شرح Liquid AI LFM3: 6 نماذج 2B مفتوحة الوزن

أطلقت Liquid AI إصدار LFM3 في 27 أكتوبر 2026، وهو إصدار مختلف من الطرازات. بدلا من نموذج رائد واحد ضخم، LFM3 هو عائلة من ستة نماذج مفتوحة الوزن في فئة معلمات 2B، جميعها متفرعة من نفس العمود الفقري 1.7 بيت. النص، والرؤية، والصوت، والأومني، ونموذجين للقرار تشترك في بنية واحدة، لذا يمكن للفريق اختيار الأسلوب الذي يحتاجه دون تعلم مكدس جديد لكل واحد. العرض ليس القوة الخام. إنه البصمة: نموذج صغير قادر يعمل على الهواتف، وأجهزة اللابتوب، وRaspberry Pi 5، وأجهزة الحافة، ويمكن ضبطه بدقة على وحدة معالجة رسومات واحدة.

التوقيت مهم. نماذج Frontier تزداد حجما وتكلفة تشغيلها، بينما معظم المهام التجارية الحقيقية، مثل قراءة وثيقة، فحص صورة، الرد على أمر صوتي، تسجيل قائمة خيارات، لا تحتاج إلى نموذج ضخم. تحتاج إلى نموذج صغير وسريع وخاص يعمل حيث توجد البيانات بالفعل. LFM3 هو رهان Liquid AI على أن هذا هو المكان الذي تحدث فيه الموجة التالية من نشر الذكاء الاصطناعي: على الأجهزة، وفي المواقع، وداخل الأنظمة التي تتحكم بها المؤسسات.

الحكم السريع

النماذج الستة، عمود فقري واحد

كل نموذج LFM3 يتفرع من LFM3-1.7B-Base. هذا العمود الفقري المشترك هو ما يجعل العائلة غير معتادة: بنية واحدة، وست تخصصات.

نماذج القرار تستحق اهتماما خاصا لأنها تعمل بشكل مختلف عن روبوت الدردشة العادي. بدلا من توليد فقرة، يجيب d1 على قائمة كاملة من الأسئلة في مرور واحد للأمام، كل منها باحتمالية معايرة. يمكنه أيضا إرجاع إجابات مكتوبة: الإشارة إلى كائن، قراءة قيمة من مستند، تقدير رقم بنطاق معين، أو اختيار كل خيار ينطبق. بالنسبة لسير العمل التجاري مثل الفرز، والتقييم، والتوجيه، غالبا ما يكون هذا المخرج المنظم أكثر فائدة من النثر السليم.

داخل العمود الفقري: بنية ثلاثية الهجين

يحتوي LFM3-1.7B-Base على 24 طبقة: 13 انحناءة قصيرة موصولة، وخمس طبقات انتباه نافذة منزلقة مع نافذة ب 256 رمزا، وست طبقات انتباه عالمية. تستخدم الالتفافات حجم نواة 7، ارتفاعا من 3 في LFM2. تحدد التصميم ثلاث تغييرات: الانتباه المحصن باتجاه الرأس، والذي يمكنه قمع القيم الشاذة التي تؤثر على التكميم؛ RoPE الجزئي، حيث تدور طبقات الانتباه العالمية فقط في أعلى نصف تردد من كل رأس؛ ومعيار ساندويتش ينظم مدخلات ومخرجات كل كتلة.

تقول Liquid AI إن هذه البنية جاءت من بحث في الأجهزة داخل الحلقة عبر 14 تركيبة أجهزة وخلفية خلفية، بما في ذلك Samsung Galaxy S26 Ultra وOnePlus 15 وRaspberry Pi 5 وApple M4 Max وAMD Ryzen AI ومعالجات Arm وx86 السحابية، ومعالجات الرسوميات، ووحدة معالجة Qualified Hexagon من Qualcomm. النتائج العملية، جميعها من قبل البائعين: LFM3-1.7B يتفوق على سابقه LFM2.5-2.6B مع استخدام معلمات أقل بنسبة 35٪، يعمل أسرع بنسبة 25٪ مع وجود 8K رمز في السياق، ويفك التشفير أسرع ب 1.8 إلى 2.8 مرة من النموذج التالي في الإعدادات الثلاثة على الأجهزة التي اختبرتها Liquid AI. على جهاز NVIDIA B300 واحد، تقول Liquid AI إن LFM3-1.7B يمكنه إنتاج 3.6 مليار رمز يوميا عند 1,024 طلبا متزامن.

