Объяснение Liquid AI LFM3: 6 открытых моделей 2B

Liquid AI выпустил LFM3 27 октября 2026 года и представляет собой другой тип релиза. Вместо одного гигантского флагмана LFM3 — это семейство из шести открытых моделей класса параметров 2B, все они отклоняются от одной и той же 1.7B основной системы. Текст, визуальный дизайн, аудио, омни и две модели принятия решений имеют одну архитектуру, поэтому команда может выбрать нужный модальность, не изучая новый стек для каждой из них. Суть не в чистой мощности. Речь идёт о площади: способная небольшая модель, работающая на телефонах, ноутбуках, Raspberry Pi 5 и периферийном оборудовании, и которую можно тонко настроить на одной видеокарте.

Время имеет значение. Модели Frontier становятся всё больше и дороже в запуске, тогда как большинство реальных бизнес-задач — чтение документа, проверка фотографии, ответ на голосовую команду, составление списка вариантов — не требуют огромной модели. Им нужна небольшая, быстрая, приватная модель, работающая там, где уже есть данные. LFM3 — ставка Liquid AI, что именно здесь произойдёт следующая волна внедрения ИИ: на устройстве, локально и внутри систем, контролируемых предприятием.

Быстрый вердикт

Шесть моделей — одна опора

Каждая модель LFM3 ветвяется от LFM3-1.7B-Base. Именно эта общая основа делает семейство необычным: одна архитектура, шесть специализаций.

Модели принятия решений заслуживают особого упоминания, потому что работают иначе, чем обычный чат-бот. Вместо генерации абзаца d1 отвечает на целый список вопросов одним прямым проходом, каждый с откалиброванной вероятностью. Он также может возвращать типизированные ответы: указать на объект, прочитать значение из документа, оценить число с диапазоном или выбрать все применимые опции. Для бизнес-рабочих процессов, таких как сортировка, оценка и маршрутизация, такой структурированный вывод часто более полезен, чем беглый текст.

Внутри основы: тригибридная архитектура

LFM3-1.7B-Base состоит из 24 слоёв: 13 гейтированных коротких сверток, пять слоёв внимания со скользящим окном с окном на 256 токенов и шесть глобальных слоёв внимания. Свёртки используют размер ядра 7, по сравнению с 3 в LFM2. Дизайн определяют три изменения: головное гейтированное внимание, которое может подавлять выбросы активации, мешающие квантованию; частичный RoPE, когда глобальные слои внимания вращают только самую высокую частоту каждой головы; и сэндвич-норма, нормализующая вход и выход каждого блока.

Liquid AI утверждает, что эта архитектура возникла в результате поиска аппаратного обеспечения по 14 устройствам и бэкендам, включая Samsung Galaxy S26 Ultra, OnePlus 15, Raspberry Pi 5, Apple M4 Max, AMD Ryzen AI, облачные процессоры Arm и x86, видеопроцессоры и Qualcomm Hexagon NPU. Практические результаты, все представленные производителями: LFM3-1.7B превосходит своего предшественника LFM2.5-2.6B, используя на 35% меньше параметров, работает примерно на 25% быстрее с токенами 8K в контексте и декодирует в 1,8–2,8 раза быстрее, чем следующая модель на трёх насадках, протестированных Liquid AI. На одном NVIDIA B300 Liquid AI сообщает, что LFM3-1.7B может производить 3,6 миллиарда токенов в день при 1024 одновременнох запросах.

Предварительное обучение проводилось на токенах 22T, а последние 3.5T токены образовывали средний этап обучения на курируемых данных с большей долей агентных трассировок и вызовов инструментов, что также расширило окно контекста до 256K токенов. Посттренинг проходил в четыре этапа: контролируемая тонкая настройка на токенах 1.75T, смешанное обучение с подкреплением, многодоменная дистилляция на уровне политики от шести специалистов по обучению подкрепления и агентное подкрепление внутри реальных агентских углажей.

Бенчмарки: сильный в агентах и инструментах, честный в отношении границ

Все приведённые ниже показатели бенчмарков представлены поставщиками Liquid AI с момента запуска и карты модели. Рассматривайте их как собственные показатели Liquid AI, а не как независимые результаты.

Скачок на WebArena-Verified — это заголовок: 38,42 для LFM3-1,7B против 3,02 у её предшественника LFM2.5-2.6B. Это реальное изменение для модели 1.7B, и оно совпадает с акцентом на обучение агентам. Но та же таблица показывает ограничения: 7.17 на Последнем экзамене человечества без инструментов — это слабо, а собственная карта модели Liquid AI указывает, что модель не рекомендуется для агентного кодирования или сложного многошагового мышления из-за своего небольшого размера. Маленькие модели — это обмен, а не бесплатный обед.

