Liquid AI ซึ่งเป็นบริษัทที่แยกตัวจาก MIT ซึ่งอยู่เบื้องหลังกลุ่มผลิตภัณฑ์ Liquid Foundation Models ได้ประกาศเปิดตัว LFM3 เมื่อวันอังคาร ซึ่งเป็นโมเดลน้ำหนักเปิดรุ่นใหม่ที่สร้างขึ้นเพื่อนำสิ่งที่บริษัทเรียกว่า "ปัญญาพิเศษ" มาสู่โทรศัพท์ แล็ปท็อป หุ่นยนต์ และฮาร์ดแวร์ Edge อื่น ๆ การเปิดตัวครอบคลุมโมเดล 6 รุ่นในช่วงพารามิเตอร์ 2B ได้แก่ ข้อความ ภาพ เสียง omni และโมเดลการตัดสินใจอีก 2 โมเดล ซึ่งทั้งหมดแยกจากแกนหลัก LFM3-1.7B-Base ที่ใช้ร่วมกัน และพร้อมใช้งานแล้ววันนี้บน Hugging Face, Liquid AI Playground และ API ของบริษัท

สถาปัตยกรรม Tri-Hybrid ที่ออกแบบใหม่สำหรับตัวแทน For more context on this story, see our ongoing AI industry coverage.

LFM2 เป็นที่ยอมรับว่าการผสมผสานระหว่างการโน้มน้าวใจสั้นๆ และความสนใจสามารถทำงานได้อย่างรวดเร็วบนอุปกรณ์โดยไม่สูญเสียคุณภาพมากนัก สำหรับ LFM3 นั้น Liquid AI ได้รันการค้นหาสถาปัตยกรรมฮาร์ดแวร์ในลูปอัตโนมัติใหม่โดยคำนึงถึงปริมาณงานเอเจนต์ โดยขยายพื้นที่การค้นหาจาก CPU ในโทรศัพท์เครื่องหนึ่งและแล็ปท็อปหนึ่งเครื่องเป็น 14 อุปกรณ์และการผสมผสานแบ็กเอนด์ ฮาร์ดแวร์ที่วัดได้ในขณะนี้ประกอบด้วย Samsung Galaxy S26 Ultra, OnePlus 15, Raspberry Pi 5, M4 Max ของ Apple, แล็ปท็อป AMD Ryzen AI, CPU คลาวด์ Arm และ x86, GPU และ NPU หกเหลี่ยมของ Qualcomm

ผลลัพธ์ที่ได้คือสแต็ก "ไตรไฮบริด" 24 เลเยอร์: เลเยอร์ Convolution สั้นที่มีรั้วรอบขอบชิด 13 เลเยอร์, ​​เลเยอร์ความสนใจหน้าต่างบานเลื่อน 5 เลเยอร์พร้อมหน้าต่างโทเค็น 256 เลเยอร์ และเลเยอร์ความสนใจทั่วโลก 6 เลเยอร์ ขนาดเคอร์เนล Convolution เพิ่มขึ้นจาก 3 เป็น 7 และกลไกใหม่รวมถึงความสนใจที่มีรั้วรอบขอบชิดของส่วนหัว (เกต sigmoid ที่สามารถปิดแต่ละส่วนหัวได้), RoPE บางส่วนบนเลเยอร์ส่วนกลาง และการทำให้เป็นมาตรฐานแบบแซนวิช บริษัทกล่าวว่าการเปลี่ยนแปลงนี้ช่วยเพิ่มความชัดเจนในขณะที่ยังคงรักษาการอนุมานบริบทแบบยาวได้อย่างรวดเร็ว

ฝึกฝนกับโทเค็น 22 ล้านล้านโทเค็น

LFM3-1.7B-Base ได้รับการฝึกอบรมล่วงหน้าเกี่ยวกับโทเค็น 22 ล้านล้านโทเค็น โดยมีการผสมผสานข้อมูลที่เพิ่มเอกสารทางวิทยาศาสตร์ โค้ดระดับพื้นที่เก็บข้อมูล และคณิตศาสตร์มากกว่า LFM2 โทเค็น 3.5 ล้านล้านสุดท้ายก่อให้เกิดขั้นตอนการฝึกอบรมกลางสำหรับข้อมูลที่ได้รับการดูแลจัดการและมีคุณภาพสูงกว่า ซึ่งมีน้ำหนักมากในการติดตามเอเจนต์และการเรียกใช้เครื่องมือที่หลากหลาย และขั้นตอนดังกล่าวยังขยายหน้าต่างบริบทเป็นโทเค็น 256,000 รายการ

