Liquid Foundation Models လိုင်းနောက်ကွယ်ရှိ MIT မှ အလှည့်အပြောင်းဖြစ်သော Liquid AI သည် ကုမ္ပဏီမှ ဖုန်းများ၊ လက်ပ်တော့များ၊ စက်ရုပ်များနှင့် အခြားအစွန်းထွက် ဟာ့ဒ်ဝဲများထံ သယ်ဆောင်လာစေရန် တည်ဆောက်ထားသော အဝိတ်မော်ဒယ်အသစ်ဖြစ်သော LFM3 ကို အင်္ဂါနေ့တွင် ကြေညာခဲ့သည်။ ထုတ်ဝေမှုတွင် 2B-ပါရာမီတာအကွာအဝေးတွင် မော်ဒယ်ခြောက်ခုပါဝင်သည် — စာသား၊ အမြင်၊ အသံ၊ omni နှင့် ဆုံးဖြတ်ချက်မော်ဒယ်နှစ်ခု — အားလုံးသည် မျှဝေထားသော LFM3-1.7B-Base ကျောရိုးမှခွဲထွက်ပြီး Hugging Face၊ Liquid AI Playground နှင့် ကုမ္ပဏီ API တို့တွင် ယနေ့ရရှိနိုင်သည်။
အေးဂျင့်များအတွက် ပြန်လည်ဒီဇိုင်းထုတ်ထားသည့် Tri-Hybrid Architecture For more context on this story, see our ongoing AI trends.
LFM2 သည် တိုတောင်းသော convolutions နှင့် အာရုံစူးစိုက်မှု ပေါင်းစပ်ထားသော အရည်အသွေးများစွာကို စွန့်လွှတ်ခြင်းမရှိဘဲ စက်ပေါ်တွင် လျင်မြန်စွာ လည်ပတ်နိုင်စေရန် ဖန်တီးထားသည်။ LFM3 အတွက်၊ Liquid AI သည် ၎င်း၏ အလိုအလျောက် ဟာ့ဒ်ဝဲ-စက်ဝိုင်း ဗိသုကာလက်ရာ ရှာဖွေမှုအား အေးဂျင့်အလုပ်များနှင့်အတူ ပြန်လည်လုပ်ဆောင်ပြီး ဖုန်းတစ်လုံးရှိ CPU များနှင့် လက်ပ်တော့တစ်လုံးမှ ရှာဖွေမှုနေရာကို ချဲ့ထွင်ကာ စက် 14 ခုနှင့် နောက်ခံပေါင်းစပ်မှုများကို ချဲ့ထွင်ခဲ့သည်။ ယခုတိုင်းတာထားသော ဟာ့ဒ်ဝဲတွင် Samsung Galaxy S26 Ultra၊ OnePlus 15၊ Raspberry Pi 5၊ Apple ၏ M4 Max၊ AMD Ryzen AI လက်တော့ပ်များ၊ Arm နှင့် x86 cloud CPU၊ GPU နှင့် Qualcomm ၏ Hexagon NPU တို့ ပါဝင်သည်။
ရလဒ်မှာ 24-layer "tri-hybrid" stack ဖြစ်သည်- 13-gated short-convolution layers, sliding-window အာရုံခံအလွှာ 5 ခု၊ 256-token window တစ်ခုနှင့် global focus layer 6 ခု။ Convolution kernel အရွယ်အစားများသည် 3 မှ 7 အထိ တိုးလာပြီး ယန္တရားအသစ်များတွင် head-wise gated focus (တစ်ဦးချင်းခေါင်းများကိုပိတ်နိုင်သော sigmoid gate)၊ global layers ပေါ်ရှိ တစ်စိတ်တစ်ပိုင်း RoPE နှင့် sandwich normalization တို့ပါဝင်သည်။ ရှည်လျားသောအကြောင်းအရာ ကောက်ချက်ချခြင်းကို မြန်ဆန်စွာ ထိန်းသိမ်းထားစဉ် အပြောင်းအလဲများသည် ရေတွက်နိုင်သော ဖော်ပြနိုင်စွမ်းကို ပေါင်းထည့်သည်ဟု ကုမ္ပဏီက ဆိုသည်။
22 Trillion Tokens တွင် လေ့ကျင့်ထားသည်။
