Liquid AI ដែលជា MIT spin-off នៅពីក្រោយ Liquid Foundation Models line បានប្រកាស LFM3 កាលពីថ្ងៃអង្គារ ដែលជាជំនាន់ថ្មីនៃម៉ូដែលទម្ងន់បើកចំហដែលត្រូវបានបង្កើតឡើងដើម្បីនាំយកអ្វីដែលក្រុមហ៊ុនហៅថា "specialized intelligence" ទៅកាន់ទូរស័ព្ទ កុំព្យូទ័រយួរដៃ មនុស្សយន្ត និងផ្នែករឹងគែមផ្សេងទៀត។ ការចេញផ្សាយនេះគ្របដណ្តប់លើម៉ូដែលចំនួនប្រាំមួយនៅក្នុងជួរប៉ារ៉ាម៉ែត្រ 2B - អត្ថបទ ចក្ខុវិស័យ អូឌីយ៉ូ omni និងគំរូការសម្រេចចិត្តពីរ - ទាំងអស់ត្រូវបានសាខាចេញពីឆ្អឹងខ្នង LFM3-1.7B-Base ដែលបានចែករំលែក ហើយមានថ្ងៃនេះនៅលើ Hugging Face, Liquid AI Playground និង API របស់ក្រុមហ៊ុន។

ស្ថាបត្យកម្ម Tri-Hybrid រចនាឡើងវិញសម្រាប់ភ្នាក់ងារ For more context on this story, see our ongoing breaking AI news.

LFM2 បានបង្កើតឡើងថា កូនកាត់នៃការបង្វិល និងការយកចិត្តទុកដាក់ខ្លីអាចដំណើរការបានយ៉ាងលឿននៅលើឧបករណ៍ដោយមិនបោះបង់គុណភាពច្រើន។ សម្រាប់ LFM3 Liquid AI ដំណើរការការស្វែងរកស្ថាបត្យកម្មផ្នែករឹងក្នុងរង្វង់ដោយស្វ័យប្រវត្តិជាមួយនឹងបន្ទុកការងារនៅក្នុងចិត្ត ដោយពង្រីកទំហំស្វែងរកពីស៊ីភីយូនៅក្នុងទូរស័ព្ទមួយ និងកុំព្យូទ័រយួរដៃមួយទៅឧបករណ៍ 14 និងបន្សំផ្នែកខាងក្រោយ។ ផ្នែករឹងដែលបានវាស់វែងឥឡូវនេះរួមមាន Samsung Galaxy S26 Ultra, OnePlus 15, Raspberry Pi 5, M4 Max របស់ Apple, កុំព្យូទ័រយួរដៃ AMD Ryzen AI, Arm និង x86 cloud CPUs, GPUs និង Qualcomm's Hexagon NPU ។

លទ្ធផលគឺជង់ "បីកូនកាត់" ចំនួន 24 ស្រទាប់៖ ស្រទាប់កាត់ខ្លីចំនួន 13 ស្រទាប់ ស្រទាប់យកចិត្តទុកដាក់លើបង្អួចចំនួន 5 ជាមួយនឹងបង្អួច 256-token និង 6 ស្រទាប់យកចិត្តទុកដាក់ជាសកល។ ទំហំខឺណែល Convolution បានកើនឡើងពី 3 ទៅ 7 ហើយយន្តការថ្មីរួមមានការយកចិត្តទុកដាក់លើក្បាល (ច្រក sigmoid ដែលអាចបិទក្បាលបុគ្គល) RoPE ផ្នែកនៅលើស្រទាប់សកល និងការធ្វើឱ្យសាំងវិចមានលក្ខណៈធម្មតា។ ក្រុមហ៊ុននិយាយថាការផ្លាស់ប្តូរបន្ថែមការបញ្ចេញមតិដែលជាកន្លែងដែលវារាប់ខណៈពេលដែលរក្សាការសន្និដ្ឋានបរិបទវែងយ៉ាងឆាប់រហ័ស។

