Liquid AI, công ty con của MIT đằng sau dòng Liquid Foundation Models, đã công bố LFM3 vào thứ Ba, một thế hệ mô hình trọng lượng mở mới được chế tạo để mang thứ mà công ty gọi là “trí thông minh chuyên dụng” cho điện thoại, máy tính xách tay, robot và phần cứng biên khác. Bản phát hành bao gồm sáu mô hình trong phạm vi tham số 2B — văn bản, hình ảnh, âm thanh, omni và hai mô hình quyết định — tất cả đều được phân nhánh từ xương sống LFM3-1.7B-Base dùng chung và hiện có sẵn trên Hugging Face, Liquid AI Playground và API của công ty.

Kiến trúc Tri-Hybrid được thiết kế lại cho Đại lý For more context on this story, see our ongoing artificial intelligence updates.

LFM2 đã chứng minh rằng sự kết hợp giữa các cụm từ ngắn và sự chú ý có thể chạy nhanh trên thiết bị mà không ảnh hưởng nhiều đến chất lượng. Đối với LFM3, Liquid AI chạy lại tìm kiếm kiến ​​trúc phần cứng trong vòng lặp tự động có tính đến khối lượng công việc tác nhân, mở rộng không gian tìm kiếm từ CPU trong một điện thoại và một máy tính xách tay lên 14 tổ hợp thiết bị và chương trình phụ trợ. Phần cứng được đo hiện bao gồm Samsung Galaxy S26 Ultra, OnePlus 15, Raspberry Pi 5, M4 Max của Apple, máy tính xách tay AMD Ryzen AI, CPU đám mây Arm và x86, GPU và NPU Hexagon của Qualcomm.

Kết quả là một ngăn xếp "ba lai" gồm 24 lớp: 13 lớp chập ngắn có cổng, 5 lớp chú ý cửa sổ trượt với cửa sổ 256 mã thông báo và 6 lớp chú ý toàn cục. Kích thước hạt nhân tích chập đã tăng từ 3 lên 7 và các cơ chế mới bao gồm sự chú ý được kiểm soát theo đầu người (một cổng sigmoid có thể tắt các đầu riêng lẻ), RoPE một phần trên các lớp chung và chuẩn hóa bánh sandwich. Công ty cho biết những thay đổi này sẽ bổ sung thêm tính biểu cảm trong khi vẫn duy trì khả năng suy luận theo ngữ cảnh dài một cách nhanh chóng.

Được đào tạo trên 22 nghìn tỷ Token

LFM3-1.7B-Base đã được đào tạo trước trên 22 nghìn tỷ mã thông báo, với sự kết hợp dữ liệu bổ sung thêm nhiều bài báo khoa học, mã cấp kho lưu trữ và toán học hơn LFM2. 3,5 nghìn tỷ mã thông báo cuối cùng tạo thành giai đoạn đào tạo giữa kỳ về dữ liệu được quản lý, chất lượng cao hơn, tập trung nhiều vào dấu vết tác nhân và lệnh gọi công cụ đa dạng — và giai đoạn đó cũng mở rộng cửa sổ ngữ cảnh lên 256K mã thông báo.

Quá trình đào tạo sau trải qua bốn giai đoạn: tinh chỉnh có giám sát trên 1,75 nghìn tỷ mã thông báo bao gồm trò chuyện, lý luận và gọi công cụ; học tập củng cố hỗn hợp trên các kết quả đầu ra toán, mã, SQL và có cấu trúc; chắt lọc chính sách đa miền, trong đó sáu giáo viên RL chuyên môn (mã, toán, sử dụng công cụ, ngữ cảnh dài, công việc tác nhân và quy trình làm việc của doanh nghiệp) được chắt lọc lại thành một mô hình; và RL tác nhân, trong đó các tác vụ từ duyệt web đến công việc văn phòng chạy bên trong các khai thác tác nhân thực như Hermes Agent, Pi và OpenClaw.

Mô hình nhỏ, Kết quả tác nhân liền kề biên giới

Liquid AI tuyên bố LFM3-1.7B hoạt động tốt hơn LFM2.5-2.6B trước đó trong khi sử dụng ít tham số hơn 35%. Trong các bài đánh giá tác nhân, công ty cho biết mô hình này dẫn đầu về việc tuân theo hướng dẫn và gọi chức năng trong BFCL và ToolSandbox, đồng thời đánh bại Qwen3.5-9B lớn hơn đáng kể trên các tác vụ ứng dụng kinh doanh và trình duyệt có tầm nhìn dài trong WebArena-Được xác minh và AutomationBench. Các mô hình lớn hơn vẫn giành chiến thắng về kiến ​​thức và mã hóa tác nhân, mặc dù công ty báo cáo rằng tìm kiếm công cụ gần như tăng gấp đôi số điểm của mô hình nhỏ trong Bài kiểm tra cuối cùng của nhân loại.

