A Liquid AI, empresa que desenvolve modelos fundacionais pequenos para dispositivos, lançou o LFM3 a 27 de outubro. Em vez de um único modelo de referência, esta primeira versão do LFM3 é um conjunto de seis modelos com cerca de 2 mil milhões de parâmetros, todos derivados do mesmo LFM3-1.7B-Base. Os pesos da versão base e das versões pós-treinadas estão no Hugging Face, e os modelos podem também ser usados no playground e na API da Liquid.
A gama divide-se pelo tipo de entrada. O LFM3-1.7B trata texto e foi pós-treinado para agentes locais, chamadas a ferramentas e saídas estruturadas. O LFM3-VL-2B lê imagens e, pela primeira vez num modelo de visão LFM, vídeo. O LFM3-Audio-2B serve para conversa por voz, reconhecimento e síntese de fala e tradução em 18 línguas. O LFM3-Omni-2B, primeiro modelo omni da Liquid, aceita texto, imagem, vídeo e áudio e pode responder por escrito ou em voz. Dois modelos de decisão, o d1-2B e o d1-omni-2B, respondem numa só passagem a uma lista de perguntas sobre uma entrada, cada resposta com uma probabilidade calibrada, em vez de gerarem texto livre.
A arquitetura revê o desenho híbrido do LFM2. A Liquid diz ter testado configurações com o hardware no circuito, em 14 combinações de dispositivo e motor de execução, de telemóveis a um Raspberry Pi 5, e ter escolhido uma mistura de 13 camadas de convolução curta com portas, cinco camadas de atenção com janela deslizante e seis de atenção global. A base foi treinada com 22 biliões de tokens, os últimos 3,5 biliões dos quais com mais peso de registos de agentes e chamadas a ferramentas, o que alargou também a janela de contexto do modelo de texto para 256K tokens. Com precisão de 4 bits, o modelo de texto ocupa cerca de 1 GB.
Os resultados reivindicados pela Liquid são expressivos. A empresa afirma que o LFM3-1.7B supera o seu LFM2.5-2.6B com menos 35% de parâmetros e que, no teste de agentes WebArena-Verified, obtém 38,42 pontos contra 3,02 do modelo anterior, chegando a ultrapassar o Qwen3.5-9B em tarefas longas em navegadores e aplicações empresariais. O modelo de visão terá subido a média em 62 testes de visão de 57,6 para 71,4 face ao LFM2.5-VL-3B, ficando ao nível do Gemma 4 12B. Novos codificadores próprios de visão e de áudio servem para reduzir o cálculo, com o primeiro token de áudio a surgir em apenas 50 milissegundos.
A afinação é o centro da proposta. A Liquid defende que um modelo pequeno e capaz, ajustado a uma tarefa, é mais útil nos dispositivos do que um grande modelo generalista, e garante que todas as variantes do LFM3 podem ser afinadas numa única GPU, com notebooks disponibilizados para cada modalidade. Os modelos correm no transformers do Hugging Face e, segundo a Liquid, estão disponíveis desde o lançamento em plataformas da Ambarella, AMD, Arm, Intel, NVIDIA, Qualcomm, OpenRouter e Vercel, com a Mercedes-Benz e a Shopify a participar nos testes prévios.
O LFM3 entra num segmento movimentado de modelos pequenos, onde competem também a equipa Qwen da Alibaba e o grupo Gemma da Google, e a Liquid compara-se diretamente com ambos.
Todos os valores de desempenho vêm do anúncio e das fichas de modelo da própria Liquid; quando este artigo foi escrito, não havia avaliações independentes publicadas. Os modelos pequenos sacrificam também amplitude em troca de rapidez, e as comparações da Liquid privilegiam testes escolhidos e cenários em dispositivo, não o uso generalista. Convém ainda consultar os termos de licença de cada ficha de modelo antes de qualquer utilização comercial.