كان التدريب المسبق يعمل على رموز 22T، حيث شكلت الرموز النهائية 3.5T مرحلة تدريب متوسطة على بيانات منسقة مع حصة أكبر من التتبع الوكيلي واستدعاءات الأدوات، مما وسع نافذة السياق إلى 256K رمز. تم تنفيذ التدريب بعد التدريب على أربع مراحل: الضبط الدقيق المراقب على رموز 1.75 T، تعلم تعزيز مختلط، تقطير متعدد المجالات حسب السياسة من ستة معلمين متخصصين في تعلم التعزيز، وتعلم تعزيز الوكلاء داخل أحزمة الوكلاء الحقيقيين.

الاختبارات: قوي في الوكلاء والأدوات، صادق بشأن الحدود

جميع أرقام المعيار أدناه تم الإبلاغ عنها من قبل البائع من قبل Liquid AI، من منشور الإطلاق وبطاقة الطراز. اعتبرها قياسات Liquid AI نفسها، وليست نتائج مستقلة.

القفزة على WebArena-Verified هي العنوان: 38.42 ل LFM3-1.7B مقابل 3.02 لسلفه LFM2.5-2.6B. هذا تغيير حقيقي في نوعه لنموذج 1.7 بيت، ويتماشى مع التركيز على التدريب الوكئي. لكن نفس الجدول يوضح الحدود: 7.17 في Humanity's Last Exam بدون أدوات ضعيف، وبطاقة نموذج Liquid AI نفسها تذكر أن النموذج غير موصى به للبرمجة الوكالية أو التفكير متعدد الخطوات المعقد بسبب حجمه الصغير. النماذج الصغيرة هي صفقة وليست غداء مجانيا.

الأساليب الأخرى لها أرقامها الخاصة. LFM3-VL-2B هو أول نموذج رؤية LFM يقبل إدخال الفيديو، وتفيد Liquid AI بأنه رفع المتوسط عبر 62 معيار رؤية من 57.6 إلى 71.4 مقارنة ب LFM2.5-VL-3B، مع استخدام 1.9 مليار معلمة مقابل 3.1 بيايت. يدعم LFM3-Audio-2B 18 لغة، بجودة صوت 3.83 على UTMOSv2 مقابل 3.22 لسابقه، ووقت حتى الرمز الأول حتى 50 مللي ثانية، وتوليد الكلام بحوالي 87 ضعف الوقت الحقيقي على خيط وحدة معالجة مركزية واحدة على Apple M4 Max. يقال إن LFM3-Omni-2B، عند 2.2 بايت، يتفوق على النماذج التي تصل إلى 10.7 مليار معلمات في معايير الفهم الصوتي والبصري Daily-Omni وWorldSense وAV-SpeakerBench. نموذج قرار d1-2B يستبدل d1-3B بثلاثة معايير أقل ويحصل على 75.5 مقابل 64.0 في ImajevBench.

التسعير: بعض أرخص الرموز المستضافة

تسعير واجهات برمجة التطبيقات المستضافة يأتي من كتالوج نماذج Liquid AI، كما أفاد موقع VentureBeat. الأسعار بالدولار الأمريكي لكل مليون رمز.

تكلف رموز الصوت زيادة في نماذج الصوت والأومني: 2.00 دولار لكل مليون رمز إدخال صوتي و10.00 دولار لكل مليون رمز إخراج صوتي. هناك أمران يجب التحقق منه قبل وضع الميزانية: واجهة برمجة التطبيقات المستضافة تعرض حد سياق 128,000 رمز، بينما بطاقة النموذج تعلن عن 256 ألف، لذا تأكد من أي حد ينطبق على مسار النشر الخاص بك. وبالنسبة للمشترين الحساسين للخصوصية، تذكر Liquid AI عدم وجود أي احتفاظ بالبيانات على نماذجها المستضافة: المواد المقدمة تستخدم لتلبية الطلبات ولا تحتفظ بها أو تسجل أو تستخدم للتدريب.

للمقارنة، نموذج النص عند 0.28 دولار لكل مليون مدخل بالإضافة إلى مليون رمز إخراج هو أقل بكثير من المستوى الرئيسي. هذه هي فكرة هذه الفئة: عندما تدير ملايين المهام الصغيرة، يحدد سعر كل رمز ما إذا كان المنتج قابلا للتطبيق على الإطلاق. إذا كنت تقارن أسعار النماذج الصغيرة المستضافة بشكل أوسع، فإن تحليلنا الأخير ل GPT-6.1 Terra يوضح كيف تسعر OpenAI نموذجها المتوسط السريع، وتغطي منشورنا عن Kimi K3.1 Pro إطلاقا مفتوحا آخر من نفس الشهر.

