A Liquid AI lançou o LFM3, a nova geração dos seus Liquid Foundation Models. Trata-se de uma família de seis modelos de pesos abertos, de classe 2B, ou seja, da ordem dos dois mil milhões de parâmetros (os ajustes internos que determinam o comportamento de um modelo), construídos sobre uma base comum. Eles abrangem texto, visão, áudio, «omni» (que combina várias modalidades) e tarefas de decisão.
Uma família de seis modelos
Os seis modelos partem todos do LFM3-1.7B-Base. O modelo LFM3-1.7B, com 1,73 mil milhões de parâmetros e dotado de uma janela de contexto de 256K tokens (a quantidade de texto que um modelo pode processar de uma só vez, expressa em fragmentos de palavras), destina-se a agentes locais e foi pós-treinado para ambientes como Hermes Agent, Pi e OpenClaw. O LFM3-VL-2B é apresentado como o primeiro modelo de visão da família LFM a aceitar vídeo, amostrado a 2 imagens por segundo. O LFM3-Audio-2B processa fala em entrada e saída em 18 idiomas, com chamada de ferramentas. O LFM3-Omni-2B combina visão, áudio e linguagem, e responde em texto ou fala.
Por fim, d1-2B e d1-Omni-2B são modelos de decisão que respondem a muitas perguntas num único passe forward, a etapa de cálculo que produz uma resposta.
Uma arquitetura híbrida
A base combina três tipos de operadores em 24 camadas: 13 convoluções curtas com gate, 5 camadas de atenção com janela deslizante e 6 camadas de atenção global. Segundo a Liquid AI, esta combinação foi encontrada através de uma pesquisa de arquitetura «hardware-in-the-loop», ou seja, que tem em conta o hardware real. O LFM2 tinha sido ajustado para um telemóvel e um portátil, enquanto o LFM3 o foi para 14 combinações de dispositivos e backends, incluindo um Raspberry Pi 5 e o NPU Qualcomm Hexagon.
O modelo base foi treinado em 22T tokens, dos quais os últimos 3,5T, orientados para agentes, também aumentaram o contexto para 256K. O pós-treinamento decorreu em quatro etapas: um ajuste supervisionado (SFT) em 1,75T tokens, uma aprendizagem por reforço misto, a destilação de seis modelos «especialistas» para um único, e depois uma aprendizagem por reforço agentico.
Resultados anunciados pela editora
De acordo com as avaliações da Liquid AI, o LFM3-1.7B obtém uma média de 49,37 em 29 benchmarks, contra 47,24 do Qwen3.5-9B. No WebArena-Verified, atinge 38,42 contra 28,94 do Qwen3.5-9B, e no BFCL V4, 71,39 contra 62,83. Por outro lado, o modelo mantém-se atrás em conhecimentos e código agentico: o GPQA Diamond regista 63,37 contra 80,40 do Qwen3.5-9B, e o SWE-bench Verified 43,40 contra 51,20. No Humanity’s Last Exam, a pontuação passa de 7,17 para 13,90 com ferramentas.
Para a visão, o LFM3-VL-2B apresenta uma média de 71,4 em 62 benchmarks, contra 71,7 do Gemma 4 12B na mesma suite. O LFM3-Audio-2B atinge uma taxa de erro de palavras (WER) de 6,2 em inglês e uma pontuação de 3,8 no UTMOSv2 para síntese de voz. O LFM3-Omni-2B obtém 70,1 no Daily-Omni, contra 61,3 do Qwen2.5-Omni-7B.
A licença LFM Open License v1.0 autoriza o uso comercial gratuito até 10 milhões de dólares de receitas anuais.
Implementação
Os pesos estão disponíveis no Hugging Face, no Liquid AI Playground e através da Liquid API, com formatos GGUF, MLX e ONNX para os modelos de texto e visão. Os ambientes de execução citados incluem llama.cpp, MLX, vLLM, SGLang, Ollama e Transformers. A Liquid AI indica que, em 4 bits, o LFM3-1.7B necessita de cerca de 1 GB de memória, o que o torna adequado para telemóveis e portáteis.
Num NVIDIA B300 com SGLang, o modelo produz 3,6B tokens por dia para 1024 pedidos simultâneos. A Liquid AI mostra também que uma especialização é possível: algumas horas de ajuste supervisionado e aprendizagem GRPO num único A100 aumentaram a classificação de defeitos em turbinas eólicas para 67%.
