Liquid Foundation Modelsラインを支えるMITのスピンオフであるLiquid AIは火曜日、同社が「特化したインテリジェンス」と呼ぶものを電話、ラップトップ、ロボット、その他のエッジハードウェアにもたらすために構築された新世代のオープンウェイトモデルであるLFM3を発表した。このリリースでは、2B パラメータ範囲の 6 つのモデル (テキスト、ビジョン、オーディオ、オムニ、および 2 つの意思決定モデル) がカバーされています。これらはすべて共有 LFM3-1.7B-Base バックボーンから分岐しており、Hugging Face、Liquid AI Playground、および同社の API で現在利用可能です。
エージェント向けに再設計されたトライハイブリッド アーキテクチャ この件の詳細は、AIの最新動向をご覧ください。
LFM2 は、短いコンボリューションと注意力のハイブリッドが、品質をあまり犠牲にすることなくデバイス上で高速に実行できることを確立しました。 LFM3 では、Liquid AI は、エージェント ワークロードを念頭に置いて自動ハードウェアインザループ アーキテクチャ検索を再実行し、検索スペースを 1 台の電話機と 1 台のラップトップの CPU から 14 のデバイスとバックエンドの組み合わせに拡張しました。測定されたハードウェアには、Samsung Galaxy S26 Ultra、OnePlus 15、Raspberry Pi 5、Apple の M4 Max、AMD Ryzen AI ラップトップ、Arm および x86 クラウド CPU、GPU、および Qualcomm の Hexagon NPU が含まれます。
その結果、24 層の「トリハイブリッド」スタックが形成されます。13 個のゲート付きショートコンボリューション層、256 トークン ウィンドウを持つ 5 個のスライディング ウィンドウ アテンション層、および 6 個のグローバル アテンション層です。コンボリューション カーネル サイズは 3 から 7 に増加し、新しいメカニズムには、ヘッドワイズ ゲート アテンション (個々のヘッドをオフにできるシグモイド ゲート)、グローバル レイヤーでの部分的な RoPE、およびサンドイッチ正規化が含まれます。同社によれば、この変更により、長いコンテキストの推論を高速に保ちながら、重要な箇所に表現力が追加されるという。
22 兆トークンでトレーニング
LFM3-1.7B-Base は、LFM2 よりも多くの科学論文、リポジトリ レベルのコード、数学を追加したデータ ミックスを使用して、22 兆のトークンで事前トレーニングされました。最後の 3 兆 5,000 億トークンは、エージェント トレースとさまざまなツール呼び出しに重点を置く、厳選された高品質のデータに関する中間トレーニング ステージを形成します。また、このステージでは、コンテキスト ウィンドウが 256,000 トークンに拡張されます。
トレーニング後のトレーニングは 4 つの段階を経て行われました。チャット、推論、ツール呼び出しにわたる 1 兆 7,500 億のトークンに対する監督下での微調整です。数学、コード、SQL、構造化出力にわたる混合強化学習。マルチドメインのポリシーに関する蒸留。6 人の RL 専門教師 (コード、数学、ツールの使用、長いコンテキスト、エージェントの作業、エンタープライズ ワークフロー) が 1 つのモデルに蒸留されます。エージェント RL では、Web ブラウジングから事務作業までのタスクが、Hermes Agent、Pi、OpenClaw などの実際のエージェント ハーネス内で実行されます。
小規模モデル、フロンティア隣接エージェントの結果
Liquid AI は、LFM3-1.7B が以前の LFM2.5-2.6B を上回り、使用するパラメーターを 35% 削減したと主張しています。同社によると、エージェントの評価では、このモデルは BFCL と ToolSandbox での命令フォローと関数呼び出しでリードしており、WebArena-Verified と AutomationBench での長期のブラウザーとビジネス アプリのタスクでは大幅に大きい Qwen3.5-9B を上回っています。エージェントのコーディングと知識では依然として大規模モデルが勝利を収めていますが、同社の報告によると、ツール検索により人類最後の試験における小規模モデルのスコアはほぼ 2 倍になっています。