LFM3-1.7B-Base သည် LFM2 ထက် ပိုမိုများပြားသော သိပ္ပံနည်းကျစာရွက်များ၊ သိုလှောင်မှုအဆင့်ကုဒ်နှင့် သင်္ချာတို့ကို LFM2 ထက် ဒေတာရောနှောပေါင်းစပ်ခြင်းဖြင့် တိုကင် 22 ထရီလီယံတွင် ကြိုတင်လေ့ကျင့်ထားသည်။ နောက်ဆုံး 3.5 ထရီလီယံ တိုကင်များသည် အေးဂျင့်ခြေရာခံများနှင့် မတူကွဲပြားသောကိရိယာခေါ်ဆိုမှုများတွင် လေးလံသော အရည်အသွေးမြင့် ဒေတာများကို စုစည်းထားသော အလယ်အလတ်အဆင့် လေ့ကျင့်ရေးအဆင့်အဖြစ် ဖွဲ့စည်းထားကာ — ၎င်းအဆင့်သည် ဆက်စပ်ဝင်းဒိုးကိုလည်း 256K တိုကင်များအထိ တိုးချဲ့ထားသည်။
လေ့ကျင့်မှုအပြီး အဆင့်လေးဆင့်ဖြင့် လုပ်ဆောင်ခဲ့သည်- 1.75 ထရီလီယံ တိုကင်များပေါ်တွင် ချတ်၊ ကျိုးကြောင်းဆင်ခြင်ခြင်းနှင့် ကိရိယာခေါ်ဆိုခြင်းတို့ကို ကြီးကြပ်ခဲ့သည်။ သင်္ချာ၊ ကုဒ်၊ SQL နှင့် ဖွဲ့စည်းတည်ဆောက်ထားသော ရလဒ်များတစ်လျှောက် ရောစပ်အားဖြည့်သင်ကြားမှု၊ Multi-domain on-policy ပေါင်းခံခြင်းတွင် အထူးကျွမ်းကျင် RL ဆရာခြောက်ဦး (ကုဒ်၊ သင်္ချာ၊ ကိရိယာအသုံးပြုမှု၊ ရှည်လျားသော အကြောင်းအရာ၊ အေးဂျင့်အလုပ်နှင့် လုပ်ငန်းအသွားအလာများ) ကို မော်ဒယ်တစ်ခုအဖြစ်သို့ ပြန်လည် ပေါင်းခံထားပါသည်။ ဝဘ်ရှာဖွေခြင်းမှ ရုံးလုပ်ငန်းအထိ အလုပ်များကို Hermes Agent၊ Pi နှင့် OpenClaw ကဲ့သို့သော စစ်မှန်သော အေးဂျင့်ကြိုးများအတွင်းတွင် လုပ်ဆောင်သည့် Agentic RL။
ပုံစံငယ်၊ Frontier-Adjacent Agentic ရလဒ်များ
Liquid AI က LFM3-1.7B သည် ၎င်း၏ ယခင် LFM2.5-2.6B ထက် ၃၅ ရာခိုင်နှုန်း ပိုနည်းသော ကန့်သတ်ဘောင်များကို အသုံးပြုထားသည်ဟု ဆိုထားသည်။ အေးဂျင့်အကဲဖြတ်မှုများတွင်၊ ကုမ္ပဏီသည် မော်ဒယ်သည် BFCL နှင့် ToolSandbox တွင် ညွှန်ကြားချက်များကို လိုက်နာလုပ်ဆောင်ပြီး ခေါ်ဆိုခြင်းတွင် ဦးဆောင်နေပြီး၊ WebArena-Verified နှင့် AutomationBench ရှိ long-horizon browser နှင့် business-app tasks များတွင် သိသိသာသာ ပိုကြီးသော Qwen3.5-9B ကို ကျော်တက်သွားပါသည်။ ကုမ္ပဏီသည် လူသားမျိုးနွယ်၏ နောက်ဆုံးစာမေးပွဲတွင် ကိရိယာရှာဖွေမှု၏ ရမှတ်ထက် နှစ်ဆနီးပါး တိုးလာသည်ဟု ကုမ္ပဏီက အစီရင်ခံသော်လည်း အရွယ်အစားကြီးသော မော်ဒယ်များသည် အေးဂျင့်ကုဒ်နှင့် အသိပညာကို ရရှိဆဲဖြစ်သည်။
အရှိန်သည် ခေါင်းစဉ်ဖြစ်သည်။ 4-bit quantization နှင့် 32K ဆက်စပ်မှုတွင် llama.cpp ဖြင့် တိုင်းတာပြီး Liquid AI က LFM3-1.7B သည် စမ်းသပ်ထားသည့် အစွန်းထွက်စက်ပစ္စည်းသုံးခုစလုံးတွင် အမြန်ဆုံးမော်ဒယ်ဖြစ်ပြီး မန်မိုရီအနည်းဆုံးအသုံးပြုသည့်ပြိုင်ဘက်ထက် 1.8 မှ 2.8 ဆအထိ ပိုမြန်ကြောင်း ကုဒ်လုပ်ထားသည်။ 128K-တိုကင်အကြောင်းအရာအပြည့်အစုံသည် 1.6 GB KV