Liquid AI, spółka wydzielona z MIT stojąca za linią Liquid Foundation Models, ogłosiła we wtorek LFM3, nową generację modeli o otwartej wadze, zbudowanych w celu wprowadzenia tego, co firma nazywa „specjalistyczną inteligencją”, do telefonów, laptopów, robotów i innego sprzętu brzegowego. Wydanie obejmuje sześć modeli w zakresie parametrów 2B — tekstowy, wizyjny, audio, omni i dwa modele decyzyjne — wszystkie wywodzące się ze wspólnego szkieletu LFM3-1.7B-Base i dostępne już dziś w Hugging Face, Liquid AI Playground i firmowym interfejsie API.
Architektura trójhybrydowa przeprojektowana dla agentów Więcej kontekstu na ten temat znajdziesz w naszych wiadomości AI.
W ramach projektu LFM2 ustalono, że hybryda krótkich splotów i uwagi może działać szybko na urządzeniu, nie rezygnując przy tym ze zbyt dużej jakości. W przypadku LFM3 firma Liquid AI ponownie przeprowadziła automatyczne wyszukiwanie architektury w pętli sprzętowej z myślą o obciążeniach agentowych, rozszerzając przestrzeń wyszukiwania z procesorów w jednym telefonie i jednym laptopie do 14 kombinacji urządzeń i zaplecza. Mierzony sprzęt obejmuje obecnie Samsunga Galaxy S26 Ultra, OnePlus 15, Raspberry Pi 5, Apple M4 Max, laptopy AMD Ryzen AI, procesory ARM i x86 w chmurze, procesory graficzne oraz procesory graficzne Qualcomm Hexagon NPU.
Rezultatem jest 24-warstwowy stos „trójhybrydowy”: 13 bramkowanych warstw o krótkim splocie, 5 warstw uwagi z przesuwanym oknem z oknem zawierającym 256 tokenów i 6 globalnych warstw uwagi. Rozmiar jądra splotu wzrósł z 3 do 7, a nowe mechanizmy obejmują uwagę bramkowaną głową (esigmoidalną bramkę, która może wyłączać poszczególne głowy), częściową RoPE w warstwach globalnych i normalizację kanapkową. Firma twierdzi, że zmiany zwiększają ekspresję tam, gdzie jest to potrzebne, jednocześnie umożliwiając szybkie wnioskowanie w długim kontekście.
Wyszkolony na 22 bilionach tokenów
LFM3-1.7B-Base został wstępnie przeszkolony na 22 bilionach tokenów, z zestawem danych, który dodaje więcej artykułów naukowych, kodu na poziomie repozytorium i matematyki niż LFM2. Ostatnie 3,5 biliona tokenów tworzy etap w połowie szkolenia na wyselekcjonowanych danych o wyższej jakości, który jest obciążony dużą ilością śladów agenta i różnorodnych wywołań narzędzi — a ten etap rozszerza również okno kontekstowe do 256 tys. tokenów.
Szkolenie po szkoleniu składało się z czterech etapów: nadzorowane dostrajanie 1,75 biliona tokenów obejmujące czat, rozumowanie i wywoływanie narzędzi; uczenie się ze wzmocnieniem mieszanym w oparciu o matematykę, kod, SQL i wyniki strukturalne; wielodomenowa destylacja na podstawie zasad, w ramach której sześciu wyspecjalizowanych nauczycieli RL (kodowanie, matematyka, używanie narzędzi, długi kontekst, praca agenta i przepływy pracy w przedsiębiorstwie) jest ponownie przekształcanych w jeden model; i agentyczny RL, w którym zadania, od przeglądania stron internetowych po pracę biurową, wykonują się w ramach narzędzi prawdziwych agentów, takich jak Hermes Agent, Pi i OpenClaw.
Mały model, wyniki agentów przylegających do granicy
Liquid AI twierdzi, że LFM3-1.7B przewyższa swój poprzedni LFM2.5-2.6B, wykorzystując o 35 procent mniej parametrów. W ocenach agentowych firma twierdzi, że model ten przoduje w wykonywaniu instrukcji i wywoływaniu funkcji w BFCL i ToolSandbox, a także pobija znacznie większy model Qwen3.5-9B w przypadku długoterminowych zadań przeglądarki i aplikacji biznesowych w WebArena-Verified i AutomationBench. Większe modele nadal wygrywają w zakresie kodowania agentowego i wiedzy, chociaż firma podaje, że wyszukiwanie narzędzi prawie podwaja wynik małego modelu w ostatnim egzaminie Humanity.
