Liquid AI ha publicado LFM3, la nueva generación de sus Liquid Foundation Models. Se trata de una familia de seis modelos open weight, de clase 2B, es decir, del orden de dos mil millones de parámetros (los ajustes internos que determinan el comportamiento de un modelo), construidos sobre una base común. Cubren texto, visión, audio, « omni » (que combina varias modalidades) y tareas de decisión.
Una familia de seis modelos
Los seis modelos parten todos de LFM3-1.7B-Base. El modelo LFM3-1.7B, de 1,73 mil millones de parámetros y dotado de una ventana de contexto de 256K tokens (la cantidad de texto que un modelo puede procesar de una vez, expresada en fragmentos de palabras), está destinado a agentes locales y ha sido post-entrenado para entornos como Hermes Agent, Pi y OpenClaw. LFM3-VL-2B se presenta como el primer modelo de visión de la familia LFM que acepta vídeo, muestreado a 2 imágenes por segundo. LFM3-Audio-2B procesa el habla en entrada y salida en 18 idiomas, con llamada a herramientas. LFM3-Omni-2B combina visión, audio y lenguaje, y responde en texto o en voz.
Finalmente, d1-2B y d1-Omni-2B son modelos de decisión que responden a muchas preguntas en una sola pasada previa, la etapa de cálculo que produce una respuesta.
Una arquitectura híbrida
La base combina tres tipos de operadores en 24 capas: 13 convoluciones cortas con puerta, 5 capas de atención con ventana deslizante y 6 capas de atención global. Según Liquid AI, esta combinación se encontró gracias a una búsqueda de arquitectura « hardware-in-the-loop », es decir, que tiene en cuenta el hardware real. LFM2 se ajustó en un teléfono y un portátil, mientras que LFM3 se ajustó en 14 combinaciones de dispositivos y backends, incluyendo un Raspberry Pi 5 y el NPU Qualcomm Hexagon.
El modelo base fue entrenado con 22T tokens, de los cuales los últimos 3,5T, orientados a agentes, también aumentaron el contexto a 256K. El post-entrenamiento se realizó en cuatro etapas: un ajuste supervisado (SFT) sobre 1,75T tokens, un aprendizaje por refuerzo mixto, la destilación de seis modelos « especialistas » hacia uno solo, y luego un aprendizaje por refuerzo agentico.
Resultados anunciados por el editor
Según las evaluaciones de Liquid AI, LFM3-1.7B obtiene una media de 49,37 en 29 benchmarks, frente a 47,24 para Qwen3.5-9B. En WebArena-Verified alcanza 38,42 frente a 28,94 para Qwen3.5-9B, y en BFCL V4, 71,39 frente a 62,83. Sin embargo, el modelo queda rezagado en conocimientos y código agentico: GPQA Diamond muestra 63,37 frente a 80,40 para Qwen3.5-9B, y SWE-bench Verified 43,40 frente a 51,20. En Humanity’s Last Exam, la puntuación pasa de 7,17 a 13,90 con herramientas.
Para visión, LFM3-VL-2B muestra una media de 71,4 en 62 benchmarks, frente a 71,7 para Gemma 4 12B en la misma suite. LFM3-Audio-2B alcanza una tasa de error de palabras (WER) de 6,2 en inglés y una puntuación de 3,8 en UTMOSv2 para síntesis vocal. LFM3-Omni-2B obtiene 70,1 en Daily-Omni, frente a 61,3 para Qwen2.5-Omni-7B.
La licencia LFM Open License v1.0 autoriza el uso comercial gratuito hasta 10 millones de dólares de ingresos anuales.
Despliegue
Los pesos están disponibles en Hugging Face, en el Liquid AI Playground y vía la Liquid API, con formatos GGUF, MLX y ONNX para los modelos de texto y visión. Los entornos de ejecución citados incluyen llama.cpp, MLX, vLLM, SGLang, Ollama y Transformers. Liquid AI indica que en 4 bits, LFM3-1.7B requiere aproximadamente 1 GB de memoria, lo que lo hace adecuado para teléfonos y portátiles.
En un NVIDIA B300 con SGLang, el modelo produce 3,6B tokens por día para 1 024 solicitudes simultáneas. Liquid AI también muestra que una especialización es posible: unas pocas horas de ajuste supervisado y aprendizaje GRPO en una sola A100 elevaron la clasificación de defectos en aerogeneradores al 67 %.
