Liquid AI prezentuje LFM3: sześć kompaktowych modeli z jednej bazy, z własnymi benchmarkami i licencją z ograniczeniami

27 października 2026 roku Liquid AI ogłosiło na swoim oficjalnym blogu rodzinę LFM3, nową serię modeli liczących około dwóch miliardów parametrów, przeznaczonych do lokalnego uruchamiania na komputerach i urządzeniach mobilnych. Cała oferta wyrasta ze wspólnej bazy, LFM3-1.7B-Base, z której wyprowadzono sześć wariantów: do tekstu, obrazu, dźwięku, przetwarzania omnimodalnego i wyspecjalizowanych zadań decyzyjnych. Wersja tekstowa, z 1,73 mld parametrów i oknem kontekstu 256 tys. tokenów, wykorzystuje hybrydową architekturę 24 warstw, w której przeplatają się krótkie konwolucje z bramkowaniem, uwaga z przesuwanym oknem i warstwy uwagi globalnej. Trening objął początkowo 22 biliony tokenów, po czym nastąpiły etapy dostrajania pod kątem wydłużenia kontekstu i wykonywania instrukcji.

Według pomiarów udostępnionych przez firmę model tekstowy zajmuje około jednego gigabajta pamięci przy kwantyzacji 4-bitowej i, według tych samych pomiarów, potrzebuje pamięci podręcznej KV o wielkości 1,6 GB przy 128 tys. tokenów, wobec 4,3 GB w przypadku Qwen3.5-4B i 5,6 GB w przypadku MiniCPM5-2B. Dokumentacja firmy podaje średnią 49,37 pkt w dziewiętnastu benchmarkach wybranych przez Liquid AI, wobec 47,24 pkt przypisanych Qwen3.5-9B. Ta sama tabela pokazuje jednak, że większy model pozostaje z przodu w rozumowaniu naukowym w GPQA Diamond (80,40 wobec 63,37), w obsłudze długiego kontekstu w RULER 128K (87,11 wobec 65,56) i w generowaniu kodu w SWE-bench Verified (51,20 wobec 43,40). Według Tech Times w momencie publikacji te deklarowane przez firmę dane nie zostały jeszcze odtworzone przez strony trzecie.

Wagi serii opublikowano na platformie Hugging Face; są też dostępne przez API i dedykowane środowiska testowe. Według Liquid AI każdy model z rodziny można dostroić na jednym GPU. Licencja LFM Open License v1.0 pozwala na bezpłatne użycie komercyjne tylko do progu dziesięciu milionów dolarów rocznego przychodu; powyżej wymagana jest indywidualnie wynegocjowana licencja komercyjna, natomiast badania i działalność non-profit nie podlegają żadnym warunkom finansowym. Z powodu tego progu licencja nie jest open source w rozumieniu OSI. O rozwoju przetwarzania brzegowego Vinesh Sukumar, wiceprezes Qualcomm Technologies, powiedział: "The next generation of AI will be more multimodal, personalized, and private", a Josh Hort, Senior Director w AMD, dodał, że "developers need models that can be deployed efficiently across the broad spectrum of AI PCs".

Zmieszczenie zadań agentowych w modelu tekstowym, który według firmy zajmuje około gigabajta przy 4 bitach, to staranna praca inżynierska, przesuwająca akcent z samej liczby parametrów na ścisłe zarządzanie zasobami sprzętu. Do oceny pozostaje jednak różnica między zestawem benchmarków wybranym przez producenta a rzeczywistą wydajnością w codziennym użyciu, gdzie o solidności architektury przesądzi to, czy poradzi sobie ze złożonymi zadaniami w bardzo różnych środowiskach lokalnych. — Olya