Liquid AI, підрозділ Массачусетського технологічного інституту, що стоїть за лінійкою Liquid Foundation Models, анонсував у вівторок LFM3, нове покоління відкритих моделей, створених для надання того, що компанія називає «спеціалізованим інтелектом» у телефонах, ноутбуках, роботах та іншому периферійному обладнанні. Випуск охоплює шість моделей у діапазоні 2B-параметрів — текст, зображення, аудіо, omni і дві моделі рішень — усі вони відгалужуються від спільної магістралі LFM3-1.7B-Base і доступні сьогодні на Hugging Face, Liquid AI Playground та API компанії.
Тригібридна архітектура, перероблена для агентів For more context on this story, see our ongoing more AI stories.
LFM2 встановив, що гібрид коротких звивин і уваги може працювати швидко на пристрої без значної втрати якості. Для LFM3 Liquid AI повторно запустив свій автоматичний пошук архітектури апаратного забезпечення в циклі з урахуванням агентських робочих навантажень, розширивши простір пошуку з ЦП в одному телефоні та одному ноутбуці до 14 комбінацій пристроїв і серверної частини. Виміряне обладнання тепер включає Samsung Galaxy S26 Ultra, OnePlus 15, Raspberry Pi 5, M4 Max від Apple, ноутбуки зі штучним інтелектом AMD Ryzen, хмарні процесори Arm і x86, графічні процесори та Hexagon NPU від Qualcomm.
Результатом є 24-шаровий «тригібридний» стек: 13 закритих шарів короткої згортки, 5 шарів уваги з ковзним вікном із вікном із 256 маркерів і 6 глобальних шарів уваги. Розміри ядра згортки зросли з 3 до 7, а нові механізми включають стробовану увагу (сигмовидний шлюз, який може вимикати окремі голови), частковий RoPE на глобальних рівнях і нормалізацію сендвічів. Компанія каже, що зміни додають виразності там, де це важливо, зберігаючи при цьому швидкий висновок у довгому контексті.
Навчається на 22 трильйонах токенів
LFM3-1.7B-Base було попередньо навчено на 22 трильйонах токенів із сумішшю даних, яка додає більше наукових статей, коду на рівні сховища та математики, ніж LFM2. Останні 3,5 трильйона токенів формують середню стадію навчання на підібраних високоякісних даних, які є важкими для трасування агентів і різноманітних викликів інструментів — і ця стадія також розширює контекстне вікно до 256 тис. токенів.
Постнавчання проходило в чотири етапи: контрольована точна настройка 1,75 трильйона токенів, що охоплювала чат, міркування та виклик інструментів; змішане навчання з підкріпленням за допомогою математики, коду, SQL і структурованих результатів; дистиляція за політикою в кількох доменах, у якій шість спеціалістів-вчителів RL (код, математика, використання інструментів, довгий контекст, агентська робота та корпоративні робочі процеси) повертаються до однієї моделі; і agentic RL, де завдання від перегляду веб-сторінок до офісної роботи виконуються всередині реальних агентських систем, таких як Hermes Agent, Pi та OpenClaw.
Невелика модель, результати агентства на кордоні
Liquid AI стверджує, що LFM3-1.7B перевершує свій попередній LFM2.5-2.6B, використовуючи на 35 відсотків менше параметрів. За агентськими оцінками компанія каже, що модель лідирує у виконанні інструкцій і викликах функцій у BFCL і ToolSandbox і перемагає значно більший Qwen3.5-9B у довгострокових завданнях браузера та бізнес-додатків у WebArena-Verified і AutomationBench. Великі моделі все ще виграють завдяки агентському кодуванню та знанням, хоча компанія повідомляє, що інструментальний пошук майже подвоює бал маленької моделі на Останньому іспиті Humanity.
