Liquid AI a publicat pe 27 octombrie 2026, într-un articol semnat de echipa sa de cercetare, noua generație LFM3. Ideea centrală: în loc să urci pe scara parametrilor, iei un backbone comun de 1,7B și construiești deasupra lui modele specializate pe modalitate. Sursa este documentația oficială publicată pe blogul Hugging Face al Liquid AI.

Ce este LFM3 și ce s-a schimbat față de LFM2

LFM3 pornește de la un backbone numit LFM3-1.7B-Base, antrenat pe 22 de trilioane de tokenuri, cu ultimele 3,5 trilioane într-o etapă de mid-training pe date curatoriate, cu pondere mai mare pe trace-uri agentice și apeluri de unelte. Acea etapă extinde și fereastra de context la 256K tokenuri. Din acest backbone derivă șase modele din clasa 2B: text, viziune, audio, omni și două modele de decizie (d1-2B și d1-omni-2B).

Față de familia LFM2, schimbarea de arhitectură se numește tri-hybrid: 24 de layere, dintre care 13 convoluții scurte cu poartă, 5 layere de atenție cu fereastră glisantă de 256 de tokenuri și 6 layere de atenție globală. Convoluțiile au kernel 7, față de 3 în LFM2. Se adaugă atenție cu poartă pe fiecare cap, RoPE parțial doar pe layerele globale și normalizare sandwich, adică normalizare la intrarea și la ieșirea fiecărui bloc.

Rezultatul declarat de producător: LFM3-1.7B depășește LFM2.5-2.6B cu 35% mai puțini parametri. Pe prompturi scurte, raportat la parametri, se compară cu LFM2-1.2B, iar cu 8K tokenuri în context este cu aproximativ 25% mai rapid. Cifrele vin din materialul Liquid AI, nu din teste independente, deci tratează-le ca pe o promisiune de producător până la o validare pe cazul tău.

Cele șase modele și ce face fiecare

Modelul de text, LFM3-1.7B, este construit pentru agenți locali, apeluri de unelte, output structurat și fine-tuning pe domeniu. Producătorul spune că e post-antrenat să ruleze în medii agentice precum Hermes Agent, Pi și OpenClaw, și raportează pe WebArena-Verified un scor de 38,42 față de 3,02 pentru predecesor. Susține chiar că depășește Qwen3.5-9B pe sarcini lungi în browser și aplicații de business.

LFM3-VL-2B este primul model de viziune LFM care acceptă și video ca input. Are 1,9B parametri, față de 3,1B la LFM2.5-VL-3B, iar media pe 62 de benchmarkuri de viziune urcă de la 57,6 la 71,4, nivel comparabil cu Gemma 4 12B, un model de peste șase ori mai mare. Pentru video, fiecare pereche de cadre e împachetată într-o singură felie temporală, ceea ce înjumătățește lungimea secvenței.

LFM3-Audio-2B acoperă chat vocal, recunoaștere vocală, sinteză și traducere în 18 limbi, pe laptop sau dispozitiv edge. Vine cu encoder audio și codec propriu, iar calitatea vorbirii urcă la 3,83 UTMOSv2, față de 3,22 la versiunea anterioară. Encoderul audio este complet cauzal, deci modelul poate prelucra în timp ce vorbești, cu timp până la primul token de până la 50 ms.

LFM3-Omni-2B este primul model omni al companiei: primește text, imagini, video și audio și răspunde cu text și voce. Producătorul spune că depășește modele de până la 10,7B parametri, precum Qwen2.5-Omni-7B, pe benchmarkuri de înțelegere audio-vizuală. LiquidCodec, tokenizerul audio propriu, transformă tokenii în vorbire la circa 87x timp real pe un singur thread de CPU pe Apple M4 Max, cu decodare în streaming.

Cele două modele de decizie, d1-2B și d1-omni-2B, pornesc din modelele VL și omni și întorc răspunsuri calibrate. Sunt utile acolo unde ai nevoie de o ieșire cu încredere măsurabilă, nu doar de text liber.

De ce contează partea de edge și fine-tuning pe un GPU

Aici e miezul comercial al poveștii. Modelul de text încape în circa 1 GB la precizie 4-bit, iar fereastra de context de 256K tokenuri permite agenți care rulează local. Fiecare model se fine-tunează pe un singur GPU. Pentru o echipă care nu vrea să trimită date de client la un API extern, asta schimbă calculul de la "cât costă tokenul" la "cât costă un GPU și cât de repede ajung la un model care știe terminologia mea".

Arhitectura a fost căutată cu un proces hardware-in-the-loop care acoperă 14 combinații de dispozitiv și backend, de la telefoane și Raspberry Pi 5 la laptopuri, CPU-uri în cloud, GPU-uri și NPU-ul Qualcomm Hexagon. Nu e un model antrenat pentru benchmark și apoi portat, ci unul căutat cu constrângerea de hardware în buclă.