បានបណ្តុះបណ្តាលលើ 22 Trillion Tokens

LFM3-1.7B-Base ត្រូវបានបណ្តុះបណ្តាលជាមុនលើសញ្ញាសម្ងាត់ 22 ពាន់ពាន់លាន ជាមួយនឹងការលាយទិន្នន័យដែលបន្ថែមឯកសារវិទ្យាសាស្ត្រ លេខកូដកម្រិតឃ្លាំង និងគណិតវិទ្យាជាង LFM2 ។ ថូខឹន 3.5 ពាន់ពាន់លានចុងក្រោយបង្កើតជាដំណាក់កាលបណ្តុះបណ្តាលពាក់កណ្តាលនៅលើទិន្នន័យដែលមានគុណភាពខ្ពស់ដែលត្រូវបានរៀបចំឡើង ដែលធ្ងន់លើការតាមដានភ្នាក់ងារ និងការហៅឧបករណ៍ចម្រុះ — ហើយដំណាក់កាលនោះក៏ពង្រីកវិនដូបរិបទដល់ 256K tokens ផងដែរ។

ក្រោយការបណ្តុះបណ្តាលបានដំណើរការឆ្លងកាត់បួនដំណាក់កាល៖ ការត្រួតពិនិត្យការកែតម្រូវលើសញ្ញាសម្ងាត់ 1.75 ពាន់ពាន់លានដែលលាតសន្ធឹងលើការជជែក ការវែកញែក និងការហៅឧបករណ៍។ ការ​រៀន​ពង្រឹង​ចម្រុះ​នៅ​ទូទាំង​គណិតវិទ្យា កូដ SQL និង​លទ្ធផល​រចនាសម្ព័ន្ធ; ការចម្រាញ់តាមគោលការណ៍ពហុដែន ដែលក្នុងនោះគ្រូ RL ឯកទេសចំនួនប្រាំមួយនាក់ (កូដ គណិតវិទ្យា ការប្រើប្រាស់ឧបករណ៍ បរិបទវែង ការងារភ្នាក់ងារ និងលំហូរការងាររបស់សហគ្រាស) ត្រូវបានបង្កាត់ទៅជាគំរូតែមួយ។ និងភ្នាក់ងារ RL ដែលភារកិច្ចពីការរុករកតាមអ៊ីនធឺណិតទៅការងារការិយាល័យដំណើរការនៅក្នុងខ្សែភ្នាក់ងារពិតប្រាកដដូចជា Hermes Agent, Pi និង OpenClaw ។

គំរូតូច លទ្ធផលភ្នាក់ងារជាប់ព្រំដែន

Liquid AI អះអាងថា LFM3-1.7B ដំណើរការបានល្អជាង LFM2.5-2.6B មុនរបស់វា ខណៈពេលដែលប្រើប៉ារ៉ាម៉ែត្រតិចជាង 35 ភាគរយ។ លើការវាយតម្លៃភ្នាក់ងារ ក្រុមហ៊ុននិយាយថា គំរូនេះនាំមុខលើការណែនាំ និងមុខងារហៅទូរសព្ទក្នុង BFCL និង ToolSandbox ហើយយកឈ្នះ Qwen3.5-9B ដែលមានទំហំធំជាងនៅលើកម្មវិធីរុករកតាមអ៊ីនធឺណិត និងកិច្ចការកម្មវិធីអាជីវកម្មនៅក្នុង WebArena-Verified និង AutomationBench។ ម៉ូដែលធំ ៗ នៅតែឈ្នះលើការសរសេរកូដភ្នាក់ងារ និងចំណេះដឹង ទោះបីជាក្រុមហ៊ុនរាយការណ៍ថាការស្វែងរកឧបករណ៍ធ្វើឱ្យពិន្ទុរបស់គំរូតូចជិតពីរដងលើការប្រឡងចុងក្រោយរបស់មនុស្សជាតិក៏ដោយ។