Швидкість - це заголовок. За результатами вимірювань за допомогою llama.cpp при 4-бітовому квантуванні та контексті 32 КБ Liquid AI каже, що LFM3-1.7B була найшвидшою моделлю на всіх трьох тестованих периферійних пристроях, декодуючи в 1,8–2,8 рази швидше, ніж наступний конкурент, використовуючи найменшу пам’ять. Для повного контексту 128K-токенів потрібно близько 1,6 ГБ кешу KV проти 4,3 ГБ для Qwen3.5-4B і 5,6 ГБ для MiniCPM5-2B, а модель вміщує приблизно 1 ГБ пам’яті з точністю до 4 біт. У центрі обробки даних одна NVIDIA B300 під керуванням SGLang у BF16, як повідомляється, може створювати 3,6 мільярда токенів на день за 1024 одночасних запитів. Щоб показати, що забезпечує ця пропускна здатність, Liquid AI запустив понад 300 000 паралельних агентів LFM3-1.7B в архіві електронної пошти Enron як демонстрацію.
Зір, звук і перша модель Omni
LFM3-VL-2B представляє новий власний візуальний кодер із 164 мільйонами параметрів, який, згідно з Liquid AI, використовує в 3 рази менше обчислень, ніж кодер SigLIP2 у попередніх моделях LFM vision, і відповідає точності кодера Qwen3.5-2B із у 2,2 рази меншою кількістю FLOP. Згідно з 62 тестами зору, компанія каже, що модель 2B набирає щонайменше 7,4 балів, випереджаючи всі моделі подібного розміру, відповідає Gemma 4 12B — моделі більш ніж у шість разів більшій — перевершує Gemini 3.5 Flash Lite і на 2 бали поступається GPT-5.6 Luna. Це також перша модель LFM vision, яка приймає відеовхід.
LFM3-Audio-2B підтримує розпізнавання, синтез і переклад мовлення 18 мовами за допомогою нового власного кодувальника та токенізера під назвою LiquidCodec, який перетворює згенеровані токени на мовлення приблизно в 87 разів у режимі реального часу в одному потоці ЦП. При потоковому введенні з мікрофона час до першого маркера може становити лише 50 мілісекунд.
LFM3-Omni-2B з 2,2 мільярдами параметрів — це перша omni-модель компанії, яка поєднує зображення, аудіо та мову, щоб користувачі могли задавати голосові запитання щодо зображень або відео із синхронізованим звуком. Дві моделі прийняття рішень, d1-2B і d1-Omni-2B, завершують сімейство: замість того, щоб генерувати відповіді у довільній формі, вони відповідають на багато введених або усних запитань за один прохід вперед, кожне з відкаліброваною ймовірністю, і підтримують структуровані типи відповідей, як-от Point (намалюйте обмежувальну рамку), Read, Estimate та Pick.
Створено для спеціалізації
Liquid AI позиціонує сімейство як відправну точку для тонкого налаштування, а не як передову модель загального призначення. Під час однієї демонстрації компанія налаштувала LFM3-VL-2B на приблизно 3000 публічних фотографій лопатей вітрових турбін для класифікації дефектів. З коробки як LFM3-VL-2B, так і GPT-6 Luna правильно ідентифікували типи дефектів менш ніж на 10 відсотках тестових зображень; після кількох годин навчання на одному A100 налаштований LFM3 досяг 67-відсоткової точності класифікації та покращив виявлення F1 з 0,003 до 0,11 порівняно з 0,01 для GPT-6 Luna. Компанія також опублікувала перші експерименти з робототехніки, що охоплюють оркестровку інструментів, навігацію за допомогою мови зору та низькорівневе маніпулювання рукою робота.
Серед партнерів по запуску Day-Zero — Ambarella, AMD, Arm, Intel через OpenVINO, NVIDIA, OpenRouter, Qualcomm через AI Hub і GenieX, а також Vercel, а Mercedes-Benz і Shopify беруть участь у попередньому тестуванні. Середи виконання спільноти, включаючи llama.cpp, MLX, LM Studio, Ollama та vLLM, підтримують моделі під час запуску.
Реліз підкреслює ширший розкол галузі: оскільки передові лабораторії шукають все більші універсальні моделі, Liquid AI робить ставку на те, що малі, швидкі, спеціалізовані моделі — досить дешеві, щоб точно налаштувати їх на одному графічному процесорі, і достатньо малі, щоб запускати локально, — будуть тим, де велика частина практичної цінності.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