Остальные модальности имеют свои собственные показатели. LFM3-VL-2B — первая модель LFM-видения, принимающая видеовход, и Liquid AI сообщает, что она повышает средний показатель по 62 тестам видения с 57,6 до 71,4 по сравнению с LFM2.5-VL-3B, при этом использует параметры 1.9B против 3.1B. LFM3-Audio-2B поддерживает 18 языков: качество речи 3.83 на UTMOSv2 против 3.22 у предшественника, время до первого токена до 50 мс и генерация речи примерно в реальном времени на одном потоке процессора Apple M4 Max. LFM3-Omni-2B с параметрами 2.2B, по сообщениям, превосходит модели до 10.7B параметров на бенчмарках аудиовизуального понимания Daily-Omni, WorldSense и AV-SpeakerBench. Модель решения d1-2B заменяет d1-3B на треть меньше параметров и набирает 75,5 против 64,0 на ImajevBench.

Цены: одни из самых дешёвых размещённых токенов

Ценообразование на размещенные API основано на каталоге моделей Liquid AI, как сообщает VentureBeat. Цены представлены в USD за миллион токенов.

Аудио-токены стоят дороже на моделях Audio и Omni: $2.00 за миллион аудиовходных токенов и $10.00 за миллион аудио-токенов. Два момента, которые стоит проверить перед планированием бюджета: размещённый API указывает лимит контекста в 128 000 токенов, а карта модели рекламирует 256K, так что уточните, какой лимит применяется к маршруту развертывания. А для покупателей, чувствительных к конфиденциальности, Liquid AI указывает отсутствие хранения данных на своих размещённых моделях: отправленный материал используется для выполнения запросов и не сохраняется, не регистрируется и не используется для обучения.

Для сравнения, текстовая модель с $0,28 за миллион входных токенов плюс миллион выходных токенов значительно ниже флагманского сегмента. В этом и суть этого класса: когда вы выполняете миллионы мелких задач, цена за токен определяет, жизнеспособен ли продукт вообще. Если сравнивать цены на хостинг малых моделей в более широком смысле, наш недавний анализ GPT-6.1 Terra показывает, как OpenAI оценивает свою собственную быструю модель среднего уровня, а наш пост о Kimi K3.1 Pro охватывает ещё один открытый вес запуска того же месяца.

Какую модель выбрать?

Выбирайте LFM3-1.7B для текстовых агентов, работы с документами и вызова инструментов, где стоимость и скорость важнее, чем рассуждения на передовой. Это выбор по умолчанию и тот, что имеет наибольшее покрытие бенчмарков.

Выбирайте LFM3-VL-2B для всего, что смотрит на изображения или видео: проверка качества, чтение документов, оценка повреждений, проверка на полках. Пример Liquid AI показателен: тонкая настройка VL-2B примерно на 3 000 публичных фотографий лопастей ветряных турбин в течение нескольких часов на одном A100 повысила точность классификации дефектов до 67 процентов. Это и есть схема малых моделей: начинайте с нормальной общей модели, дорабатывайте свои изображения, внедряйте на собственном оборудовании.

Выбирайте LFM3-Audio-2B для голосовых интерфейсов, обработки звонков и транскрипции там, где важна низкая задержка. Время первого токена и генерация речи на устройстве составляет 50 мс, что делает его кандидатом для киосков, автомобилей и заводских цехов без перехода туда и обратно в облако.

Выбирайте LFM3-Omni-2B , когда один ассистент должен одновременно работать с текстом, изображением, видео и аудио, например, помощником на поле, который видит машину, слышит техника и отвечает.

Выбирайте d1-2B или d1-omni-2B , когда нужны решения, а не проза: очереди сортировки, оценка лидов, маршрутизация контента или любой рабочий процесс, где откалиброванная вероятность и структурированный ответ превосходят абзац. Это самая корпоративная идея в семье и меньше всего похожа на чат-бота.

Каждую модель LFM3 можно тонко настроить на одном GPU, с опубликованными ноутбуками для контролируемой тонкой настройки, DPO, GRPO и продолжения предварительного обучения. Время выполнения включает llama.cpp, MLX, vLLM, SGLang и Ollama, с вариантами контрольных точек в BF16, FP8, NVFP4, GGUF, MLX и ONNX. Партнёрами по релизу Day-0 являются Ambarella, AMD, Arm, Intel через OpenVINO, NVIDIA, OpenRouter, Qualcomm и Vercel, а Liquid AI сообщает Mercedes-Benz и Shopify совместно для тестирования и оценки до релиза.

