर, कंपनी का कहना है कि मॉडल बीएफसीएल और टूलसैंडबॉक्स में निर्देशों का पालन करने और फ़ंक्शन कॉलिंग में अग्रणी है, और वेबएरेना-सत्यापित और ऑटोमेशनबेंच में लंबे-क्षितिज ब्राउज़र और बिजनेस-ऐप कार्यों पर काफी बड़े Qwen3.5-9B को मात देता है। बड़े मॉडल अभी भी एजेंटिक कोडिंग और ज्ञान पर जीत हासिल करते हैं, हालांकि कंपनी की रिपोर्ट है कि टूल सर्च ह्यूमैनिटी की अंतिम परीक्षा में छोटे मॉडल के स्कोर को लगभग दोगुना कर देता है।

गति शीर्षक है. 4-बिट परिमाणीकरण और 32K संदर्भ में llama.cpp के साथ मापा गया, लिक्विड एआई का कहना है कि एलएफएम 3-1.7 बी सभी तीन परीक्षण किए गए एज डिवाइसों पर सबसे तेज़ मॉडल था, जो कम से कम मेमोरी का उपयोग करते हुए अगले प्रतियोगी की तुलना में 1.8 से 2.8 गुना तेजी से डिकोड करता था। पूर्ण 128K-टोकन संदर्भ के लिए लगभग 1.6 जीबी केवी कैश की आवश्यकता होती है, जबकि क्वेन3.5-4बी के लिए 4.3 जीबी और मिनीसीपीएम5-2बी के लिए 5.6 जीबी की आवश्यकता होती है, और मॉडल 4-बिट परिशुद्धता पर लगभग 1 जीबी मेमोरी में फिट बैठता है। डेटासेंटर में, BF16 में SGLang चलाने वाला एक एकल NVIDIA B300 कथित तौर पर 1,024 समवर्ती अनुरोधों पर प्रति दिन 3.6 बिलियन टोकन का उत्पादन कर सकता है। यह दिखाने के लिए कि वह थ्रूपुट क्या सक्षम बनाता है, लिक्विड एआई ने डेमो के रूप में एनरॉन ईमेल संग्रह पर 300,000 से अधिक समानांतर एलएफएम3-1.7बी एजेंटों को चलाया।

विजन, ऑडियो और पहला ओमनी मॉडल

LFM3-VL-2B 164 मिलियन मापदंडों के साथ एक नया इन-हाउस विज़न एनकोडर लाता है, जो लिक्विड AI के अनुसार, पिछले LFM विज़न मॉडल में SigLIP2 एनकोडर की तुलना में 3x कम गणना का उपयोग करता है, जबकि 2.2x कम FLOPs के साथ Qwen3.5-2B की एनकोडर सटीकता से मेल खाता है। 62 विज़न बेंचमार्क में, कंपनी का कहना है कि 2बी मॉडल सभी समान आकार के मॉडल से कम से कम 7.4 अंक आगे है, जेम्मा 4 12बी से मेल खाता है - छह गुना से अधिक बड़ा मॉडल - जेमिनी 3.5 फ्लैश लाइट से आगे है, और जीपीटी-5.6 लूना के 2 अंक के भीतर है। यह वीडियो इनपुट स्वीकार करने वाला पहला एलएफएम विज़न मॉडल भी है।

एलएफएम3-ऑडियो-2बी 18 भाषाओं में वाक् पहचान, संश्लेषण और अनुवाद को संभालता है, जो एक नए इन-हाउस एनकोडर और लिक्विडकोडेक नामक टोकनाइज़र द्वारा संचालित होता है जो उत्पन्न टोकन को एक सीपीयू थ्रेड पर लगभग 87x वास्तविक समय पर वाक् में परिवर्तित करता है। स्ट्रीमिंग माइक्रोफ़ोन इनपुट के साथ, पहले टोकन का समय 50 मिलीसेकंड तक कम हो सकता है।

एलएफएम3-ओमनी-2बी, 2.2 बिलियन मापदंडों पर, कंपनी का पहला ओमनी मॉडल है, जो दृष्टि, ऑडियो और भाषा को जोड़ता है ताकि उपयोगकर्ता छवियों के बारे में या सिंक्रनाइज़ ध्वनि के साथ वीडियो के बारे में बोले गए प्रश्न पूछ सकें। दो निर्णय मॉडल, डी1-2बी और डी1-ओमनी-2बी, परिवार को बंद कर देते हैं: फ्री-फॉर्म उत्तर उत्पन्न करने के बजाय, वे एक ही फॉरवर्ड पास में कई टाइप किए गए या बोले गए प्रश्नों का उत्तर देते हैं, प्रत्येक एक कैलिब्रेटेड संभावना के साथ, और प्वाइंट (एक बाउंडिंग बॉक्स बनाएं), पढ़ें, अनुमान लगाएं और चुनें जैसे संरचित उत्तर प्रकारों का समर्थन करते हैं।

विशेषीकृत होने के लिए निर्मित

लिक्विड एआई परिवार को सामान्य प्रयोजन फ्रंटियर मॉडल के बजाय फाइन-ट्यूनिंग के लिए शुरुआती बिंदु के रूप में रखता है। एक प्रदर्शन में, कंपनी ने दोषों को वर्गीकृत करने के लिए पवन टरबाइन ब्लेड की लगभग 3,000 सार्वजनिक तस्वीरों पर LFM3-VL-2B को ठीक किया। बॉक्स से बाहर, एलएफएम3-वीएल-2बी और जीपीटी-6 लूना दोनों ने 10 प्रतिशत से कम परीक्षण छवियों में दोष प्रकारों की सही पहचान की; एकल A100 पर कुछ घंटों के प्रशिक्षण के बाद, फाइन-ट्यून किया गया LFM3 67 प्रतिशत वर्गीकरण सटीकता तक पहुंच गया और GPT-6 लूना के लिए 0.01 की तुलना में F1 का पता लगाने में 0.003 से 0.11 तक सुधार हुआ। कंपनी ने टूल ऑर्केस्ट्रेशन, विज़न-लैंग्वेज नेविगेशन और निम्न-स्तरीय रोबोट-आर्म हेरफेर को कवर करने वाले शुरुआती रोबोटिक्स प्रयोग भी प्रकाशित किए।

डे-ज़ीरो लॉन्च साझेदारों में अंबरेला, एएमडी, आर्म, इंटेल के माध्यम से ओपनविनो, एनवीडिया, ओपनराउटर, क्वालकॉम के माध्यम से एआई हब और जेनीएक्स और वर्सेल शामिल हैं, जिसमें मर्सिडीज-बेंज और शॉपिफाई प्री-रिलीज़ परीक्षण में भाग ले रहे हैं। llama.cpp, MLX, LM Studio, Ollama और vLLM सहित सामुदायिक रनटाइम लॉन्च के समय मॉडल का समर्थन करते हैं।

रिलीज एक व्यापक उद्योग विभाजन को रेखांकित करता है: जैसे कि फ्रंटियर प्रयोगशालाएं बड़े सामान्यवादी मॉडल का पीछा करती हैं, लिक्विड एआई यह शर्त लगा रहा है कि छोटे, तेज़, विशेष मॉडल - एक जीपीयू पर फाइन-ट्यून करने के लिए काफी सस्ते और स्थानीय स्तर पर चलाने के लिए पर्याप्त छोटे - जहां अधिकांश व्यावहारिक मूल्य भूमि होगी।

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →