Liquid AI выпустила LFM3 - новое поколение своих базовых моделей. Об этом компания сообщила в записи на Hugging Face. Веса открыты и доступны уже сейчас. Семейство в компании описывают как отправную точку для специализированных моделей, а не как одну большую универсальную модель.
Что входит в семейство
Шесть моделей построены на общей основе LFM3-1.7B-Base, и все они укладываются в диапазон около 2 млрд параметров:
- LFM3-1.7B принимает текст и отвечает текстом. Рассчитана на локальных агентов, вызов инструментов и структурированный вывод.
- LFM3-VL-2B работает с текстом, изображениями и видео. Это первая зрительная модель LFM, которая принимает видео.
- LFM3-Audio-2B принимает текст и звук, а отвечает текстом, речью или тем и другим, на 18 языках.
- LFM3-Omni-2B принимает текст, изображения, видео и звук, отвечает текстом или речью. По словам Liquid AI, она может заменить отдельные модели распознавания речи, обработки изображений и текста, LLM и синтезатор речи.
- d1-2B и d1-omni-2B возвращают не свободный текст, а откалиброванные ответы. d1-2B работает с текстом, изображениями и видео, d1-omni-2B дополнительно понимает звук.
Заявленные результаты
Все приведённые ниже цифры - данные самой Liquid AI. Компания утверждает, что LFM3-1.7B опережает прежнюю LFM2.5-2.6B, хотя параметров у неё на 35% меньше. На WebArena-Verified результат составил 38,42 против 3,02. Текстовая модель при 4-битной точности занимает около 1 ГБ и держит контекст в 256 тысяч токенов.
LFM3-VL-2B поднимает средний результат по 62 зрительным бенчмаркам с 57,6 до 71,4 по сравнению с LFM2.5-VL-3B. В Liquid AI говорят, что это на уровне Gemma 4 12B. По звуку компания приводит оценку качества речи 3,83 против 3,22 у предыдущей аудиомодели.
Модели решений
Модели d1 ближе всего к бизнес-процессам. Им дают ситуацию - например, заявку в поддержку, счёт, экран приложения, фото или голосовое сообщение - и список вопросов. Модель отвечает на все вопросы за один прямой проход, и у каждого ответа есть откалиброванная вероятность.
Типы вопросов: да или нет, выбор одного или нескольких вариантов, оценки, указание на объекты, считывание значений из документов, оценка чисел с диапазоном. В примере из записи заявка направляется в нужную команду, помечается запрос на возврат, перечисляются темы и оценивается срочность. d1-2B заменяет d1-3B, имея на треть меньше параметров. На ImajevBench Liquid AI приводит 75,5 против 64,0.
Дообучение
Каждую модель можно дообучить на одной видеокарте. Liquid AI опубликовала ноутбуки Colab для таких задач: извлечение структурированного JSON из неряшливых документов, ответы по найденным документам либо отказ, вызов инструментов в телефонном приложении со 108 инструментами, чтение фото чеков в JSON.
В записи также показано, как LFM3-VL-2B превратили в три робототехнические модели. Модель для манипуляций достигает 96,2% среднего успеха по четырём наборам LIBERO. Это демонстрация гибкости, а не бизнес-процесс.
Оговорки
Запись - собственный анонс вендора. Сравнения мы независимо не проверяли, а цен и условий лицензирования источник не называет, кроме того что модели с открытыми весами.