LFM3 to nowa rodzina otwartych modeli od Liquid AI, opublikowana 27 października. Zamiast jednego dużego modelu firma pokazała sześć małych wariantów o rozmiarze od 1,7 do około 2 mld parametrów. Obsługują tekst, obraz, wideo i dźwięk, a wszystkie mają otwarte wagi dostępne na Hugging Face. Najmniejszy model tekstowy po kwantyzacji do 4 bitów zajmuje około 1 GB pamięci.
W skład rodziny wchodzą:
- LFM3-1.7B: model tekstowy z kontekstem 256 tys. tokenów,
- LFM3-VL-2B: model wizyjny do obrazów i wideo,
- LFM3-Audio-2B: rozpoznawanie i synteza mowy w 18 językach,
- LFM3-Omni-2B: jeden model łączący tekst, obraz i dźwięk,
- d1-2B i d1-omni-2B: modele decyzyjne, które zamiast swobodnego tekstu zwracają wybór z listy, odpowiedź tak/nie, ocenę punktową albo zakres liczbowy.
Co pokazują liczby LFM3
Producent deklaruje, że tekstowy LFM3-1.7B przewyższa poprzednika LFM2.5-2.6B, choć ma o 35% mniej parametrów. Największy skok widać w zadaniach agentowych: w teście WebArena-Verified wynik wzrósł z 3,02 do 38,42 pkt. Model wizyjny uzyskał średnio 71,4 pkt w 62 benchmarkach (LFM2.5-VL-3B miał 57,6), co Liquid AI porównuje z sześciokrotnie większym Gemma 4 12B. LFM3-Omni-2B ma z kolei wyprzedzać w testach audiowizualnych modele do 10,7 mld parametrów, w tym Qwen2.5-Omni-7B. To deklaracje producenta, więc warto poczekać na niezależne porównania.
Modele przygotowano pod 14 kombinacji urządzeń i backendów: od telefonów i Raspberry Pi 5, przez laptopy, po procesory w chmurze, karty GPU i układy NPU Qualcomm Hexagon. Każdy wariant da się dostroić na jednej karcie graficznej metodami SFT, DPO lub GRPO. Firma dołączyła 11 notatników z gotowymi przykładami, m.in. ekstrakcją danych do JSON, odczytem paragonów, wywoływaniem narzędzi i odpowiadaniem na pytania do dokumentów.
Co LFM3 oznacza dla firm w Polsce
Ważniejszy od pojedynczego wyniku jest kierunek. Mały model dostrojony do jednego zadania, np. odczytu faktur czy klasyfikacji zgłoszeń, może działać lokalnie na laptopie lub serwerze w biurze. Dane nie opuszczają wtedy firmy, co upraszcza rozmowę z działem prawnym i inspektorem ochrony danych. Znikają też rosnące rachunki za API przy tysiącach powtarzalnych zapytań.
Przed wdrożeniem warto sprawdzić dwie rzeczy. Wpis nie wymienia polskiego wśród 18 języków modelu audio, więc jakość pracy z polską mową i tekstem trzeba przetestować na własnych danych. Druga sprawa to licencja: otwarte wagi nie zawsze oznaczają dowolne użycie komercyjne, dlatego warunki trzeba przeczytać na karcie modelu. Modele decyzyjne d1 mogą natomiast ułatwić automatyzację tam, gdzie system potrzebuje jednoznacznej odpowiedzi, a nie opisu do ręcznej interpretacji.
Źródło: Hugging Face Blog: Build specialized multimodal models with LFM3 (EN, 27 października 2026). Zapowiedź producenta: Liquid AI: Introducing LFM3 (EN).
