Ugrás a tartalomra
Neural Daily

ModellekHír

Liquid AI LFM3: hat nyílt 2B-s modell egy közös alapon

🇬🇧 Read this article in English →

A Liquid AI kiadta az LFM3 családot: szöveges, vizuális, audio, omni és döntési modell, mind 2 milliárd paraméter körül, egy közös alapmodellből. Mindegyik nyílt súlyú, egyetlen GPU-n finomhangolható.

Írta: Mikola Máté Patrik · · 2 perc olvasás

LFM3 model family diagram showing how LFM3-1.7B, LFM3-VL-2B, LFM3-Audio-2B, LFM3-Omni-2B, d1-2B and d1-Omni-2B branch from LFM3-1.7B-Base
Kép: Liquid AI · Sajtókép · Official diagram from the Liquid AI release blog · Forrás

Mi jelent meg?

A Liquid AI kedden kiadta az LFM3 modellcsaládot (Hugging Face). Hat modell, mind ugyanabból az LFM3-1.7B-Base alapmodellből ágazik le, így a modalitáshoz választod a modellt, nem egy nagy általános modellt futtatsz mindenre. Minden súly elérhető a Hugging Face-en, az alapmodellel együtt, saját post-traininghez.

  • LFM3-1.7B: szöveg, 256K kontextus, tool calling, lokális agentekhez.
  • LFM3-VL-2B: kép és videó bemenet, az első Liquid vision modell videóval.
  • LFM3-Audio-2B: beszédfelismerés, beszédszintézis, fordítás 18 nyelven, hangból tool call.
  • LFM3-Omni-2B: kép, videó, hang be, szöveg és beszéd ki, a cég első omni modellje.
  • d1-2B és d1-omni-2B: döntési modellek, amelyek egy forward passban több kérdésre adnak kalibrált valószínűséget.

Mi változott az LFM2-höz képest?

Az új architektúra 24 rétegből áll: 13 kapuzott rövid konvolúció, 5 csúszóablakos (256 tokenes) figyelemréteg, illetve 6 globális figyelemréteg. Fejenkénti kapuzott attention, részleges RoPE, illetve sandwich norm került bele. A Liquid szerint 8K token kontextusnál kb. 25%-kal gyorsabb az LFM2-1.2B-nél. Az alapmodell 22T tokenen tanult, az utolsó 3,5T tokenben több agentes trace és tool call volt.

LFM3-1.7B-Base architecture diagram with gated short convolution and gated GQA blocks and the 24-layer pattern
Liquid AI · Sajtókép · Official architecture diagram from the Liquid AI release blog · Forrás

Forrás: Liquid AI. Az LFM3-1.7B-Base architektúrája: 13 konvolúciós, 6 globális és 5 csúszóablakos figyelemréteg.

Számok a Liquidtól

  • LFM3-1.7B: 35%-kal kevesebb paraméterrel veri az LFM2.5-2.6B-t, WebArena-Verifieden 38,42 pont a korábbi 3,02 helyett. 4 bites kvantálással kb. 1 GB.
  • LFM3-VL-2B: 62 vision benchmark átlaga 57,6-ról 71,4-re nőtt az LFM2.5-VL-3B-hez képest, a cég szerint a Gemma 4 12B szintjén.
  • Új vision encoder: 3x kevesebb számítás, mint a korábbi SigLIP2 encoder.
  • Audio: első token akár 50 ms alatt, a LiquidCodec Apple M4 Max egy CPU-szálán kb. 87x valós idejű beszédet generál.
  • LFM3-Omni-2B: audio-vizuális videómegértésben a cég szerint veri a Qwen2.5-Omni-7B-t.
  • d1-2B: a d1-3B utódja harmadával kevesebb paraméterrel, ImajevBenchen 75,5 a 64,0 helyett.

Ezek a Liquid saját mérései, független ellenőrzés még nincs.

Mire figyelj?

A licenc nem Apache vagy MIT, hanem a Liquid saját LFM Open License 1.0-ja, ezt érdemes elolvasni kereskedelmi használat előtt. A modellek a transformersben futnak, de trust_remote_code kell hozzájuk, az audio és omni változatokhoz pedig friss transformers verzió.

Miért fontos?

Ha on-device agentet, hangalapú asszisztenst vagy robotikai perception réteget építesz, az LFM3 egy kicsi, egy GPU-n finomhangolható alapot ad minden modalitásra. A Liquid Colab notebookokat is adott SFT, DPO, GRPO és CPT finomhangoláshoz, így gyorsan ki lehet próbálni saját adaton.

    MI segítségével készült, szerkesztő ellenőrizte. Hogyan készülnek a cikkeink

    Szerkesztőségünk ellenőrizte és szerkesztette. Rólunk

    Kapcsolódó cikkek