Liquid AI vừa công bố họ mô hình LFM3 gồm sáu mô hình cỡ 2B, tất cả đều rẽ nhánh từ cùng một nền 1.7B: mỗi loại một bản cho văn bản, thị giác, âm thanh và toàn phương thức, cộng thêm hai mô hình ra quyết định được chuyên biệt hóa từ bản thị giác và bản toàn phương thức. Trọng số được đăng trên Hugging Face và gắn nhãn trọng số mở; người dùng cũng có thể gọi qua LFM Playground và API riêng của Liquid.
Về kiến trúc, LFM3 tiếp tục hướng đi không dùng Transformer thuần của Liquid:
"LFM3 combines three operators: gated short convolutions, sliding-window attention (SWA), and global attention."
(LFM3 kết hợp ba toán tử: tích chập ngắn có cổng, attention cửa sổ trượt và attention toàn cục.)
Tích chập ngắn và cửa sổ trượt đảm nhận phần lớn số tầng, còn attention toàn cục chỉ đặt ở vài tầng. Đây là lý do mô hình giữ được mức bộ nhớ GPU thấp khi xử lý ngữ cảnh dài.
Bảng điểm xem kỹ từng phần
Mô hình văn bản LFM3-1.7B đạt điểm benchmark trung bình 49.37. Trong các mô hình Liquid chọn để so sánh, thế hệ trước của chính hãng là LFM2.5-2.6B đạt 31.55, MiniCPM5-2B đạt 39.19, còn Qwen3.5-9B, lớn hơn hơn năm lần về số tham số, đạt 47.24.
Điểm theo từng hạng mục phân hóa rõ. Khả năng làm theo chỉ dẫn IFEval đạt 96.66 và gọi công cụ BFCL V4 đạt 71.39 đều rất cao, và đây chính là hai năng lực được dùng nhiều nhất ở agent chạy trên thiết bị. Ngược lại, ngữ cảnh dài và kiến thức chuyên sâu lại thua thiệt: RULER 128K chỉ đạt 65.56 trong khi Qwen3.5-9B đạt 87.11; GPQA Diamond là 63.37 so với 80.40. Nói cách khác, điểm trung bình vượt lên chủ yếu nhờ các bài về chỉ dẫn và công cụ; ở những tác vụ nặng về kiến thức, nó vẫn là một mô hình cỡ 2B.
Tên giấy phép cụ thể không được nêu ở phần hiển thị công khai của blog chính thức, nên điều kiện thương mại hóa cần xem theo model card.
Tính một bài toán thông lượng
Số liệu trên thiết bị là điểm nhấn của đợt phát hành này. Với llama.cpp, lượng tử hóa Q4_0 và ngữ cảnh 32K, Liquid cho biết tốc độ giải mã của LFM3 trên ba thiết bị nhanh gấp 1.8 đến 2.8 lần mô hình nhanh thứ nhì, đồng thời chiếm ít bộ nhớ nhất.
Phía máy chủ cũng có một con số: trên một chiếc NVIDIA B300, với SGLang, BF16 và 1024 luồng đồng thời, mỗi ngày sinh ra khoảng 3.6 tỷ token. Tính nhẩm, 3.6 tỷ chia cho 86400 giây xấp xỉ 42 nghìn token mỗi giây; chia đều cho 1024 luồng thì mỗi luồng khoảng 40 token/giây, nhanh hơn đáng kể so với tốc độ đọc của con người. Theo cách tính này, một card có thể phục vụ hơn nghìn cuộc hội thoại cùng lúc mà không bị giật, điều có ý nghĩa hơn với các nhóm dùng mô hình nhỏ để phân loại, trích xuất hay định tuyến hàng loạt.
Các số liệu này do Liquid tự đo, chưa có bên thứ ba tái hiện, và độ dài prompt cũng như độ dài đầu ra của bài thử không được nêu; đổi tải làm việc thì kết quả có thể chênh lệch rất nhiều.
Hướng tới tinh chỉnh
Điểm bán hàng mà Liquid nhấn mạnh lần này là "mỗi mô hình đều có thể tinh chỉnh trên một GPU duy nhất". Sáu mô hình dùng chung một nền, nghĩa là nhóm phát triển có thể tinh chỉnh năng lực nghiệp vụ trên bản văn bản trước, rồi chuyển sang nhánh thị giác hoặc âm thanh. Liquid cũng cung cấp tài liệu hướng dẫn chạy cục bộ và tinh chỉnh.
Với những tình huống khó kết nối mạng như điện thoại, xe hơi hay thiết bị công nghiệp, dung lượng 1GB, ngữ cảnh 256K và khả năng tinh chỉnh trên một GPU chính là vị trí LFM3 muốn chiếm. Có chiếm được hay không còn tùy kết quả tinh chỉnh của cộng đồng trên các tác vụ thực tế, chứ không chỉ dựa vào bảng điểm này.
Nguồn tham khảo: blog chính thức của Liquid AI, CocoLoop, trang mô hình trên Hugging Face; điểm benchmark, bội số tốc độ giải mã trên thiết bị và thông lượng B300 theo ngày đều theo số liệu Liquid tự đo, còn thông lượng mỗi giây là biên tập viên tính nhẩm từ thông lượng theo ngày.