Liquid AI stellt LFM3 vor: sechs kompakte Modelle aus einer gemeinsamen Basis, mit hauseigenen Benchmarks und einer Lizenz mit Auflagen

Am 27. Oktober 2026 hat Liquid AI in seinem offiziellen Blog die LFM3-Familie angekündigt, eine neue Reihe von Modellen mit rund zwei Milliarden Parametern, die lokal auf PCs und Mobilgeräten laufen sollen. Das gesamte Angebot geht von einer gemeinsamen Grundlage aus, LFM3-1.7B-Base, aus der sechs Varianten für Text, Bild, Audio, omnimodale Verarbeitung und spezialisierte Entscheidungsaufgaben abgeleitet wurden. Die Textversion mit 1,73 Milliarden Parametern und einem Kontextfenster von 256.000 Token nutzt eine hybride Architektur mit 24 Schichten, in der sich kurze Faltungen mit Gating, Sliding-Window-Attention und Schichten globaler Attention abwechseln. Das Training begann mit 22 Billionen Token, gefolgt von Feinabstimmungsphasen zur Kontexterweiterung und zum Instruction Tuning.

Nach den Messungen des Unternehmens belegt das Textmodell mit 4-Bit-Quantisierung etwa ein Gigabyte Speicher und benötigt bei 128.000 Token einen KV-Cache von 1,6 GB, gegenüber 4,3 GB bei Qwen3.5-4B und 5,6 GB bei MiniCPM5-2B. Die Unternehmensdokumentation nennt einen Durchschnitt von 49,37 Punkten über neunzehn von Liquid AI ausgewählte Benchmarks, gegenüber 47,24 für Qwen3.5-9B. Dieselbe Tabelle zeigt jedoch, dass das größere Modell beim wissenschaftlichen Schlussfolgern in GPQA Diamond (80,40 zu 63,37), beim Umgang mit langen Kontexten in RULER 128K (87,11 zu 65,56) und bei der Codegenerierung in SWE-bench Verified (51,20 zu 43,40) vorne bleibt. Laut Tech Times waren diese vom Unternehmen selbst angegebenen Werte zum Zeitpunkt der Veröffentlichung noch nicht von Dritten reproduziert worden.

Die Gewichte der Reihe sind auf Hugging Face veröffentlicht und über eine API sowie eigene Testumgebungen zugänglich; laut Liquid AI lässt sich jedes Modell der Familie auf einer einzigen GPU feinabstimmen. Die LFM Open License v1.0 erlaubt die kommerzielle Nutzung nur bis zu einem Jahresumsatz von zehn Millionen US-Dollar kostenlos; darüber ist eine individuell ausgehandelte kommerzielle Lizenz nötig, während Forschung und gemeinnützige Tätigkeiten keinen finanziellen Auflagen unterliegen. Wegen dieser Schwelle ist die Lizenz nicht Open Source im Sinne der OSI. Zur Entwicklung des Edge Computing erklärte Vinesh Sukumar, Vice President bei Qualcomm Technologies: "The next generation of AI will be more multimodal, personalized, and private", während Josh Hort, Senior Director bei AMD, betonte: "developers need models that can be deployed efficiently across the broad spectrum of AI PCs".

Agentische Aufgaben in ein Textmodell zu bringen, das laut Unternehmen bei 4 Bit etwa ein Gigabyte belegt, ist sorgfältige Ingenieursarbeit: Der Schwerpunkt verschiebt sich von der bloßen Parameterzahl hin zu einem strengen Umgang mit Hardware-Ressourcen. Offen bleibt jedoch der Abstand zwischen vom Hersteller ausgewählten Benchmarks und der tatsächlichen Leistung im Alltag, wo sich die Belastbarkeit der Architektur daran messen wird, ob sie komplexe Aufgaben in unterschiedlichsten lokalen Umgebungen bewältigt. — Olya