Liquid AI, jeune entreprise spécialisée dans les petits modèles de fondation pour appareils, a lancé LFM3 le 27 octobre. Plutôt qu'un modèle phare unique, cette première livraison réunit six modèles d'environ 2 milliards de paramètres, tous issus du même LFM3-1.7B-Base. Les poids de la base comme des versions post-entraînées sont publiés sur Hugging Face, et les modèles sont aussi accessibles via le playground et l'API de Liquid.
La gamme se répartit selon le type d'entrée. LFM3-1.7B traite le texte et a été post-entraîné pour les agents locaux, l'appel d'outils et les sorties structurées. LFM3-VL-2B lit les images et, pour la première fois dans un modèle de vision LFM, la vidéo. LFM3-Audio-2B gère la conversation vocale, la reconnaissance et la synthèse de la parole ainsi que la traduction dans 18 langues. LFM3-Omni-2B, premier modèle omni de Liquid, accepte texte, image, vidéo et son, et peut répondre par écrit ou à voix haute. Deux modèles de décision, d1-2B et d1-omni-2B, répondent en une seule passe à une série de questions sur une entrée, chaque réponse étant assortie d'une probabilité calibrée, au lieu de produire du texte libre.
L'architecture remanie la conception hybride de LFM2. Liquid indique avoir exploré des configurations avec le matériel dans la boucle, sur 14 combinaisons d'appareils et de moteurs d'exécution allant du téléphone au Raspberry Pi 5, pour retenir un assemblage de 13 couches de convolution courte à portes, cinq couches d'attention à fenêtre glissante et six couches d'attention globale. La base a été pré-entraînée sur 22 000 milliards de jetons, dont les 3 500 derniers milliards font la part belle aux traces d'agents et aux appels d'outils, ce qui a aussi porté la fenêtre de contexte du modèle texte à 256K jetons. En précision 4 bits, ce dernier pèse environ 1 Go.
Les gains annoncés par Liquid sont importants. Selon l'entreprise, LFM3-1.7B dépasse son LFM2.5-2.6B avec 35 % de paramètres en moins et obtient 38,42 points contre 3,02 pour l'ancien modèle sur le banc d'essai d'agents WebArena-Verified, devançant même Qwen3.5-9B sur les tâches longues dans les navigateurs et les applications métier. Le modèle de vision ferait passer sa moyenne sur 62 bancs d'essai de 57,6 à 71,4 par rapport à LFM2.5-VL-3B, au niveau de Gemma 4 12B. De nouveaux encodeurs maison pour la vision et l'audio réduisent le calcul, le premier jeton audio pouvant arriver en 50 millisecondes.
L'affinage est au cœur du discours. Liquid soutient qu'un petit modèle compétent, ajusté à une tâche précise, rend plus de services sur un appareil qu'un grand modèle généraliste, et affirme que chaque variante de LFM3 peut être affinée sur un seul GPU, des notebooks étant fournis pour chaque modalité. Les modèles fonctionnent dans transformers de Hugging Face et, selon Liquid, sont disponibles dès le lancement sur des plateformes d'Ambarella, AMD, Arm, Intel, NVIDIA, Qualcomm, OpenRouter et Vercel, Mercedes-Benz et Shopify ayant participé aux essais préalables.
LFM3 s'installe sur un segment très actif des petits modèles, où évoluent aussi l'équipe Qwen d'Alibaba et le groupe Gemma de Google, et Liquid se compare directement aux deux.
Tous les chiffres de performance proviennent de l'annonce et des fiches de Liquid ; aucune évaluation indépendante n'était publiée au moment de la rédaction. Les petits modèles sacrifient aussi une part de polyvalence au profit de la vitesse, et les comparaisons de Liquid privilégient des bancs d'essai choisis et des usages embarqués plutôt qu'un emploi généraliste. Mieux vaut enfin examiner les conditions de licence de chaque fiche avant un déploiement commercial.