Tốc độ là tiêu đề. Được đo bằng llama.cpp ở mức lượng tử hóa 4 bit và ngữ cảnh 32K, Liquid AI cho biết LFM3-1.7B là mô hình nhanh nhất trên cả ba thiết bị biên được thử nghiệm, giải mã nhanh hơn 1,8 đến 2,8 lần so với đối thủ cạnh tranh tiếp theo trong khi sử dụng ít bộ nhớ nhất. Bối cảnh mã thông báo 128K đầy đủ cần khoảng 1,6 GB bộ nhớ đệm KV, so với 4,3 GB cho Qwen3.5-4B và 5,6 GB cho MiniCPM5-2B và mô hình này phù hợp với khoảng 1 GB bộ nhớ ở độ chính xác 4 bit. Trong trung tâm dữ liệu, một NVIDIA B300 chạy SGLang trong BF16 được cho là có thể tạo ra 3,6 tỷ token mỗi ngày với 1.024 yêu cầu đồng thời. Để cho thấy thông lượng đó có thể mang lại những gì, Liquid AI đã chạy hơn 300.000 tác nhân LFM3-1.7B song song trên kho lưu trữ email của Enron dưới dạng bản demo.

Tầm nhìn, Âm thanh và Mô hình Omni đầu tiên

LFM3-VL-2B mang đến bộ mã hóa hình ảnh nội bộ mới với 164 triệu tham số, theo Liquid AI, sử dụng khả năng tính toán ít hơn 3 lần so với bộ mã hóa SigLIP2 trong các mẫu hình ảnh LFM trước đây, đồng thời phù hợp với độ chính xác của bộ mã hóa Qwen3.5-2B với FLOP ít hơn 2,2 lần. Trên 62 điểm chuẩn về tầm nhìn, công ty cho biết mô hình 2B đạt ít nhất 7,4 điểm so với tất cả các mô hình có kích thước tương tự, phù hợp với Gemma 4 12B — một mô hình lớn hơn sáu lần — vượt qua Gemini 3.5 Flash Lite và đạt 2 điểm so với GPT-5.6 Luna. Đây cũng là mô hình tầm nhìn LFM đầu tiên chấp nhận đầu vào video.

LFM3-Audio-2B xử lý nhận dạng, tổng hợp và dịch giọng nói trên 18 ngôn ngữ, được hỗ trợ bởi bộ mã hóa nội bộ mới và bộ mã thông báo có tên LiquidCodec giúp chuyển đổi mã thông báo được tạo thành giọng nói với tốc độ khoảng 87 lần thời gian thực trên một luồng CPU. Với đầu vào micrô phát trực tuyến, thời gian đến mã thông báo đầu tiên có thể thấp tới 50 mili giây.

LFM3-Omni-2B, với 2,2 tỷ thông số, là mẫu omni đầu tiên của công ty, kết hợp hình ảnh, âm thanh và ngôn ngữ để người dùng có thể đặt câu hỏi bằng giọng nói về hình ảnh hoặc về video có âm thanh đồng bộ. Hai mô hình quyết định, d1-2B và d1-Omni-2B, đóng lại trong nhóm: thay vì tạo ra các câu trả lời dạng tự do, chúng trả lời nhiều câu hỏi được nhập hoặc nói trong một lượt chuyển tiếp duy nhất, mỗi mô hình có xác suất được hiệu chỉnh và hỗ trợ các loại câu trả lời có cấu trúc như Điểm (vẽ một hộp giới hạn), Đọc, Ước tính và Chọn.

Được xây dựng để trở nên chuyên biệt

AI lỏng định vị dòng sản phẩm này như một điểm khởi đầu để tinh chỉnh hơn là một mô hình biên giới có mục đích chung. Trong một cuộc trình diễn, công ty đã tinh chỉnh LFM3-VL-2B trên khoảng 3.000 bức ảnh công khai về các cánh tuabin gió để phân loại các khuyết tật. Ngay từ đầu, cả LFM3-VL-2B và GPT-6 Luna đều xác định chính xác các loại lỗi với tỷ lệ chưa đến 10% số hình ảnh thử nghiệm; sau vài giờ đào tạo trên một chiếc A100, LFM3 được tinh chỉnh đã đạt độ chính xác phân loại 67% và cải thiện khả năng phát hiện F1 từ 0,003 lên 0,11, so với 0,01 của GPT-6 Luna. Công ty cũng đã xuất bản các thử nghiệm robot đầu tiên bao gồm việc điều phối công cụ, điều hướng bằng ngôn ngữ thị giác và thao tác cánh tay robot ở cấp độ thấp.

Các đối tác ra mắt Day-zero bao gồm Ambarella, AMD, Arm, Intel thông qua OpenVINO, NVIDIA, OpenRouter, Qualcomm thông qua AI Hub và GenieX, và Vercel, với Mercedes-Benz và Shopify tham gia thử nghiệm trước khi phát hành. Thời gian chạy của cộng đồng bao gồm llama.cpp, MLX, LM Studio, Ollama và vLLM hỗ trợ các mô hình khi ra mắt.

Bản phát hành nhấn mạnh sự phân chia ngành rộng hơn: khi các phòng thí nghiệm biên giới theo đuổi các mô hình tổng quát ngày càng lớn hơn, Liquid AI đang đặt cược rằng các mô hình nhỏ, nhanh, chuyên dụng — đủ rẻ để tinh chỉnh trên một GPU và đủ nhỏ để chạy cục bộ — sẽ là nơi có nhiều giá trị thực tế.

---

Stay Ahead of AI

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

Read more AI news →