أي موديل يجب أن تختار؟

اختر LFM3-1.7B لوكلاء النص، والعمل على المستندات، وسير عمل استدعاء الأدوات حيث التكلفة والسرعة أهم من التفكير الحدودي. إنه الخيار الافتراضي وصاحب أكبر تغطية للمعايير المرجعية.

اختر LFM3-VL-2B لأي شيء ينظر إلى الصور أو الفيديو: فحص الجودة، قراءة المستندات، تقييم الأضرار، فحص الرفوف. مثال Liquid AI نفسه لاف: ضبط VL-2B على حوالي 3000 صورة عامة لشفرات توربينات الرياح لبضع ساعات على جهاز A100 واحد رفع دقة تصنيف العيوب إلى 67 بالمئة. هذا هو دليل النماذج الصغيرة: ابدأ من نموذج عام جيد، ضبط صورك بدقة، نشر على أجهزتك الخاصة.

اختر LFM3-Audio-2B لواجهات الصوت، والتعامل مع المكالمات، والنسخ حيث يكون زمن الاستجابة المنخفض مهما. يستغرق وقت الوصول إلى الرمز الأول وتوليد الكلام على الجهاز 50 مللي ثانية يجعلها مرشحة للأكشاك والسيارات وأرضية المصنع دون الحاجة لزيارة السحابة.

اختر LFM3-Omni-2B عندما يجب على مساعد واحد التعامل مع النص والصورة والفيديو والصوت معا، مثل مساعد ميداني يرى الجهاز، ويسمع الفنية، ويرد عليه.

اختر d1-2B أو d1-omni-2B عندما تحتاج إلى قرارات، وليس النثر: طوابير الفرز، تقييم القائد، توجيه المحتوى، أو أي سير عمل حيث تتفوق الاحتمالات المعايرة والإجابة المنظمة على فقرة. هذه هي الفكرة الأكثر شمولا في العائلة وأقل شبها بروبوت الدردشة.

يمكن ضبط كل طراز من طراز LFM3 بدقة على وحدة معالجة رسومات واحدة، مع أجهزة محمولة منشورة للضبط الدقيق تحت الإشراف، وDPO، وGRPO، والتدريب المسبق المستمر. تشمل أوقات التشغيل llama.cpp، MLX، vLLM، SGLang، وOllama، مع نسخ نقاط التحقق في BF16، FP8، NVFP4، GGUF، MLX، وONNX. تشمل شركاء الإطلاق في Day-0 Ambarella، AMD، Arm، Intel عبر OpenVINO، NVIDIA، OpenRouter، Qualcomm، وVercel، وتقول Liquid AI إن مرسيدس-بنز و Shopify تعاونا في اختبارات وتقييم ما قبل الإصدار.

كما قامت Liquid AI بتكييف VL-2B إلى ثلاثة نماذج روبوتية للتنسيق والملاحة والتلاعب، حيث سجلت نجاحا متوسطا بلغ 96.2 بالمئة عبر مجموعات LIBERO الأربع و45.7 بالمئة في مهام الطاولة RoboCasa-GR1، مع توليد قطع الحركة في أقل من 50 مللي ثانية على جهاز Jetson AGX Orin. لا يزال مجال الروبوتات مبكرا لنموذج 2B، لكن رقم التأخير هو الجزء المثير للاهتمام: النماذج الصغيرة يمكنها إغلاق الحلقة بسرعة كافية للتحكم الحقيقي.

الحدود الصادقة

لا يوجد نموذج 1.7B يحل محل نموذج الحدود، ولا يدعي LFM3 ذلك. الأسئلة الثقيلة بالمعرفة، والرياضيات الدقيقة، والاستدلال الطويل متعدد الخطوات هي نقاط ضعف، وتوجيه Liquid AI نفسه يوجه المستخدمين بعيدا عن البرمجة الوكالية بهذا الحجم. إذا كانت مهمتك تحتاج إلى بحث عميق أو تخطيط معقد، فأنت لا تزال بحاجة إلى نموذج أكبر، ربما مع LFM3 يتعامل مع الطبقة الرخيصة والسريعة وعالية الحجم حوله. هذا الإعداد الطبقي، والنماذج الصغيرة على الحافة والنماذج الحدودية للحالات الصعبة، هو أيضا الطريقة التي تبنى بها معظم مشاريع تطوير وكلاء الذكاء الاصطناعي الجادة. إذا كنت تخطط لهذا النوع من الأنظمة، فإن فريقنا يبني وكلاء بهذه الطريقة؛ اكتشف كيف تستعين بوكالة أتمتة الذكاء الاصطناعي لمعرفة ما يجب التحقق منه قبل الالتزام.