Encoderul de viziune propriu are 164M parametri și consumă de 3 ori mai puțin calcul decât SigLIP2 din modelele VL anterioare. Producătorul susține că atinge acuratețea encoderului din Qwen3.5-2B cu 2,2x mai puține FLOP-uri, măsurat pe același backbone de limbaj LFM2.5-230M. Sunt cifre comparabile doar dacă reproduci setup-ul, deci nu le lua ca adevăr absolut.

Limitele pe care trebuie să le verifici înainte să construiești

Materialul sursă vine de la producător și e scris ca material de lansare. Are exemple de cod, carduri de model și linkuri către ghiduri, dar nu are studiu independent, nu are date despre costuri reale de operare și nu acoperă ce se întâmplă când modelul e expus la date murdare din producție.

Concret, înainte să iei o decizie de arhitectură, verifică: dacă licența permite utilizarea comercială în scenariul tău; ce înseamnă în practică fine-tuning pe un GPU (memorie, timp, număr de exemple); dacă benchmarkurile raportate (WebArena, Daily-Omni, WorldSense) reflectă sarcinile tale; și dacă mediile agentice menționate sunt stabile sau încă în mișcare. O verificare incompletă nu dovedește că o funcție lipsește, dovedește doar că nu ai încă proba.

Nu în ultimul rând, "rulează pe edge" nu înseamnă automat "rulează pe orice". Faptul că modelul încape în 1 GB la 4-bit nu garantează latență bună pe telefonul clientului tău. Aici e diferența dintre un slide și un test.

Ce înseamnă pentru tine, ca antreprenor sau marketer român

Dacă ai un business în România și te uiți la costurile de AI din 2026, trei scenarii devin realiste, toate ipotetice până la test:

Primul: un asistent intern care știe catalogul, politicile și terminologia ta, fine-tunat pe datele tale și rulat pe un GPU închiriat sau local. Nu mai plătești per token pentru fiecare interogare a echipei de suport.

Al doilea: procesare de conținut vizual și audio în bulk. Un model de viziune de 2B care acceptă video și rulează ieftin poate deveni interesant pentru triaj de creatives, verificare de asseturi sau clasificare de materiale primite de la influenceri.

Al treilea: agenți care rulează pe dispozitiv, unde datele nu pleacă din firmă. Pentru un business cu date sensibile (finanțe, sănătate, juridic), asta poate fi argumentul decisiv, nu performanța brută.

Partea pe care nu o rezolvă modelul: guvernanța. Cine validează output-ul, cine răspunde când asistentul greșește, cum măsori dacă a meritat. Aici nu te ajută un backbone de 1,7B, te ajută un proces.

Dacă lucrezi cu SEO și GEO, un model local specializat îți poate ajuta la analiza structurii paginilor și la planificarea conținutului, dar nu înlocuiește judecata editorială. Un punct de plecare practic îl găsești în analiza noastră despre cele 7 unelte SEO gratuite în 2026 și unde se opresc, iar pentru partea de viteză și indexare merită citit materialul despre ce spune John Mueller despre raportul de indexare.

FAQ

LFM3 poate înlocui un API mare de modele? Depinde de sarcină. Pentru agenți locali, tool calling și sarcini bine delimitate, modelul de 1,7B e poziționat exact acolo. Pentru raționament complex, generalist, comparația corectă nu e "2B vs 400B", ci "2B specializat pe datele mele vs model mare generic". Producătorul raportează rezultate bune pe sarcini agentice, dar nu există în material o comparație completă pe toate cazurile.

Trebuie GPU ca să folosesc LFM3? Pentru fine-tuning, da, un GPU. Pentru inferență, producătorul menționează rulare pe CPU, laptop, Raspberry Pi 5 și NPU Qualcomm Hexagon, iar modelul de text încape în circa 1 GB la 4-bit. Latența reală pe hardware-ul tău trebuie măsurată, nu presupusă.

Ce înseamnă modelele d1 cu răspunsuri calibrate? Sunt derivate din modelele VL și omni și întorc răspunsuri cu un nivel de încredere asociat, util când vrei să decizi automat dacă accepți output-ul sau îl trimiți la un om. Detaliile exacte de antrenare și metrici sunt în cardurile de model, nu în articolul de lansare.

Concluzia ALLSoft

AI-ul ajută la analiză și planning: îți structurează opțiunile, îți estimează efortul, îți pune întrebările pe care nu le pui singur. Dar decizia de a construi pe LFM3 sau pe altceva, alegerea cazului de utilizare și execuția rămân ale omului, adică ale media buyer-ului și ale echipei care răspunde de rezultat. Modelul nu-ți spune dacă merită investiția, nu-ți validează output-ul și nu-ți asumă riscul.

Pasul concret îl face ALLSoft Agency: pornim de la un caz real din businessul tău, definim ce trebuie măsurat și abia apoi alegem tehnologia. Fără hype, fără cifre inventate, cu verificare la fiecare pas.