Prędkość jest nagłówkiem. Zmierzone za pomocą pliku llama.cpp przy 4-bitowej kwantyzacji i kontekście 32 KB, Liquid AI wykazało, że LFM3-1.7B był najszybszym modelem ze wszystkich trzech testowanych urządzeń brzegowych, dekodując od 1,8 do 2,8 razy szybciej niż następny konkurent, zużywając przy tym najmniejszą ilość pamięci. Pełny kontekst tokenów 128 KB wymaga około 1,6 GB pamięci podręcznej KV, w porównaniu z 4,3 GB dla Qwen3.5-4B i 5,6 GB dla MiniCPM5-2B, a model mieści się w około 1 GB pamięci z 4-bitową precyzją. Według doniesień, w centrum danych pojedyncza karta NVIDIA B300 z systemem SGLang w BF16 może wygenerować 3,6 miliarda tokenów dziennie przy 1024 równoczesnych żądaniach. Aby pokazać, na co pozwala ta przepustowość, Liquid AI uruchomił w ramach demonstracji ponad 300 000 równoległych agentów LFM3-1.7B w archiwum poczty elektronicznej Enron.
Wizja, dźwięk i pierwszy model Omni
LFM3-VL-2B to nowy, wewnętrzny koder wizyjny ze 164 milionami parametrów, który według Liquid AI zużywa 3 razy mniej mocy obliczeniowej niż koder SigLIP2 w poprzednich modelach wizyjnych LFM, dorównując jednocześnie dokładności enkodera Qwen3.5-2B przy 2,2 razy mniejszej liczbie FLOPów. Firma twierdzi, że w 62 testach wzroku model 2B uzyskał co najmniej 7,4 punktu przewagi nad wszystkimi modelami o podobnych rozmiarach, dorównuje Gemmie 4 12B — modelowi ponad sześciokrotnie większemu — przewyższa Gemini 3.5 Flash Lite i plasuje się w odległości 2 punktów od GPT-5.6 Luna. Jest to także pierwszy model wizyjny LFM obsługujący wejście wideo.
LFM3-Audio-2B obsługuje rozpoznawanie, syntezę i tłumaczenie mowy w 18 językach, wykorzystując nowy wewnętrzny koder i tokenizer o nazwie LiquidCodec, który konwertuje wygenerowane tokeny na mowę z szybkością około 87 razy w czasie rzeczywistym w jednym wątku procesora. Dzięki wejściu mikrofonu do przesyłania strumieniowego czas do pierwszego tokena może wynosić zaledwie 50 milisekund.
LFM3-Omni-2B, oferujący 2,2 miliarda parametrów, to pierwszy model omni firmy, łączący obraz, dźwięk i język, dzięki czemu użytkownicy mogą zadawać pytania na głos na temat obrazów lub filmów ze zsynchronizowanym dźwiękiem. Dwa modele decyzyjne, d1-2B i d1-Omni-2B, zamykają rodzinę: zamiast generować swobodne odpowiedzi, odpowiadają na wiele pytań wpisywanych na maszynie lub mówionych w jednym przebiegu do przodu, każde ze skalibrowanym prawdopodobieństwem, i obsługują ustrukturyzowane typy odpowiedzi, takie jak Punkt (narysuj obwiednię), Przeczytaj, Oszacuj i Wybierz.
Stworzony, aby się specjalizować
Dzięki Liquid AI rodzina staje się punktem wyjścia do dostrojenia, a nie uniwersalnym modelem granicznym. Podczas jednej z demonstracji firma dostroiła LFM3-VL-2B na podstawie około 3000 publicznych zdjęć łopat turbin wiatrowych w celu sklasyfikowania defektów. Po wyjęciu z pudełka zarówno LFM3-VL-2B, jak i GPT-6 Luna poprawnie zidentyfikowały typy defektów w mniej niż 10 procentach obrazów testowych; po kilku godzinach szkolenia na pojedynczym A100, dostrojony LFM3 osiągnął 67% dokładności klasyfikacji i poprawił wykrywalność F1 z 0,003 do 0,11 w porównaniu z 0,01 w przypadku GPT-6 Luna. Firma opublikowała także wczesne eksperymenty z robotyką obejmujące orkiestrację narzędzi, nawigację za pomocą języka wizyjnego i manipulację ramieniem robota na niskim poziomie.
Partnerami premiery w dniu zerowym są Ambarella, AMD, Arm, Intel za pośrednictwem OpenVINO, NVIDIA, OpenRouter, Qualcomm za pośrednictwem AI Hub i GenieX oraz Vercel, przy czym Mercedes-Benz i Shopify uczestniczą w testach przedpremierowych. Środowiska wykonawcze społeczności, w tym llama.cpp, MLX, LM Studio, Ollama i vLLM, obsługują modele w momencie premiery.
W komunikacie tym podkreślono szerszy podział branży: w miarę jak pionierskie laboratoria ścigają się z coraz większymi modelami uniwersalnymi, Liquid AI obstawia, że małe, szybkie i wyspecjalizowane modele – wystarczająco tanie, aby dostroić się na jednym procesorze graficznym i wystarczająco małe, aby działać lokalnie – będą stanowić większość praktycznej wartości.
---
Bądź na Bieżąco z AINajnowsze wiadomości, analizy i przełomy w dziedzinie AI — wszystko w jednym miejscu.
Czytaj więcej wiadomości AI →
