A Liquid AI lançou a família de modelos LFM3, com seis modelos na faixa de 2B, todos ramificados da mesma base de 1.7B: um para texto, um para visão, um para áudio e um omnimodal, além de dois modelos de decisão especializados a partir das versões de visão e omnimodal. Os pesos estão no Hugging Face, marcados como pesos abertos, e também podem ser acessados pelo LFM Playground e pela API própria da Liquid.
Na arquitetura, o LFM3 segue o caminho da Liquid de não usar um Transformer puro:
"LFM3 combines three operators: gated short convolutions, sliding-window attention (SWA), and global attention."
(O LFM3 combina três operadores: convoluções curtas com portas, atenção de janela deslizante e atenção global.)
As convoluções curtas e a janela deslizante respondem pela maior parte das camadas, e a atenção global fica só em poucas delas. É assim que o modelo consegue reduzir o uso de memória em contextos longos.
O boletim de notas, em detalhe
O modelo de texto LFM3-1.7B tem média de benchmarks de 49.37. Entre os modelos que a Liquid usa como comparação, o antecessor da própria empresa, LFM2.5-2.6B, marca 31.55, o MiniCPM5-2B marca 39.19 e o Qwen3.5-9B, com mais de cinco vezes o número de parâmetros, marca 47.24.
Os resultados individuais são bem desiguais. Seguimento de instruções no IFEval (96.66) e chamada de ferramentas no BFCL V4 (71.39) são muito altos, e essas são justamente as duas capacidades mais usadas por agentes no dispositivo. Já contexto longo e conhecimento duro ficam para trás: o RULER 128K é de apenas 65.56, contra 87.11 do Qwen3.5-9B; no GPQA Diamond, 63.37 contra 80.40. Ou seja, a vantagem na média se apoia sobretudo em tarefas de instrução e ferramentas; em tarefas que exigem muito conhecimento, continua sendo um modelo de 2B.
O nome exato da licença não aparece na parte visível do blog oficial, então as condições de uso comercial devem ser conferidas no model card.
Uma conta de vazão
Os números no dispositivo são o grande destaque desta vez. Com llama.cpp, quantização Q4_0 e contexto de 32K, a Liquid afirma que o LFM3 decodifica de 1.8 a 2.8 vezes mais rápido que o segundo modelo mais veloz em três aparelhos, com o menor uso de memória.
Para servidores, há também um número: em uma única NVIDIA B300, com SGLang, BF16 e 1024 requisições simultâneas, o modelo gera cerca de 3.6 bilhões de tokens por dia. Em conta aproximada, 3.6 bilhões divididos por 86400 segundos dão cerca de 42 mil tokens por segundo; distribuídos por 1024 requisições, são uns 40 tokens por segundo cada, bem mais rápido do que uma pessoa lê. Nesses termos, uma placa sustenta mais de mil conversas ao mesmo tempo sem engasgos, o que interessa mais a equipes que usam modelos pequenos para classificação, extração e roteamento em lote.
Esses números são medições da própria Liquid, sem reprodução por terceiros, e os tamanhos de prompt e de saída usados no teste não foram informados; com outra carga, o resultado pode variar muito.
Pensado para fine-tuning
O argumento de venda que a Liquid repete desta vez é que "todo modelo pode ser ajustado em uma única GPU". Como os seis modelos compartilham uma base, as equipes podem primeiro desenvolver a capacidade do negócio na versão de texto e depois migrá-la para os ramos de visão ou áudio. A Liquid também oferece documentação para execução local e fine-tuning.
Para celulares, sistemas veiculares e equipamentos industriais, onde conectar à internet nem sempre é prático, 1 GB de tamanho, contexto de 256K e ajuste em uma só GPU são o espaço que o LFM3 quer ocupar. Se vai conseguir depende dos resultados de fine-tuning da comunidade em tarefas reais, e não apenas desta tabela de notas.
Fontes: blog oficial da Liquid AI, CocoLoop, página do modelo no Hugging Face; as notas de benchmark, os múltiplos de decodificação no dispositivo e a vazão diária na B300 seguem as medições da própria Liquid, e a vazão por segundo é uma conta aproximada da redação a partir da vazão diária.