ကက်ရှ်ခန့် လိုအပ်ပြီး၊ Qwen3.5-4B အတွက် 4.3 GB နှင့် MiniCPM5-2B အတွက် 5.6 GB လိုအပ်ပြီး မော်ဒယ်သည် 4-bit တိကျမှုဖြင့် မမ်မိုရီ 1 GB နီးပါးတွင် အံကိုက်ဖြစ်သည်။ ဒေတာစင်တာတွင်၊ BF16 တွင် SGLang လုပ်ဆောင်နေသည့် NVIDIA B300 တစ်ခုတည်းသည် 1,024 တစ်ပြိုင်နက် တောင်းဆိုမှုဖြင့် တစ်ရက်လျှင် တိုကင် 3.6 ဘီလီယံကို ထုတ်လုပ်နိုင်သည်ဟု သတင်းရရှိပါသည်။ ၎င်းဖြတ်သန်းနိုင်မှုကိုပြသရန်အတွက် Liquid AI သည် Enron အီးမေးလ်မှတ်တမ်းတွင် အပြိုင် LFM3-1.7B အေးဂျင့် 300,000 ကျော်ကို သရုပ်ပြအဖြစ် လုပ်ဆောင်ခဲ့သည်။
အမြင်၊ အသံနှင့် ပထမဆုံး Omni မော်ဒယ်
LFM3-VL-2B သည် Qwen3.5-2B ၏ ကုဒ်ဒါမှန်ကန်မှု 2.2x ပိုနည်းသော FLOPs နှင့်အတူ FLOPs နှင့် ယှဉ်ကြည့်စဉ် Liquid AI အဆိုအရ LFM3-VL-2B အရ Liquid AI အရ ကန့်သတ်ချက်များ 164 သန်းဖြင့် LFM3-VL-2B အသစ်ကို ယူဆောင်လာပါသည်။ အမြင်အာရုံခံစံနှုန်း 62 ခုတွင် 2B မော်ဒယ်သည် အရွယ်အစားတူ မော်ဒယ်များအားလုံးထက် အနည်းဆုံး 7.4 မှတ်ရနိုင်ပြီး၊ မော်ဒယ်ထက် ခြောက်ဆပိုကြီးသော Gemma 4 12B နှင့် ကိုက်ညီသည် — Gemini 3.5 Flash Lite ကို ကျော်လွန်ကာ GPT-5.6 Luna ၏ 2 မှတ်အတွင်း ရောက်သွားသည်ဟု ကုမ္ပဏီက ဆိုသည်။ ဗီဒီယိုထည့်သွင်းမှုကို လက်ခံသည့် ပထမဆုံး LFM မြင်ကွင်းမော်ဒယ်လည်းဖြစ်သည်။
LFM3-Audio-2B သည် ဘာသာစကား 18 မျိုးတွင် ဘာသာစကား မှတ်မိခြင်း၊ ပေါင်းစပ်ခြင်းနှင့် ဘာသာပြန်ခြင်းတို့ကို ဆောင်ရွက်ပေးပြီး CPU လိုင်းတစ်ခုတည်းတွင် ထုတ်ပေးထားသော တိုကင်များကို 87x နီးပါးအချိန်နှင့်တပြေးညီ ပြောင်းလဲပေးသည့် အိမ်တွင်းကုဒ်ဒါအသစ်နှင့် LiquidCodec ဟုခေါ်သော တိုကင်ကိရိယာဖြင့် ပံ့ပိုးပေးပါသည်။ တိုက်ရိုက်ထုတ်လွှင့်သည့် မိုက်ခရိုဖုန်း ထည့်သွင်းခြင်းဖြင့်၊ ပထမ တိုကင်အတွက် အချိန်သည် 50 မီလီစက္ကန့်အထိ ဖြစ်နိုင်သည်။
ကန့်သတ်ဘောင် 2.2 ဘီလီယံရှိ LFM3-Omni-2B သည် ကုမ္ပဏီ၏ ပထမဆုံးသော omni မော်ဒယ်ဖြစ်ပြီး အသုံးပြုသူများသည် ရုပ်ပုံများအကြောင်း သို့မဟုတ် ဗီဒီယိုများအကြောင်း တစ်ပြိုင်တည်းအသံဖြင့် ပြောဆိုသည့်မေးခွန်းများကို မေးနိုင်သောကြောင့် အသုံးပြုသူများသည် အမြင်၊ အသံနှင့် ဘာသာစကားတို့ကို ပေါင်းစပ်ထားသည်။ ဆုံးဖြတ်ချက်မော်ဒယ်နှစ်ခုဖြစ်သည့် d1-2B နှင့် d1-Omni-2B တို့သည် မိသားစုကိုပိတ်လိုက်သည်- အခမဲ့ပုံစံအဖြေများထုတ်ပေးမည့်အစား၊ ၎င်းတို့သည် စာရိုက်ထားသော သို့မဟုတ် ပြောဆိုသည့်မေးခွန်းများစွာကို forward pass တစ်ခုတည်းတွင် ဖြေဆိုကြပြီး၊ တစ်ခုစီသည် ဖြစ်နိုင်ခြေကို ချိန်ညှိထားသော ဖြစ်နိုင်ခြေရှိသည့် ပုံစံတစ်ခုစီနှင့် Point (ဘောင်ကွက်တစ်ခုဆွဲ)၊ Read, Estimate နှင့် Pick ကဲ့သို့သော ဖွဲ့စည်းတည်ဆောက်ပုံအဖြေအမျိုးအစားများကို ပံ့ပိုးပေးသည်။
