Liquid AI, Liquid Foundation Models வரிசையின் பின்னால் உள்ள MIT ஸ்பின்-ஆஃப், செவ்வாயன்று LFM3 ஐ அறிவித்தது, நிறுவனம் "சிறப்பு நுண்ணறிவு" என்று அழைப்பதை ஃபோன்கள், மடிக்கணினிகள், ரோபோக்கள் மற்றும் பிற எட்ஜ் ஹார்டுவேர்களுக்குக் கொண்டு வருவதற்காக உருவாக்கப்பட்ட புதிய தலைமுறை திறந்த எடை மாதிரிகள். வெளியீடு 2B-அளவுரு வரம்பில் உள்ள ஆறு மாடல்களை உள்ளடக்கியது - உரை, பார்வை, ஆடியோ, ஓம்னி மற்றும் இரண்டு முடிவு மாதிரிகள் - இவை அனைத்தும் பகிரப்பட்ட LFM3-1.7B-பேஸ் முதுகெலும்பிலிருந்து கிளைத்து இன்று ஹக்கிங் ஃபேஸ், லிக்விட் ஏஐ ப்ளேகிரவுண்ட் மற்றும் நிறுவனத்தின் API ஆகியவற்றில் கிடைக்கும்.

முகவர்களுக்காக மறுவடிவமைப்பு செய்யப்பட்ட ட்ரை-ஹைப்ரிட் கட்டிடக்கலை For more context on this story, see our ongoing artificial intelligence updates.

LFM2 ஆனது குறுகிய வளைவுகள் மற்றும் கவனத்தின் ஒரு கலப்பினமானது அதிக தரத்தை விட்டுக்கொடுக்காமல் சாதனத்தில் வேகமாக இயங்க முடியும் என்பதை நிறுவியது. LFM3 க்கு, Liquid AI ஆனது அதன் தானியங்கி ஹார்டுவேர்-இன்-தி-லூப் ஆர்க்கிடெக்சர் தேடலை முகவர் பணிச்சுமைகளை மனதில் கொண்டு, ஒரு தொலைபேசி மற்றும் ஒரு லேப்டாப்பில் உள்ள CPUகளில் இருந்து 14 சாதனங்கள் மற்றும் பின்தள சேர்க்கைகளுக்கு தேடல் இடத்தை விரிவுபடுத்துகிறது. அளவிடப்பட்ட வன்பொருளில் இப்போது Samsung Galaxy S26 Ultra, OnePlus 15, ஒரு Raspberry Pi 5, Apple இன் M4 Max, AMD Ryzen AI மடிக்கணினிகள், Arm மற்றும் x86 கிளவுட் CPUகள், GPUகள் மற்றும் குவால்காமின் ஹெக்ஸாகன் NPU ஆகியவை அடங்கும்.

இதன் விளைவாக 24-அடுக்கு "ட்ரை-ஹைப்ரிட்" ஸ்டாக் உள்ளது: 13 கேடட் ஷார்ட்-கன்வல்யூஷன் லேயர்கள், 256-டோக்கன் சாளரத்துடன் கூடிய 5 ஸ்லைடிங்-விண்டோ அட்டென்ஷன் லேயர்கள் மற்றும் 6 உலகளாவிய கவன அடுக்குகள். கன்வல்யூஷன் கர்னல் அளவுகள் 3 முதல் 7 வரை அதிகரித்தது, மேலும் புதிய வழிமுறைகளில் ஹெட்-வைஸ் கேட் அட்டென்ஷன் (தனிப்பட்ட தலைகளை அணைக்கக்கூடிய ஒரு சிக்மாய்டு கேட்), உலகளாவிய அடுக்குகளில் பகுதி கயிறு மற்றும் சாண்ட்விச் இயல்பாக்கம் ஆகியவை அடங்கும். நீண்ட சூழல் அனுமானத்தை வேகமாக வைத்திருக்கும் அதே வேளையில், மாற்றங்கள் வெளிப்பாட்டைச் சேர்க்கின்றன என்று நிறுவனம் கூறுகிறது.

