A Liquid AI lançou o LFM3, nova geração de seus modelos de fundação, em um post no Hugging Face. Os pesos são abertos e já estão disponíveis. A empresa apresenta a família como ponto de partida para modelos especializados, e não como um único modelo grande de uso geral.
O que há na família
Seis modelos compartilham o mesmo backbone, o LFM3-1.7B-Base, e todos ficam na faixa de 2B de parâmetros:
- LFM3-1.7B recebe texto e devolve texto. É voltado a agentes locais, chamada de ferramentas e saídas estruturadas.
- LFM3-VL-2B aceita texto, imagens e vídeo. É o primeiro modelo de visão da linha LFM a aceitar vídeo.
- LFM3-Audio-2B recebe texto e áudio e responde em texto, fala ou ambos, em 18 idiomas.
- LFM3-Omni-2B recebe texto, imagens, vídeo e áudio e responde em texto ou fala. A Liquid AI diz que ele pode substituir modelos separados de reconhecimento de fala, de visão e linguagem, um LLM e um sintetizador de voz.
- d1-2B e d1-omni-2B devolvem respostas calibradas, em vez de texto livre. O d1-2B trabalha com texto, imagens e vídeo, e o d1-omni-2B acrescenta áudio.
Desempenho declarado
Todos os números abaixo são da própria Liquid AI. A empresa afirma que o LFM3-1.7B supera o LFM2.5-2.6B, lançamento anterior, com 35% menos parâmetros. No WebArena-Verified, ela relata 38,42 contra 3,02. O modelo de texto cabe em cerca de 1 GB com precisão de 4 bits e tem janela de contexto de 256 mil tokens.
O LFM3-VL-2B eleva a média em 62 benchmarks de visão de 57,6 para 71,4, na comparação com o LFM2.5-VL-3B. Segundo a Liquid AI, isso equivale ao Gemma 4 12B. Em áudio, a empresa informa uma nota de qualidade de fala de 3,83, contra 3,22 do modelo de áudio anterior.
Os modelos de decisão
Os modelos d1 são os mais ligados a processos de negócio. Você descreve uma situação, como um ticket de suporte, uma fatura, uma tela de app, uma foto ou uma nota de voz, e envia uma lista de perguntas. Eles respondem a todas em uma única passada (forward pass), cada uma com uma probabilidade calibrada.
Os tipos de pergunta incluem sim/não, escolha única ou múltipla, notas, apontar objetos, ler valores em documentos e estimar números com uma faixa. O exemplo do post encaminha um ticket para uma equipe, sinaliza um pedido de reembolso, lista os assuntos e avalia a urgência. O d1-2B substitui o d1-3B com um terço a menos de parâmetros. A Liquid AI relata 75,5 contra 64,0 no ImajevBench.
Fine-tuning
Todos os modelos podem ser ajustados em uma única GPU. A Liquid AI publicou notebooks no Colab para tarefas como extrair JSON estruturado de documentos bagunçados, responder a partir de documentos recuperados ou se recusar a responder, chamar ferramentas em um app de celular com 108 ferramentas e ler fotos de recibos em JSON.
O post também mostra o LFM3-VL-2B adaptado em três modelos de robótica. O modelo de manipulação chega a 96,2% de sucesso médio nas quatro suítes do LIBERO. É uma demonstração de adaptabilidade, não um fluxo de trabalho empresarial.
Ressalvas
O post é o anúncio do próprio fornecedor. As comparações não foram verificadas de forma independente aqui, e a fonte não traz preço nem termos de licença além de chamar os modelos de pesos abertos.