အထူးပြုတည်ဆောက်ထားသည်။
Liquid AI သည် ယေဘူယျရည်ရွယ်ချက်ထက် ရှေ့တန်းအဆင့် မော်ဒယ်ထက် ကောင်းမွန်စွာ ချိန်ညှိခြင်းအတွက် မိသားစုကို အစပြုသည့်နေရာအဖြစ် သတ်မှတ်သည်။ သရုပ်ပြမှုတစ်ခုတွင် ကုမ္ပဏီသည် အပြစ်အနာအဆာများကို အမျိုးအစားခွဲခြားရန် လေအားတာဘိုင်ဓါးသွားများ၏ အများသူငါဓာတ်ပုံ 3,000 ခန့်ကို LFM3-VL-2B တွင် ကောင်းစွာချိန်ညှိထားသည်။ သေတ္တာထဲမှ LFM3-VL-2B နှင့် GPT-6 Luna နှစ်ခုလုံးသည် စမ်းသပ်ပုံများ၏ 10 ရာခိုင်နှုန်းအောက်နည်းသော ချို့ယွင်းချက်အမျိုးအစားများကို မှန်ကန်စွာ ဖော်ထုတ်နိုင်ခဲ့သည်။ A100 တစ်ခုတည်းတွင် နာရီအနည်းငယ် လေ့ကျင့်ပြီးနောက်၊ ကောင်းမွန်စွာချိန်ညှိထားသည့် LFM3 သည် အမျိုးအစားခွဲခြားမှု တိကျမှု 67 ရာခိုင်နှုန်းသို့ရောက်ရှိပြီး ထောက်လှမ်းမှု F1 သည် 0.003 မှ 0.11 အထိ တိုးတက်ကောင်းမွန်လာကာ GPT-6 Luna အတွက် 0.01 နှင့် နှိုင်းယှဉ်ထားသည်။ ကုမ္ပဏီသည် အစောပိုင်း စက်ရုပ်စမ်းသပ်မှုများကို ကိရိယာတန်ဆာပလာ၊ အမြင်ဘာသာစကား လမ်းကြောင်းပြခြင်းနှင့် အဆင့်နိမ့် စက်ရုပ်လက်မောင်း ခြယ်လှယ်ခြင်းတို့ကို အကျုံးဝင်သည့် အစောပိုင်း စက်ရုပ်စမ်းသပ်မှုများကိုလည်း ထုတ်ပြန်ခဲ့သည်။
Day-zero launch လုပ်ဖော်ကိုင်ဖက်များတွင် Ambarella၊ AMD၊ Arm၊ Intel သည် OpenVINO၊ NVIDIA၊ OpenRouter၊ Qualcomm နှင့် AI Hub နှင့် GenieX မှတဆင့် Vercel နှင့် Mercedes-Benz နှင့် Shopify တို့ပါဝင်ပြီး အကြိုစမ်းသပ်မှုတွင် Mercedes-Benz နှင့် Shopify တို့ ပါဝင်ပါသည်။ llama.cpp၊ MLX၊ LM Studio၊ Ollama နှင့် vLLM အပါအဝင် ကွန်မြူနတီ runtime များသည် စတင်ချိန်တွင် မော်ဒယ်များကို ပံ့ပိုးပေးသည်။
ထုတ်ဝေမှုတွင် ပိုမိုကျယ်ပြန့်သော လုပ်ငန်းခွဲခြမ်းမှုကို အလေးပေးဖော်ပြသည်- နယ်ခြားဓာတ်ခွဲခန်းများသည် ယခင်ကထက် ပိုကြီးသော ယေဘူယျမော်ဒယ်များကို လိုက်လျောညီထွေဖြစ်စေသောကြောင့် Liquid AI သည် သေးငယ်သော၊ လျင်မြန်သော အထူးပြုမော်ဒယ်များကို လောင်းကစားနေသည်— GPU တစ်ခုပေါ်တွင် ညှိနိုင်လောက်အောင် စျေးပေါပြီး ပြည်တွင်းတွင် အသုံးပြုရလောက်အောင် သေးငယ်သည် — လက်တွေ့ကျသောတန်ဖိုးများစွာရှိသည့်နေရာဖြစ်သည်။
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