22 டிரில்லியன் டோக்கன்களில் பயிற்சி

LFM3-1.7B-Base ஆனது 22 டிரில்லியன் டோக்கன்களில் முன் பயிற்சி பெற்றது, LFM2 ஐ விட அதிகமான அறிவியல் தாள்கள், களஞ்சிய-நிலை குறியீடு மற்றும் கணிதத்தை சேர்க்கும் தரவு கலவையுடன். இறுதி 3.5 டிரில்லியன் டோக்கன்கள், ஏஜென்டிக் ட்ரேஸ்கள் மற்றும் பலதரப்பட்ட கருவி அழைப்புகள் ஆகியவற்றில் கனமான, க்யூரேட்டட், உயர்தரத் தரவின் நடுப் பயிற்சி நிலையை உருவாக்குகின்றன - மேலும் அந்த நிலை சூழல் சாளரத்தை 256K டோக்கன்களுக்கு நீட்டிக்கிறது.

பயிற்சிக்குப் பிந்தைய நான்கு நிலைகளில் நடத்தப்பட்டது: 1.75 டிரில்லியன் டோக்கன்களில் அரட்டை, பகுத்தறிவு மற்றும் டூல் அழைப்பு ஆகியவற்றைக் கண்காணிக்கும் ஃபைன்-ட்யூனிங்; கணிதம், குறியீடு, SQL மற்றும் கட்டமைக்கப்பட்ட வெளியீடுகளில் கலப்பு வலுவூட்டல் கற்றல்; மல்டி-டொமைன் ஆன்-பாலிசி வடித்தல், இதில் ஆறு சிறப்பு RL ஆசிரியர்கள் (குறியீடு, கணிதம், கருவி பயன்பாடு, நீண்ட சூழல், முகவர் பணி மற்றும் நிறுவன பணிப்பாய்வுகள்) மீண்டும் ஒரு மாதிரியில் வடிகட்டப்படுகின்றன; மற்றும் ஏஜென்டிக் RL, இதில் இணைய உலாவல் முதல் அலுவலக வேலை வரையிலான பணிகள் ஹெர்ம்ஸ் ஏஜென்ட், பை மற்றும் ஓபன் க்ளா போன்ற உண்மையான முகவர் சாதனங்களுக்குள் இயங்குகின்றன.

சிறிய மாதிரி, எல்லைப்புற-அருகிலுள்ள ஏஜென்டிக் முடிவுகள்

35 சதவிகிதம் குறைவான அளவுருக்களைப் பயன்படுத்தும் போது LFM3-1.7B அதன் முந்தைய LFM2.5-2.6B ஐ விட சிறப்பாக செயல்படுவதாக Liquid AI கூறுகிறது. ஏஜெண்டிக் மதிப்பீடுகளில், BFCL மற்றும் ToolSandbox இல் இந்த மாதிரியானது அறிவுறுத்தல்களைப் பின்பற்றுகிறது மற்றும் செயல்பாட்டு அழைப்பில் முன்னணியில் உள்ளது, மேலும் WebArena-Verified மற்றும் AutomationBench இல் நீண்ட அடிவான உலாவி மற்றும் வணிக-பயன்பாட்டு பணிகளில் கணிசமாக பெரிய Qwen3.5-9B ஐ முறியடிக்கிறது. மனிதநேயத்தின் கடைசித் தேர்வில் சிறிய மாடலின் மதிப்பெண்ணைக் கருவித் தேடல் கிட்டத்தட்ட இரட்டிப்பாக்குகிறது என்று நிறுவனம் தெரிவித்தாலும், பெரிய மாடல்கள் இன்னும் ஏஜென்டிக் குறியீட்டு முறை மற்றும் அறிவில் வெற்றி பெறுகின்றன.