スピードが見出しです。 4 ビット量子化および 32K コンテキストで llama.cpp を使用して測定したところ、Liquid AI によると、LFM3-1.7B は、テストした 3 つのエッジ デバイスすべてで最速のモデルであり、メモリ使用量を最小限に抑えながら、次の競合製品よりも 1.8 ～ 2.8 倍速くデコードできました。完全な 128K トークン コンテキストには約 1.6 GB の KV キャッシュが必要ですが、Qwen3.5-4B では 4.3 GB、MiniCPM5-2B では 5.6 GB が必要で、このモデルは 4 ビット精度で約 1 GB のメモリに収まります。データセンターでは、BF16 で SGLang を実行する 1 台の NVIDIA B300 が、1,024 の同時リクエストで 1 日あたり 36 億のトークンを生成できると報告されています。このスループットが何を可能にするかを示すために、Liquid AI はエンロンの電子メール アーカイブ上で 300,000 を超える並列 LFM3-1.7B エージェントをデモとして実行しました。
ビジョン、オーディオ、そして最初のオムニ モデル
LFM3-VL-2B は、1 億 6,400 万のパラメータを備えた新しい自社製ビジョン エンコーダをもたらします。Liquid AI によれば、これは、以前の LFM ビジョン モデルの SigLIP2 エンコーダよりも 3 分の 1 のコンピューティング使用量を削減しながら、Qwen3.5-2B のエンコーダ精度と同等の 2.2 分の 1 の FLOP を実現します。同社によると、62のビジョンベンチマーク全体で、2Bモデルはすべての同様のサイズのモデルよりも少なくとも7.4ポイント優れており、6倍以上大きいモデルであるGemma 4 12Bに匹敵し、Gemini 3.5 Flash Liteを上回り、GPT-5.6 Lunaの2ポイント以内に位置しているという。また、ビデオ入力を受け入れる最初の LFM ビジョン モデルでもあります。
LFM3-Audio-2B は、新しい社内エンコーダーと、生成されたトークンを単一の CPU スレッドで約 87 倍のリアルタイムで音声に変換する LiquidCodec と呼ばれるトークナイザーを利用して、18 言語にわたる音声認識、合成、翻訳を処理します。ストリーミング マイク入力を使用すると、最初のトークンまでの時間は 50 ミリ秒程度に短縮されます。
22 億パラメータの LFM3-Omni-2B は、視覚、音声、言語を組み合わせた同社初のオムニ モデルで、ユーザーは同期したサウンドで画像やビデオについて音声で質問できます。 d1-2B と d1-Omni-2B の 2 つの意思決定モデルは、このファミリーを完成させます。自由形式の回答を生成する代わりに、1 回の順方向パスで多くの入力または口頭の質問に、それぞれが調整された確率で回答し、ポイント (境界ボックスを描く)、読み取り、推定、ピックなどの構造化された回答タイプをサポートします。
特化するように構築
Liquid AI は、このファミリーを汎用のフロンティア モデルではなく、微調整の開始点として位置づけています。あるデモンストレーションでは、同社は風力タービンブレードの約 3,000 枚の公開写真を基に LFM3-VL-2B を微調整して欠陥を分類しました。箱から出してすぐに使える LFM3-VL-2B と GPT-6 Luna はどちらも、テスト画像の 10% 未満で欠陥タイプを正確に識別しました。単一の A100 で数時間トレーニングした後、微調整された LFM3 は 67% の分類精度に達し、GPT-6 Luna の 0.01 と比較して、検出 F1 が 0.003 から 0.11 に向上しました。同社はまた、ツールオーケストレーション、視覚言語ナビゲーション、および低レベルのロボットアーム操作を対象とした初期のロボット工学実験も公開しました。
デイゼロローンチパートナーには、Ambarella、AMD、Arm、OpenVINO 経由の Intel、NVIDIA、OpenRouter、AI Hub と GenieX 経由の Qualcomm、および Vercel が含まれており、Mercedes-Benz と Shopify がプレリリース テストに参加しています。 llama.cpp、MLX、LM Studio、Ollama、vLLM などのコミュニティ ランタイムは、起動時にモデルをサポートします。
このリリースは、業界の広範な分裂を浮き彫りにしている。フロンティアラボがこれまで以上に大規模なジェネラリストモデルを追いかける中、Liquid AIは、小型で高速で特化したモデル（1つのGPUで微調整できるほど安価で、ローカルで実行できるほど小さいモデル）が実用的な価値の多くを生み出す場所になるだろうと賭けている。
---
AIの最新情報をお届けAIの最新ニュース、分析、ブレイクスルーを一箇所で。
AIニュースをもっと読む →
