Liquid AI hat die Modellfamilie LFM3 vorgestellt: sechs Modelle in der 2B-Klasse, die alle von derselben 1.7B-Basis abzweigen. Es gibt je eine Variante für Text, Bild, Audio und alle Modalitäten, dazu zwei Entscheidungsmodelle, die aus der Bild- und der Omni-Variante spezialisiert wurden. Die Gewichte liegen auf Hugging Face und sind als offene Gewichte gekennzeichnet; nutzbar sind die Modelle außerdem über den LFM Playground und Liquids eigene API.
Architektonisch bleibt LFM3 dem Liquid-Weg abseits reiner Transformer treu:
"LFM3 combines three operators: gated short convolutions, sliding-window attention (SWA), and global attention."
(LFM3 kombiniert drei Operatoren: gated Short Convolutions, Sliding-Window-Attention und globale Attention.)
Kurze Faltungen und Gleitfenster übernehmen den Großteil der Schichten, globale Attention sitzt nur in wenigen. Dadurch lässt sich der Speicherbedarf bei langem Kontext drücken.
Die Ergebnisse im Detail
Das Textmodell LFM3-1.7B kommt im Benchmark-Durchschnitt auf 49.37. Unter den Vergleichsmodellen, die Liquid heranzieht, liegt der eigene Vorgänger LFM2.5-2.6B bei 31.55, MiniCPM5-2B bei 39.19 und Qwen3.5-9B, mit mehr als fünfmal so vielen Parametern, bei 47.24.
Die Einzelwerte fallen deutlich auseinander. Befolgen von Anweisungen (IFEval) mit 96.66 und Tool-Aufrufe (BFCL V4) mit 71.39 sind sehr stark – genau die beiden Fähigkeiten, die On-Device-Agenten am häufigsten brauchen. Bei langem Kontext und hartem Faktenwissen muss das Modell dagegen Federn lassen: RULER 128K erreicht nur 65.56, Qwen3.5-9B kommt auf 87.11; bei GPQA Diamond stehen 63.37 gegen 80.40. Der Vorsprung im Durchschnitt stützt sich also vor allem auf Anweisungs- und Tool-Aufgaben; bei wissensintensiven Aufgaben bleibt es ein 2B-Modell.
Wie die Lizenz genau heißt, steht im sichtbaren Teil des offiziellen Blogs nicht; die Bedingungen für kommerzielle Nutzung sind der Model Card zu entnehmen.
Eine Durchsatzrechnung
Die On-Device-Zahlen sind das Hauptargument. Mit llama.cpp, Q4_0-Quantisierung und 32K Kontext soll LFM3 laut Liquid auf drei Geräten 1.8- bis 2.8-mal schneller dekodieren als das zweitschnellste Modell und dabei den geringsten Speicher belegen.
Auch für den Server gibt es eine Zahl: Auf einer einzelnen NVIDIA B300 erzeugt das Modell mit SGLang, BF16 und 1024 parallelen Anfragen rund 3.6 Milliarden Token pro Tag. Grob gerechnet sind 3.6 Milliarden geteilt durch 86400 Sekunden etwa 42.000 Token pro Sekunde; auf 1024 parallele Anfragen verteilt sind das etwa 40 Token pro Sekunde je Anfrage – deutlich schneller, als ein Mensch liest. Nach dieser Rechnung trägt eine Karte über tausend Gespräche gleichzeitig ohne Ruckeln, was vor allem für Teams interessant ist, die kleine Modelle für Klassifikation, Extraktion und Routing im Batch einsetzen.
Die Werte hat Liquid selbst gemessen, unabhängig nachgestellt wurden sie nicht, und auch Prompt- und Ausgabelänge des Tests sind nicht angegeben; bei anderer Last können die Ergebnisse stark abweichen.
Auf Feintuning ausgelegt
Als Verkaufsargument betont Liquid diesmal immer wieder: "Jedes Modell lässt sich auf einer einzelnen GPU feintunen." Weil sich alle sechs Modelle eine Basis teilen, können Teams Fachkompetenz zunächst auf der Textversion antrainieren und dann auf den Bild- oder Audiozweig übertragen. Dokumentation für lokalen Betrieb und Feintuning liefert Liquid gleich mit.
Für Smartphones, Fahrzeuge und Industrieanlagen, wo eine Netzanbindung unpraktisch ist, sind 1 GB Größe, 256K Kontext und Feintuning auf einer GPU genau die Nische, die LFM3 besetzen will. Ob das gelingt, entscheiden die Feintuning-Ergebnisse der Community bei echten Aufgaben, nicht allein diese Ergebnistabelle.
Quellen: offizieller Blog von Liquid AI, CocoLoop, Modellseite auf Hugging Face; Benchmark-Werte, On-Device-Dekodiervielfache und B300-Tagesdurchsatz beruhen auf Liquids eigenen Messungen, der Durchsatz pro Sekunde ist eine grobe Umrechnung der Redaktion aus dem Tagesdurchsatz.