வேகம் என்பது தலைப்பு. llama.cpp உடன் 4-பிட் அளவு மற்றும் 32K சூழலில் அளவிடப்பட்டது, Liquid AI கூறுகிறது, LFM3-1.7B சோதனை செய்யப்பட்ட மூன்று விளிம்பு சாதனங்களிலும் வேகமான மாடலாக இருந்தது, குறைந்த நினைவகத்தைப் பயன்படுத்தும் போது அடுத்த போட்டியாளரை விட 1.8 முதல் 2.8 மடங்கு வேகமாக டிகோடிங் செய்கிறது. முழு 128K-டோக்கன் சூழலுக்கு சுமார் 1.6 GB KV கேச் தேவைப்படுகிறது, மேலும் Qwen3.5-4B க்கு 4.3 GB மற்றும் MiniCPM5-2B க்கு 5.6 GB, மற்றும் மாடல் 4-பிட் துல்லியத்தில் 1 GB நினைவகத்தில் பொருந்துகிறது. தரவு மையத்தில், BF16 இல் SGLang இல் இயங்கும் ஒரு NVIDIA B300 ஆனது 1,024 ஒரே நேரத்தில் கோரிக்கைகளில் ஒரு நாளைக்கு 3.6 பில்லியன் டோக்கன்களை உருவாக்க முடியும் என்று கூறப்படுகிறது. அந்த த்ரோபுட் எதைச் செயல்படுத்துகிறது என்பதைக் காட்ட, என்ரான் மின்னஞ்சல் காப்பகத்தில் 300,000 க்கும் மேற்பட்ட இணையான LFM3-1.7B முகவர்களை ஒரு டெமோவாக Liquid AI இயக்கியது.

பார்வை, ஆடியோ மற்றும் முதல் ஆம்னி மாடல்

LFM3-VL-2B ஆனது 164 மில்லியன் அளவுருக்கள் கொண்ட ஒரு புதிய இன்-ஹவுஸ் விஷன் குறியாக்கியைக் கொண்டுவருகிறது, இது Liquid AI இன் படி, முந்தைய LFM பார்வை மாடல்களில் உள்ள SigLIP2 குறியாக்கியை விட 3x குறைவான கம்ப்யூட்டைப் பயன்படுத்துகிறது. 62 பார்வை அளவுகோல்களில், 2B மாடல் அனைத்து ஒத்த அளவிலான மாடல்களை விட குறைந்தது 7.4 புள்ளிகள் பெற்றுள்ளது, Gemma 4 12B உடன் பொருந்துகிறது - ஆறு மடங்கு பெரிய மாடல் - Gemini 3.5 Flash Lite ஐ விஞ்சுகிறது, மேலும் GPT-5.6 Luna இன் 2 புள்ளிகளுக்குள் இறங்குகிறது. வீடியோ உள்ளீட்டை ஏற்கும் முதல் LFM பார்வை மாதிரியும் இதுவாகும்.

LFM3-Audio-2B ஆனது 18 மொழிகளில் பேச்சு அறிதல், தொகுப்பு மற்றும் மொழிபெயர்ப்பைக் கையாளுகிறது, இது ஒரு புதிய உள் குறியாக்கி மற்றும் LiquidCodec எனப்படும் டோக்கனைசர் மூலம் இயக்கப்படுகிறது, இது உருவாக்கப்பட்ட டோக்கன்களை ஒரு CPU நூலில் 87x உண்மையான நேரத்தில் பேச்சாக மாற்றுகிறது. ஸ்ட்ரீமிங் மைக்ரோஃபோன் உள்ளீடு மூலம், முதல் டோக்கனுக்கான நேரம் 50 மில்லி விநாடிகள் வரை குறைவாக இருக்கும்.

