Liquid AI wypuściło LFM3: sześć otwartych modeli po 2 mld parametrów, które widzą, słyszą i mówią
Liquid AI wypuściło rodzinę LFM3: sześć otwartych modeli około 2 mld parametrów, od tekstu po model omni. Zebrałem architekturę, pomiary producenta i to, co trzeba sprawdzić przed użyciem.
👁 122 przeczytań
Liquid AI wypuściło we wtorek 27 października LFM3, nową generację swoich małych modeli. To nie jeden model, tylko rodzina sześciu, wszystkie w okolicach 2 mld parametrów i wszystkie zbudowane na tym samym rdzeniu LFM3-1.7B-Base. Jest tekst, obraz z wideo, dźwięk, model „omni”, który widzi, słyszy i mówi, oraz dwa modele decyzyjne. Wagi są otwarte i leżą już na Hugging Face. Śledzę Liquid od serii LFM2.5, więc sprawdziłem, co się realnie zmieniło.
Sześć modeli w pierwszym wydaniu
| Model | Do czego |
|---|---|
| LFM3-1.7B | tekst, lokalne agenty, okno kontekstu 256 tys. tokenów |
| LFM3-VL-2B | obraz i po raz pierwszy w rodzinie LFM wideo, rozumowanie krok po kroku |
| LFM3-Audio-2B | mowa na wejściu i wyjściu, transkrypcja, synteza i tłumaczenie w 18 językach |
| LFM3-Omni-2B | 2,2 mld parametrów, mowa, obraz, wideo i tekst na wejściu, tekst i mowa na wyjściu |
| d1-2B | model decyzyjny na bazie VL-2B |
| d1-Omni-2B | model decyzyjny na bazie Omni-2B, który także słucha |
Co nowego w architekturze
LFM2 łączył krótkie konwolucje z atencją. LFM3 dokłada trzeci składnik: atencję w przesuwanym oknie. Z 24 warstw 13 to konwolucje, 5 to atencja z oknem 256 tokenów, a 6 to pełna atencja. Model był uczony na 22 bilionach tokenów, z większym udziałem kodu, prac naukowych i matematyki niż poprzednik. Ostatnie 3,5 biliona tokenów to dane z nagraniami pracy agentów i wywołań narzędzi.
Ciekawe jest to, jak Liquid projektuje te modele: architekturę dobiera automatyczne wyszukiwanie, które od razu mierzy szybkość na prawdziwym sprzęcie. Przy LFM2 były to procesory jednego telefonu i jednego laptopa. Przy LFM3 jest 14 kombinacji, od Samsunga Galaxy S26 Ultra i Raspberry Pi 5 po Apple M4 Max, AMD Ryzen AI, karty graficzne i NPU Qualcomma.
Liczby, które mają znaczenie lokalnie
Według pomiarów Liquid (llama.cpp, kwantyzacja Q4_0, kontekst 32 tys. tokenów) LFM3-1.7B na iPhonie 17 Pro generuje 43,6 tokena na sekundę i zajmuje 1,9 GB pamięci. Na Apple M5 Max to 237,1 tokena na sekundę. Pełny kontekst 128 tys. tokenów potrzebuje 1,6 GB pamięci podręcznej KV, wobec 4,3 GB w Qwen3.5-4B. To są liczby producenta, nie moje, ale przy tak małym modelu łatwo je sprawdzić.
LFM3-VL-2B według Liquid wyprzedza modele swojej wielkości w średniej z 62 testów wizyjnych o co najmniej 7,4 punktu i dorównuje Gemmie 4 12B, ponad sześć razy większej. Nowy własny enkoder obrazu zużywa trzy razy mniej obliczeń niż SigLIP2 z poprzednich wersji.
Ciekawy jest też zewnętrzny test MacPaw: w 65 codziennych zadaniach agenta na macOS LFM3-1.7B wykonał 64% zadań, a większy Qwen3.5-2B 48%. Mały model zużył przy tym 58% mniej tokenów. Liquid pokazał też demo z ponad 300 tys. agentów LFM3 przeszukujących archiwum maili Enronu.
Omni i modele decyzyjne
Nie przepłacaj za te subskrypcje
Prowadzę sklep z rocznymi dostępami do narzędzi AI - te same konta, o których piszę wyżej, tylko taniej niż w cenniku producenta.
LFM3-Omni-2B to pierwszy „omni” w rodzinie: zadajesz pytanie głosem o to, co widzi kamera, a model odpowiada mową albo od razu wywołuje narzędzie. Liquid pokazuje rezerwację lotu głosem na laptopie, a Mercedes-Benz testuje te modele w asystencie MBUX. Modele d1 nie piszą odpowiedzi, tylko w jednym przebiegu odpowiadają na listę pytań z prawdopodobieństwem przy każdej. Teraz potrafią też zaznaczyć obiekt na obrazie i wyciągnąć z dokumentu tekst, liczby i daty. Jak działa ta kategoria, opisałem przy pierwszym d1 i d1-ultra.
Gdzie pobrać i co sprawdzić
Modele bazowe i dostrojone są na Hugging Face, w Playgroundzie Liquid i przez API firmy. Liquid podaje 18 języków dla modelu audio, ale nie wymienia ich na stronie premiery, więc obecność polskiego trzeba sprawdzić na karcie modelu. Licencję też sprawdź na karcie, zanim wrzucisz model do produktu. Poprzednie wydania z tej rodziny: LFM2.5-24B-A2B i LFM2.5-2.6B. Jeśli dopiero zaczynasz z modelami na własnym sprzęcie, zacznij od przewodnika lokalne AI i od Ollamy.
Google · Twoje źródłaPromptowy wyżej w Twoim Google - jednym kliknięciemDodaj do preferowanych źródeł →Źródła
Cały tydzień w AI, w jednym mailu
Wybrane premiery, narzędzia i analizy. Raz w tygodniu, prosto do skrzynki.
Zapisz się za darmo →Podobne tematy na Promptowym