الأمر الآخر الذي يجب التحقق منه هو الترخيص. LFM3 يشحن بموجب رخصة LFM Open إصدار 1.0 كترخيص مفتوح، لكن التراخيص "المفتوحة" تختلف في مصطالها التجارية، لذا اقرأ نص الترخيص الفعلي لمستوى الإيرادات وحالة الاستخدام قبل شحن منتج تجاري عليه.

الأسئلة الشائعة

ما هو Liquid AI LFM3؟

LFM3 هي عائلة مكونة من ستة نماذج ذكاء اصطناعي مفتوحة الوزن أطلقتها شركة Liquid AI في 27 أكتوبر 2026. تتفرع جميع النماذج الستة من نفس العمود الفقري LFM3-1.7B الأساسي وتغطي النص، والرؤية، والصوت، والشمول، واتخاذ القرار، في فئة معلمات 2B.

ما حجم LFM3-1.7B حقا؟

يحتوي نموذج النص على 1.73 مليار معلمة، ونافذة سياق بقيمة 256 ألف رمز على بطاقة النموذج، ومفردات تضم 128,000 رمز، مع دعم ل 16 لغة. عند دقة 4 بت، يحتاج حوالي 1 جيجابايت من الذاكرة، ولهذا السبب يمكن تشغيله على الهواتف والأجهزة الصغيرة على الطرف.

هل يمكن تشغيل LFM3 على الهاتف؟

نعم، هذا هو هدف التصميم. اختبرت Liquid AI الجهاز على سامسونج جالاكسي S26 ألترا، ون بلس 15، راسبيري باي 5، آبل M4 ماكس، AMD Ryzen AI، ووحدة كوالكوم سداسية، وأفادت بأنها تفك التشفير أسرع بمعدل 1.8 إلى 2.8 مرة من الطراز التالي في إعداداتها المختبرة على الأجهزة.

كم تكلف واجهة برمجة تطبيقات LFM3؟

تكلفة نموذج النص 0.08 دولار لكل مليون رمز إدخال، و0.02 دولار مخبأ، و0.20 دولار لكل مليون رمز إخراج، أي 0.28 دولار لمليون إدخال بالإضافة إلى مليون رمز إخراج. تكلفة الرؤية 0.60 دولار على نفس الأساس، وتكلفة الصوت والأومني 1.10 دولار قبل رسوم رموز الصوت.

هل LFM3 مفتوح حقا؟

الأوزان مفتوحة الوزن بموجب ترخيص LFM Open License v1.0 ومتوفرة على Hugging Face، وLiquid AI Playground، وواجهة برمجة التطبيقات Liquid AI. تحقق من شروط الترخيص لحالة الاستخدام التجاري الخاصة بك، لأن تراخيص الوزن المفتوح تختلف.

أي موديل LFM3 يجب أن أختار؟

اختر 1.7B لوكلاء النص، VL-2B للصور والفيديو، Audio-2B للصوت، Omni-2B للمساعدين متعدد الوسائط المدمجين، وd1-2B أو d1-omni-2B عندما تحتاج إلى قرارات معايرة مع الاحتمالات بدلا من النص المولد.

كيف تقارن LFM3 بكاميرا Kimi K3.1 Pro أو GPT-6.1 Terra؟

يستهدفون مستويات مختلفة. Kimi K3.1 Pro هو نموذج مفتوح أكبر بكثير موجه إلى الحدود، و GPT-6.1 Terra هو نموذج OpenAI المستضاف المتوسط لاستخدام الحواسيوب. LFM3 أصغر وأرخص ومبني للعمل على الجهاز. قارنها على مهمتك وأجهزتك الخاصة، وليس على معيار واحد، لأن معايير الأداء المختلفة تقيس مهارات مختلفة.

أين يمكنني تجربة LFM3؟

على Hugging Face، وملعب Liquid AI، وواجهة برمجة التطبيقات Liquid AI، ومن خلال شركاء مثل OpenRouter وQualcomm AI Hub وVercel.

المصادر: منشور إطلاق الذكاء الاصطناعي السائل، تغطية الإطلاق Unite.AI، تغطية تسعير VentureBeat، وبطاقة الطراز LFM3-1.7B على Hugging Face.

• liquid ai lfm3
• lfm3
• open weight models
• on-device ai
• liquid ai
• ai agents
• small language models