LFM3-Omni-2B, 2.2 பில்லியன் அளவுருக்கள், பார்வை, ஆடியோ மற்றும் மொழி ஆகியவற்றை ஒருங்கிணைக்கும் நிறுவனத்தின் முதல் ஓம்னி மாடலாகும், இதனால் பயனர்கள் படங்களைப் பற்றி அல்லது ஒத்திசைக்கப்பட்ட ஒலியுடன் வீடியோக்கள் பற்றி பேசும் கேள்விகளைக் கேட்கலாம். இரண்டு முடிவு மாதிரிகள், d1-2B மற்றும் d1-Omni-2B, குடும்பத்தை மூடுகின்றன: இலவச வடிவ பதில்களை உருவாக்குவதற்குப் பதிலாக, அவை பல தட்டச்சு செய்யப்பட்ட அல்லது பேசும் கேள்விகளுக்கு ஒரே முன்னோக்கி பாஸில் பதிலளிக்கின்றன, ஒவ்வொன்றும் அளவீடு செய்யப்பட்ட நிகழ்தகவு மற்றும் புள்ளி (வரையறுக்கும் பெட்டியை வரையவும்), படிக்க, மதிப்பீடு மற்றும் தேர்வு போன்ற கட்டமைக்கப்பட்ட பதில் வகைகளை ஆதரிக்கின்றன.

நிபுணத்துவம் வாய்ந்ததாக கட்டப்பட்டது

திரவ AI ஆனது குடும்பத்தை ஒரு பொது-நோக்க எல்லை மாதிரியை விட நன்றாகச் சரிசெய்வதற்கான தொடக்கப் புள்ளியாக நிலைநிறுத்துகிறது. ஒரு ஆர்ப்பாட்டத்தில், நிறுவனம் குறைபாடுகளை வகைப்படுத்த காற்றாலை விசையாழி கத்திகளின் சுமார் 3,000 பொது புகைப்படங்களில் LFM3-VL-2B ஐ நன்றாக மாற்றியது. பெட்டிக்கு வெளியே, LFM3-VL-2B மற்றும் GPT-6 Luna இரண்டும் 10 சதவீதத்திற்கும் குறைவான சோதனைப் படங்களில் குறைபாடு வகைகளை சரியாகக் கண்டறிந்தன; ஒரு ஒற்றை A100 இல் சில மணிநேரப் பயிற்சிக்குப் பிறகு, GPT-6 லூனாவின் 0.01 உடன் ஒப்பிடும்போது, ​​0.003 முதல் 0.11 வரை 67 சதவீத வகைப்படுத்தல் துல்லியம் மற்றும் மேம்படுத்தப்பட்ட கண்டறிதல் F1 ஐ அடைந்தது. டூல் ஆர்கெஸ்ட்ரேஷன், பார்வை-மொழி வழிசெலுத்தல் மற்றும் குறைந்த-நிலை ரோபோ-கை கையாளுதல் ஆகியவற்றை உள்ளடக்கிய ஆரம்பகால ரோபாட்டிக்ஸ் சோதனைகளையும் நிறுவனம் வெளியிட்டது.

அம்பரெல்லா, ஏஎம்டி, ஆர்ம், ஓபன்வினோ வழியாக இன்டெல், என்விடியா, ஓபன் ரூட்டர், ஏஐ ஹப் மற்றும் ஜெனிஎக்ஸ் வழியாக குவால்காம் மற்றும் வெர்செல், மெர்சிடிஸ் பென்ஸ் மற்றும் ஷாப்பிஃபை ஆகியவை வெளியீட்டிற்கு முந்தைய சோதனையில் பங்கேற்கும் டே-ஜீரோ லான்ச் பார்ட்னர்களில் அடங்கும். llama.cpp, MLX, LM Studio, Ollama மற்றும் vLLM உள்ளிட்ட சமூக இயக்க நேரங்கள் துவக்கத்தில் மாடல்களை ஆதரிக்கின்றன.

இந்த வெளியீடு ஒரு பரந்த தொழில்துறை பிளவை அடிக்கோடிட்டுக் காட்டுகிறது: எல்லைப்புற ஆய்வகங்கள் எப்போதும் இல்லாத பெரிய பொது மாடல்களைத் துரத்துவதால், சிறிய, வேகமான, பிரத்யேக மாடல்களை - ஒரு ஜிபியுவை நன்றாகச் சரிசெய்யும் அளவுக்கு மலிவானது மற்றும் உள்நாட்டில் இயங்கும் அளவுக்கு சிறியது - என்று பந்தயம் கட்டுகிறது.

---

Stay Ahead of AI

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

Read more AI news →