การฝึกอบรมหลังการฝึกอบรมดำเนินไปในสี่ขั้นตอน ได้แก่ การปรับแต่งแบบละเอียดภายใต้การดูแลบนโทเค็น 1.75 ล้านล้านโทเค็น ซึ่งครอบคลุมการสนทนา การใช้เหตุผล และการเรียกใช้เครื่องมือ การเรียนรู้แบบเสริมกำลังแบบผสมในคณิตศาสตร์ โค้ด SQL และเอาต์พุตที่มีโครงสร้าง การกลั่นกรองตามนโยบายแบบหลายโดเมน โดยครู RL ผู้เชี่ยวชาญ 6 คน (โค้ด คณิตศาสตร์ การใช้เครื่องมือ บริบทแบบยาว งานตัวแทน และเวิร์กโฟลว์ขององค์กร) จะถูกกลั่นกลับเป็นโมเดลเดียว และ RL แบบตัวแทน ซึ่งงานตั้งแต่การท่องเว็บไปจนถึงงานในสำนักงานทำงานโดยใช้ระบบตัวแทนจริง เช่น Hermes Agent, Pi และ OpenClaw

โมเดลขนาดเล็ก ผลลัพธ์ตัวแทนที่อยู่ติดกัน

Liquid AI อ้างว่า LFM3-1.7B มีประสิทธิภาพเหนือกว่า LFM2.5-2.6B รุ่นก่อนหน้า ในขณะที่ใช้พารามิเตอร์น้อยลง 35 เปอร์เซ็นต์ ในการประเมินโดยเอเจนต์ บริษัทกล่าวว่าโมเดลดังกล่าวเป็นผู้นำในการทำตามคำแนะนำและการเรียกใช้ฟังก์ชันใน BFCL และ ToolSandbox และเหนือกว่า Qwen3.5-9B ที่ใหญ่กว่ามากในเบราว์เซอร์ขอบฟ้ายาวและงานแอปธุรกิจใน WebArena-Verified และ AutomationBench โมเดลขนาดใหญ่ยังคงชนะในเรื่องการเขียนโค้ดแบบเอเจนต์และความรู้ แม้ว่าบริษัทจะรายงานว่าการค้นหาเครื่องมือเพิ่มคะแนนของโมเดลขนาดเล็กเกือบสองเท่าในการทดสอบครั้งสุดท้ายของ Humanity

ความเร็วเป็นหัวข้อข่าว เมื่อวัดด้วย llama.cpp ที่การหาปริมาณ 4 บิตและบริบท 32K Liquid AI กล่าวว่า LFM3-1.7B เป็นรุ่นที่เร็วที่สุดในอุปกรณ์ Edge ที่ทดสอบทั้งสามเครื่อง โดยถอดรหัสได้เร็วกว่าคู่แข่งรายถัดไป 1.8 ถึง 2.8 เท่า โดยใช้หน่วยความจำน้อยที่สุด บริบทโทเค็น 128K เต็มรูปแบบต้องการแคช KV ประมาณ 1.6 GB เทียบกับ 4.3 GB สำหรับ Qwen3.5-4B และ 5.6 GB สำหรับ MiniCPM5-2B และโมเดลนี้พอดีกับหน่วยความจำประมาณ 1 GB ที่ความแม่นยำ 4 บิต ในศูนย์ข้อมูล NVIDIA B300 ตัวเดียวที่ใช้ SGLang ใน BF16 มีรายงานว่าสามารถสร้างโทเค็นได้ 3.6 พันล้านโทเค็นต่อวันที่คำขอ 1,024 รายการพร้อมกัน เพื่อแสดงให้เห็นว่าทรูพุตดังกล่าวช่วยอะไรได้ Liquid AI จึงใช้งานเอเจนต์ LFM3-1.7B แบบขนานมากกว่า 300,000 ตัวบนคลังอีเมลของ Enron เพื่อเป็นการสาธิต

วิสัยทัศน์ เสียง และโมเดล Omni รุ่นแรก

LFM3-VL-2B นำเสนอตัวเข้ารหัสการมองเห็นแบบใหม่ภายในบริษัทที่มีพารามิเตอร์ 164 ล้านพารามิเตอร์ ซึ่งตาม Liquid AI นั้น ใช้การประมวลผลน้อยกว่าตัวเข้ารหัส SigLIP2 ถึง 3 เท่าในรุ่นวิชัน LFM รุ่นก่อนๆ ขณะเดียวกันก็จับคู่ความแม่นยำของตัวเข้ารหัสของ Qwen3.5-2B กับ FLOP ที่น้อยกว่า 2.2 เท่า จากเกณฑ์มาตรฐานการมองเห็น 62 รายการ บริษัทกล่าวว่ารุ่น 2B ได้คะแนนอย่างน้อย 7.4 คะแนนก่อนรุ่นขนาดใกล้เคียงกันทั้งหมด ซึ่งตรงกับ Gemma 4 12B ซึ่งเป็นรุ่นที่ใหญ่กว่าหกเท่า เหนือกว่า Gemini 3.5 Flash Lite และอยู่ภายใน 2 คะแนนของ GPT-5.6 Luna นอกจากนี้ยังเป็นโมเดลการมองเห็น LFM รุ่นแรกที่ยอมรับอินพุตวิดีโออีกด้วย

