Liquid AI، شرکتی نوپا که مدل‌های پایه کوچک برای دستگاه‌ها می‌سازد، روز ۲۷ اکتبر LFM3 را عرضه کرد. نخستین نسخه LFM3 به‌جای یک مدل شاخص واحد، مجموعه‌ای از شش مدل حدوداً دو میلیارد پارامتری است که همگی از LFM3-1.7B-Base مشتق شده‌اند. وزن‌های نسخه پایه و نسخه‌های پس‌آموزش‌دیده روی Hugging Face منتشر شده و مدل‌ها از طریق محیط آزمایشی و API شرکت هم در دسترس‌اند.
این مجموعه بر اساس نوع ورودی تقسیم می‌شود. LFM3-1.7B با متن کار می‌کند و برای عامل‌های محلی، فراخوانی ابزار و خروجی ساخت‌یافته پس‌آموزش دیده است. LFM3-VL-2B تصویر و برای نخستین بار در مدل‌های بینایی LFM ویدئو را هم می‌خواند. LFM3-Audio-2B برای گفت‌وگوی صوتی، تشخیص و تولید گفتار و ترجمه در ۱۸ زبان است. LFM3-Omni-2B، نخستین مدل همه‌کاره این شرکت، متن، تصویر، ویدئو و صدا را می‌پذیرد و می‌تواند با متن یا گفتار پاسخ دهد. دو مدل تصمیم‌گیری d1-2B و d1-omni-2B به‌جای تولید متن آزاد، در یک گذر به فهرستی از پرسش‌ها درباره یک ورودی پاسخ می‌دهند و برای هر پاسخ احتمالی کالیبره‌شده ارائه می‌کنند.
معماری این نسل بازنگری طراحی ترکیبی LFM2 است. Liquid می‌گوید چیدمان‌ها را با حضور سخت‌افزار در چرخه جست‌وجو و در ۱۴ ترکیب دستگاه و موتور اجرا، از گوشی تا Raspberry Pi 5، آزموده و در نهایت به ترکیبی از ۱۳ لایه کانولوشن کوتاه دریچه‌دار، پنج لایه توجه با پنجره لغزان و شش لایه توجه سراسری رسیده است. مدل پایه با ۲۲ تریلیون توکن آموزش دیده و ۳٫۵ تریلیون توکن پایانی بیشتر به ردپای عامل‌ها و فراخوانی ابزار اختصاص داشته که پنجره زمینه مدل متنی را هم به ۲۵۶ هزار توکن رسانده است. مدل متنی با دقت چهاربیتی حدود یک گیگابایت جا می‌گیرد.
ادعاهای Liquid درباره عملکرد بزرگ است. به گفته شرکت، LFM3-1.7B با ۳۵ درصد پارامتر کمتر از LFM2.5-2.6B بهتر عمل می‌کند و در محک عامل‌محور WebArena-Verified امتیاز ۳۸٫۴۲ در برابر ۳٫۰۲ مدل قبلی می‌گیرد و حتی در کارهای طولانی درون مرورگر و برنامه‌های تجاری از Qwen3.5-9B پیش می‌افتد. مدل بینایی هم میانگین ۶۲ محک بینایی را نسبت به LFM2.5-VL-3B از ۵۷٫۶ به ۷۱٫۴ رسانده و هم‌تراز Gemma 4 12B شده است. رمزگذارهای تازه بینایی و صوتی ساخت خود شرکت برای کاهش محاسبات طراحی شده‌اند و نخستین توکن صوتی ممکن است تنها در ۵۰ میلی‌ثانیه برسد.
تنظیم دقیق محور اصلی این عرضه است. Liquid استدلال می‌کند که یک مدل کوچک توانمند که برای یک کار مشخص سفارشی شده، روی دستگاه‌ها از یک مدل بزرگ همه‌منظوره سودمندتر است و می‌گوید همه نسخه‌های LFM3 روی تنها یک پردازنده گرافیکی قابل تنظیم‌اند و برای هر نوع داده دفترچه‌های آماده ارائه داده است. مدل‌ها در کتابخانه transformers اجرا می‌شوند و به گفته شرکت از روز عرضه روی سکوهای شرکت‌هایی چون انویدیا، اینتل، کوالکام، ای‌ام‌دی، آرم و چند شریک دیگر در دسترس‌اند و مرسدس‌بنز و شاپیفای در آزمون‌های پیش از عرضه همکاری کرده‌اند.
LFM3 وارد بازار پررقابت مدل‌های کوچک می‌شود؛ بازاری که تیم Qwen در علی‌بابا و گروه Gemma در گوگل هم در آن فعال‌اند و Liquid مستقیماً خود را با هر دو مقایسه می‌کند.
همه ارقام عملکرد از اطلاعیه و کارت‌های مدل خود Liquid آمده و تا زمان نگارش این گزارش هیچ ارزیابی مستقلی منتشر نشده بود. مدل‌های کوچک گستردگی را فدای سرعت می‌کنند و مقایسه‌های Liquid بیشتر بر محک‌های برگزیده و سناریوهای روی دستگاه تمرکز دارد تا کاربرد عمومی. توسعه‌دهندگان پیش از استفاده تجاری باید شرایط مجوز هر کارت مدل را بررسی کنند.