Liquid AI hat LFM3 veröffentlicht, die neue Generation seiner Liquid Foundation Models. Es handelt sich um eine Familie von sechs offenen Modellen der Klasse 2B, also in der Größenordnung von zwei Milliarden Parametern (die internen Einstellungen, die das Verhalten eines Modells bestimmen), die auf einer gemeinsamen Basis aufbauen. Sie decken Text, Vision, Audio, « Omni » (das mehrere Modalitäten kombiniert) und Entscheidungsaufgaben ab.
Eine Familie von sechs Modellen
Alle sechs Modelle gehen von LFM3-1.7B-Base aus. Das Modell LFM3-1.7B mit 1,73 Milliarden Parametern und einem Kontextfenster von 256K Tokens (die Menge an Text, die ein Modell auf einmal verarbeiten kann, ausgedrückt in Wortstücken) ist für lokale Agenten gedacht und wurde nachtrainiert für Umgebungen wie Hermes Agent, Pi und OpenClaw. LFM3-VL-2B wird als erstes Vision-Modell der LFM-Familie vorgestellt, das Video akzeptiert, mit 2 Bildern pro Sekunde abgetastet. LFM3-Audio-2B verarbeitet Spracheingabe und -ausgabe in 18 Sprachen mit Tool-Aufrufen. LFM3-Omni-2B kombiniert Vision, Audio und Sprache und antwortet in Text oder Sprache.
Schließlich sind d1-2B und d1-Omni-2B Entscheidungsmodelle, die viele Fragen in einem einzigen Vorwärtsdurchlauf beantworten, dem Rechenschritt, der eine Antwort erzeugt.
Eine hybride Architektur
Die Basis kombiniert drei Arten von Operatoren auf 24 Schichten: 13 kurze Gated-Convolutions, 5 Schichten mit gleitender Fenster-Aufmerksamkeit und 6 Schichten mit globaler Aufmerksamkeit. Laut Liquid AI wurde diese Kombination durch eine « Hardware-in-the-Loop »-Architektursuche gefunden, die die tatsächliche Hardware berücksichtigt. LFM2 wurde auf einem Telefon und einem Laptop optimiert, während LFM3 auf 14 Kombinationen von Geräten und Backends optimiert wurde, darunter ein Raspberry Pi 5 und der Qualcomm Hexagon NPU.
Das Basismodell wurde auf 22T Tokens trainiert, wobei die letzten 3,5T Tokens, die auf Agenten ausgerichtet sind, auch den Kontext auf 256K erhöhten. Das Nachtraining erfolgte in vier Schritten: eine überwachte Feinabstimmung (SFT) auf 1,75T Tokens, gemischtes Reinforcement Learning, die Destillation von sechs « Spezialisten »-Modellen zu einem einzigen und dann agentenbasiertes Reinforcement Learning.
Vom Herausgeber angekündigte Ergebnisse
Laut den Evaluierungen von Liquid AI erzielt LFM3-1.7B einen Durchschnitt von 49,37 auf 29 Benchmarks, verglichen mit 47,24 für Qwen3.5-9B. Auf WebArena-Verified erreicht es 38,42 gegenüber 28,94 für Qwen3.5-9B und auf BFCL V4 71,39 gegenüber 62,83. Andererseits bleibt das Modell bei Wissen und agentischem Code zurück: GPQA Diamond zeigt 63,37 gegenüber 80,40 für Qwen3.5-9B, und SWE-bench Verified 43,40 gegenüber 51,20. Auf Humanity’s Last Exam steigt die Punktzahl von 7,17 auf 13,90 mit Tools.
Für Vision zeigt LFM3-VL-2B einen Durchschnitt von 71,4 auf 62 Benchmarks, verglichen mit 71,7 für Gemma 4 12B auf derselben Suite. LFM3-Audio-2B erreicht eine Wortfehlerrate (WER) von 6,2 in Englisch und eine Punktzahl von 3,8 in UTMOSv2 für Sprachsynthese. LFM3-Omni-2B erzielt 70,1 auf Daily-Omni, verglichen mit 61,3 für Qwen2.5-Omni-7B.
Die Lizenz LFM Open License v1.0 erlaubt die kostenlose kommerzielle Nutzung bis zu 10 Millionen Dollar Jahresumsatz.
Bereitstellung
Die Gewichte sind auf Hugging Face, im Liquid AI Playground und über die Liquid API verfügbar, mit GGUF-, MLX- und ONNX-Formaten für Text- und Vision-Modelle. Die genannten Laufzeitumgebungen umfassen llama.cpp, MLX, vLLM, SGLang, Ollama und Transformers. Liquid AI gibt an, dass LFM3-1.7B in 4-Bit-Quantisierung etwa 1 GB Speicher benötigt, was es für Telefone und Laptops geeignet macht.
Auf einem NVIDIA B300 mit SGLang produziert das Modell 3,6B Tokens pro Tag bei 1.024 gleichzeitigen Anfragen. Liquid AI zeigt auch, dass eine Spezialisierung möglich ist: Einige Stunden überwachte Feinabstimmung und GRPO-Training auf einer einzelnen A100 erhöhten die Fehlerklassifizierung bei Windkraftanlagen auf 67 %.