ល្បឿនគឺជាចំណងជើង។ វាស់វែងជាមួយ llama.cpp នៅ 4-bit quantization និងបរិបទ 32K Liquid AI និយាយថា LFM3-1.7B គឺជាគំរូលឿនបំផុតនៅលើឧបករណ៍គែមដែលបានសាកល្បងទាំងបី ដោយធ្វើការឌិកូដពី 1.8 ទៅ 2.8 ដងលឿនជាងដៃគូប្រកួតប្រជែងបន្ទាប់ ខណៈពេលដែលប្រើអង្គចងចាំតិចបំផុត។ បរិបទ 128K-token ពេញលេញត្រូវការឃ្លាំងសម្ងាត់ KV ប្រហែល 1.6 GB ធៀបនឹង 4.3 GB សម្រាប់ Qwen3.5-4B និង 5.6 GB សម្រាប់ MiniCPM5-2B ហើយម៉ូដែលនេះសមនឹងអង្គចងចាំប្រហែល 1 GB នៅភាពជាក់លាក់ 4 ប៊ីត។ នៅក្នុងមជ្ឈមណ្ឌលទិន្នន័យ NVIDIA B300 តែមួយដែលដំណើរការ SGLang នៅក្នុង BF16 តាមសេចក្តីរាយការណ៍អាចផលិតថូខឹនចំនួន 3.6 ពាន់លានក្នុងមួយថ្ងៃតាមសំណើចំនួន 1,024 ។ ដើម្បីបង្ហាញពីអ្វីដែលដំណើរការនេះអនុញ្ញាត Liquid AI បានដំណើរការភ្នាក់ងារ LFM3-1.7B ប៉ារ៉ាឡែលជាង 300,000 នៅលើបណ្ណសារអ៊ីមែល Enron ជាការបង្ហាញមួយ។

ចក្ខុវិស័យ អូឌីយ៉ូ និងគំរូ Omni ដំបូង

LFM3-VL-2B នាំមកជូននូវឧបករណ៍បំប្លែងចក្ខុវិស័យក្នុងផ្ទះថ្មីជាមួយនឹងប៉ារ៉ាម៉ែត្រ 164 លានដែលយោងទៅតាម Liquid AI ប្រើការគណនាតិចជាង 3 ដងនៃកម្មវិធីបំលែងកូដ SigLIP2 នៅក្នុងគំរូចក្ខុវិស័យ LFM មុនខណៈពេលដែលត្រូវគ្នានឹងភាពត្រឹមត្រូវនៃការអ៊ិនកូដរបស់ Qwen3.5-2B ជាមួយនឹង FLOPs តិចជាង 2.2x ។ នៅទូទាំង 62 គំនូសតាងចក្ខុវិស័យ ក្រុមហ៊ុននិយាយថា ម៉ូដែល 2B ទទួលបានពិន្ទុយ៉ាងតិច 7.4 នាំមុខម៉ូដែលដែលមានទំហំស្រដៀងគ្នាទាំងអស់ ដែលត្រូវគ្នានឹង Gemma 4 12B ដែលជាគំរូធំជាង 6 ដង - លើសពី Gemini 3.5 Flash Lite ហើយស្ថិតនៅក្នុង 2 ពិន្ទុនៃ GPT-5.6 Luna ។ វាក៏ជាគំរូចក្ខុវិស័យ LFM ដំបូងគេដែលទទួលយកការបញ្ចូលវីដេអូ។

LFM3-Audio-2B គ្រប់គ្រងការទទួលស្គាល់ការនិយាយ ការសំយោគ និងការបកប្រែទូទាំង 18 ភាសា ដែលដំណើរការដោយកម្មវិធីបំប្លែងកូដខាងក្នុងថ្មី និងសញ្ញាសម្ងាត់ហៅថា LiquidCodec ដែលបំប្លែងនិមិត្តសញ្ញាដែលបានបង្កើតទៅជាការនិយាយនៅពេលវេលាពិតប្រហែល 87x នៅលើខ្សែ CPU តែមួយ។ ជាមួយនឹងការបញ្ចូលមីក្រូហ្វូនស្ទ្រីម ពេលវេលាទៅសញ្ញាសម្ងាត់ដំបូងអាចទាបរហូតដល់ 50 មីលីវិនាទី។