LFM3-Audio-2B จัดการการรู้จำเสียง การสังเคราะห์ และการแปลใน 18 ภาษา ขับเคลื่อนโดยตัวเข้ารหัสภายในบริษัทใหม่และโทเค็นไนเซอร์ที่เรียกว่า LiquidCodec ซึ่งจะแปลงโทเค็นที่สร้างขึ้นเป็นคำพูดแบบเรียลไทม์ประมาณ 87x บนเธรด CPU เดียว ด้วยอินพุตไมโครโฟนแบบสตรีม เวลาในการสร้างโทเค็นแรกสามารถต่ำได้ถึง 50 มิลลิวินาที

LFM3-Omni-2B ซึ่งมีพารามิเตอร์ 2.2 พันล้านพารามิเตอร์ เป็นโมเดล Omni ตัวแรกของบริษัท ซึ่งผสมผสานการมองเห็น เสียง และภาษาเข้าด้วยกัน เพื่อให้ผู้ใช้สามารถถามคำถามที่เป็นคำพูดเกี่ยวกับภาพหรือเกี่ยวกับวิดีโอด้วยเสียงที่ซิงโครไนซ์ได้ โมเดลการตัดสินใจสองแบบ d1-2B และ d1-Omni-2B ปิดครอบครัว: แทนที่จะสร้างคำตอบแบบอิสระ โมเดลจะตอบคำถามที่พิมพ์หรือพูดหลายข้อในการส่งต่อครั้งเดียว โดยแต่ละแบบมีความน่าจะเป็นที่ปรับเทียบแล้ว และรองรับประเภทคำตอบที่มีโครงสร้าง เช่น จุด (วาดกล่องขอบเขต) อ่าน ประมาณ และเลือก

สร้างมาเพื่อให้เชี่ยวชาญ

Liquid AI วางตำแหน่งกลุ่มผลิตภัณฑ์เป็นจุดเริ่มต้นสำหรับการปรับแต่งอย่างละเอียด มากกว่าที่จะเป็นโมเดลขอบเขตการใช้งานทั่วไป ในการสาธิตครั้งหนึ่ง บริษัทได้ปรับแต่ง LFM3-VL-2B ในรูปถ่ายใบกังหันลมสาธารณะประมาณ 3,000 ภาพเพื่อจำแนกข้อบกพร่อง เมื่อแกะกล่อง ทั้ง LFM3-VL-2B และ GPT-6 Luna ระบุประเภทข้อบกพร่องได้อย่างถูกต้องในรูปภาพทดสอบน้อยกว่า 10 เปอร์เซ็นต์ หลังจากฝึกฝนไม่กี่ชั่วโมงกับ A100 เครื่องเดียว LFM3 ที่ได้รับการปรับแต่งอย่างละเอียดก็มีความแม่นยำในการจำแนกประเภทถึง 67 เปอร์เซ็นต์ และปรับปรุงการตรวจจับ F1 จาก 0.003 เป็น 0.11 เทียบกับ 0.01 สำหรับ GPT-6 Luna บริษัทยังได้เผยแพร่การทดลองหุ่นยนต์ในช่วงแรกๆ ครอบคลุมถึงการจัดวางเครื่องมือ การนำทางด้วยภาษาการมองเห็น และการจัดการแขนหุ่นยนต์ระดับต่ำ

พันธมิตรที่เปิดตัว Day-zero ได้แก่ Ambarella, AMD, Arm, Intel ผ่าน OpenVINO, NVIDIA, OpenRouter, Qualcomm ผ่าน AI Hub และ GenieX และ Vercel โดยมี Mercedes-Benz และ Shopify เข้าร่วมในการทดสอบก่อนเผยแพร่ รันไทม์ของชุมชน รวมถึง llama.cpp, MLX, LM Studio, Ollama และ vLLM รองรับโมเดลเมื่อเปิดตัว

การเปิดตัวครั้งนี้เน้นย้ำถึงการแบ่งแยกอุตสาหกรรมในวงกว้าง: เนื่องจากห้องปฏิบัติการชายแดนไล่ล่าโมเดลทั่วไปที่มีขนาดใหญ่กว่าเดิม Liquid AI ก็วางเดิมพันว่าโมเดลขนาดเล็ก รวดเร็ว และเชี่ยวชาญพิเศษ — ราคาถูกพอที่จะปรับแต่งบน GPU ตัวเดียวและเล็กพอที่จะรันในเครื่อง — จะเป็นจุดที่มูลค่าเชิงปฏิบัติส่วนใหญ่ตกต่ำลง

---

Stay Ahead of AI

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

Read more AI news →