Liquid AI также адаптировал VL-2B в три робототехнических модели для оркестрации, навигации и манипуляции, показав средний успех 96,2% в четырёх пакетах LIBERO и 45,7% в настольных задачах RoboCasa-GR1, при этом блоки действий генерируются менее чем за 50 мс на Jetson AGX Orin. Робототехника ещё ранний период для модели 2B, но интересна именно задержка: маленькие модели могут достаточно быстро замкнуть цикл для реального управления.

Честные пределы

Ни одна модель 1.7B не заменяет модель фронтира, и LFM3 на это не претендует. Вопросы, насыщенные знаниями, сложная математика и длинное многошаговое мышление — слабые места, а руководство Liquid AI помогает пользователям отказаться от агентного кодирования с таким классом размера. Если вашей задаче требуется глубокое исследование или сложное планирование, вам всё равно нужна более крупная модель, возможно, с LFM3, который будет отвечать за дешёвый, быстрый и объёмный слой вокруг неё. Такая многослойная структура — маленькие модели на периферии и передовые модели для сложных случаев — именно так строятся большинство серьёзных проектов по разработке AI-агентов . Если вы планируете такую систему, наша команда строит агентов таким образом; узнайте, как нанять агентство автоматизации ИИ , чтобы проверить, что нужно проверить перед принятием решения.

Ещё стоит проверить лицензию. LFM3 выпускается под открытой лицензией LFM V1.0 как открытый вес, но «открытые» лицензии отличаются коммерческими условиями, поэтому ознакомьтесь с текстом лицензии для вашего уровня дохода и сценария использования, прежде чем выпускать коммерческий продукт на ней.

FAQ

Что такое Liquid AI LFM3?

LFM3 — это семейство из шести открытых моделей искусственного интеллекта, запущенных компанией Liquid AI 27 октября 2026 года. Все шесть разветвлены от одной и той же базы LFM3-1.7B-Base и охватывают текст, видео, аудио, омни и принятие решений в классе параметров 2B.

Насколько большой LFM3-1.7B, на самом деле?

Текстовая модель имеет параметры размером 1,73B, окно контекста с 256K-токенами на карте модели и словарь из 128 000 токенов, с поддержкой 16 языков. При точности 4-бит она занимает около 1 ГБ памяти, поэтому может работать на телефонах и небольших периферийных устройствах.

Может ли LFM3 работать на телефоне?

Да, это и есть цель дизайна. Liquid AI протестировал его на Samsung Galaxy S26 Ultra, OnePlus 15, Raspberry Pi 5, Apple M4 Max, AMD Ryzen AI и Qualcomm Hexagon NPU, и сообщает, что он декодирует в 1,8–2,8 раза быстрее, чем следующая модель на тестированных устройствах.

Сколько стоит API LFM3?

Текстовая модель стоит $0.08 за миллион входных токенов, $0.02 кэшированного и $0.20 за миллион выходных токенов, что составляет $0.28 за миллион входных токенов плюс миллион выходных токенов. Vision стоит $0.60 на той же основе, а Audio и Omni стоят $1.10 до сбора платы за аудиотокен.

Действительно ли LFM3 открыт?

Весы являются открытыми по лицензии LFM Open License v1.0 и доступны на Hugging Face, Liquid AI Playground и Liquid AI API. Проверьте условия лицензии для вашего коммерческого использования, так как лицензии с открытым весом различаются.

Какую модель LFM3 мне выбрать?

Выбирайте 1.7B для текстовых агентов, VL-2B для изображений и видео, Audio-2B для голоса, Omni-2B для комбинированных мультимодальных ассистентов, а d1-2B или d1-omni-2B, если нужны откалиброванные решения с вероятностями вместо сгенерированного текста.

Как LFM3 сравнивается с Kimi K3.1 Pro или GPT-6.1 Terra?

Они ориентированы на разные уровни. Kimi K3.1 Pro — это гораздо более крупная открытая модель, ориентированная на фронтир, а GPT-6.1 Terra — это хостинговая модель среднего уровня для использования компьютеров от OpenAI. LFM3 меньше, дешевле и рассчитана на устройстве. Сравнивайте их на своей задаче и аппарате, а не на одном бенчмарке, поскольку разные бенчмарки измеряют разные навыки.

Где я могу попробовать LFM3?

На Hugging Face, Liquid AI Playground, Liquid AI API, а также через таких партнёров, как OpenRouter, Qualcomm AI Hub и Vercel.

Источники: пост о запуске liquid AI, освещение Unite.AI запуска, освещение цен VentureBeat и модель LFM3-1.7B на Hugging Face.

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