LFM3-Omni-2B ដែលមានប៉ារ៉ាម៉ែត្រ 2.2 ពាន់លានគឺជាគំរូ omni ដំបូងរបស់ក្រុមហ៊ុនដែលរួមបញ្ចូលគ្នានូវចក្ខុវិស័យ អូឌីយ៉ូ និងភាសា ដូច្នេះអ្នកប្រើប្រាស់អាចសួរសំណួរនិយាយអំពីរូបភាព ឬអំពីវីដេអូជាមួយនឹងសំឡេងដែលធ្វើសមកាលកម្ម។ គំរូការសម្រេចចិត្តពីរគឺ d1-2B និង d1-Omni-2B បិទគ្រួសារ៖ ជំនួសឱ្យការបង្កើតចម្លើយក្នុងទម្រង់ឥតគិតថ្លៃ ពួកគេឆ្លើយសំណួរដែលបានវាយបញ្ចូល ឬនិយាយជាច្រើននៅក្នុងការបញ្ជូនបន្តតែមួយ ដែលនីមួយៗមានប្រូបាប៊ីលីតេដែលបានក្រិតតាមខ្នាត និងគាំទ្រប្រភេទចម្លើយដែលមានរចនាសម្ព័ន្ធដូចជា ចំណុច (គូរប្រអប់កំណត់) អាន ការប៉ាន់ស្មាន និងជ្រើសរើស។

សាងសង់ឡើងដើម្បីជាឯកទេស

Liquid AI ដាក់ទីតាំងគ្រួសារជាចំណុចចាប់ផ្តើមសម្រាប់ការកែតម្រូវជាជាងគំរូព្រំដែនដែលមានគោលបំណងទូទៅ។ នៅក្នុងការបង្ហាញមួយ ក្រុមហ៊ុនបានកែសម្រួល LFM3-VL-2B លើរូបថតសាធារណៈប្រហែល 3,000 នៃដាវទួរប៊ីនខ្យល់ ដើម្បីចាត់ថ្នាក់ពិការភាព។ ចេញពីប្រអប់ ទាំង LFM3-VL-2B និង GPT-6 Luna បានកំណត់យ៉ាងត្រឹមត្រូវនូវប្រភេទពិការភាពក្នុងរូបភាពសាកល្បងតិចជាង 10 ភាគរយ។ បន្ទាប់ពីការហ្វឹកហ្វឺនពីរបីម៉ោងលើ A100 តែមួយ LFM3 ដែលបានកែសំរួលបានឈានដល់ភាពត្រឹមត្រូវនៃការចាត់ថ្នាក់ 67 ភាគរយ និងធ្វើអោយការរកឃើញ F1 ប្រសើរឡើងពី 0.003 ទៅ 0.11 បើធៀបនឹង 0.01 សម្រាប់ GPT-6 Luna ។ ក្រុមហ៊ុនក៏បានបោះពុម្ពផ្សាយការពិសោធន៍មនុស្សយន្តដំបូងបង្អស់ដែលគ្របដណ្តប់លើការរៀបចំឧបករណ៍ ការរុករកជាភាសានៃចក្ខុវិស័យ និងការគ្រប់គ្រងមនុស្សយន្តកម្រិតទាប។

ដៃគូបើកដំណើរការ Day-zero រួមមាន Ambarella, AMD, Arm, Intel តាមរយៈ OpenVINO, NVIDIA, OpenRouter, Qualcomm តាមរយៈ AI Hub និង GenieX និង Vercel ជាមួយនឹង Mercedes-Benz និង Shopify ចូលរួមក្នុងការសាកល្បងមុនការចេញផ្សាយ។ ពេលវេលាដំណើរការសហគមន៍រួមមាន llama.cpp, MLX, LM Studio, Ollama, និង vLLM គាំទ្រម៉ូដែលនៅពេលចាប់ផ្តើម។

ការចេញផ្សាយនេះគូសបញ្ជាក់ពីការបំបែកឧស្សាហកម្មកាន់តែទូលំទូលាយ៖ នៅពេលដែលមន្ទីរពិសោធន៍ព្រំដែនដេញតាមគំរូទូទៅដែលមានទំហំធំជាងមុន Liquid AI កំពុងភ្នាល់ថាម៉ូដែលឯកទេសតូច លឿន និងថោក - ថោកល្មមអាចលៃតម្រូវបាននៅលើ GPU មួយ និងតូចល្មមសម្រាប់ដំណើរការក្នុងមូលដ្ឋាន - នឹងជាកន្លែងដែលតម្លៃជាក់ស្តែងជាច្រើនបានទៅដល់។

---

Stay Ahead of AI

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

Read more AI news →