Por Canuto  

Liquid AI presentó LFM3, una familia de seis modelos con pesos abiertos de clase 2B que abarca texto, visión, audio y toma de decisiones. La empresa resalta su rendimiento en pruebas de agentes y su potencial para ejecutarse en dispositivos modestos, aunque sus propios resultados muestran límites en conocimiento, programación y manejo de contextos extensos.
***

  • La familia incluye modelos de texto, visión, audio, multimodales y de decisión, derivados de una base compartida.
  • Liquid AI reporta buenos resultados de LFM3-1.7B en algunas pruebas de agentes, pero reconoce debilidades frente a modelos mayores.
  • Los modelos ofrecen formatos para despliegue local, aunque la licencia de Liquid fija un umbral de ingresos para el uso comercial gratuito.

Liquid AI presenta LFM3, modelos con pesos abiertos para llevar la IA multimodal a dispositivos pequeños

Una familia con seis modelos y una base común

Liquid AI presentó LFM3, su nueva familia de Liquid Foundation Models, compuesta por seis modelos con pesos abiertos de clase 2B que parten de una base compartida. La propuesta reúne capacidades de texto, visión, audio, procesamiento multimodal y toma de decisiones, con versiones que los desarrolladores pueden ajustar en una sola GPU y desplegar en teléfonos, portátiles, servidores privados o servicios en la nube.

El modelo de texto LFM3-1.7B cuenta con 1.730 millones de parámetros y una ventana de contexto de 256.000 tokens, mientras que LFM3-VL-2B alcanza 1.920 millones de parámetros y 128.000 tokens. LFM3-Omni-2B llega a 2.200 millones de parámetros, y el catálogo también incluye LFM3-Audio-2B, d1-2B y d1-Omni-2B.

Liquid AI plantea que el tamaño reducido facilita llevar estas herramientas a equipos locales, en lugar de depender necesariamente de grandes servidores remotos. La empresa afirma que una versión cuantizada a 4 bits puede funcionar con alrededor de 1 GB de memoria, y distribuye checkpoints en formatos como GGUF, MLX, ONNX, FP8 y NVFP4 para distintos entornos de ejecución.

La familia no es un conjunto de modelos idénticos con distintas etiquetas, sino una colección especializada que comparte una base y se adapta a tareas diferentes. LFM3-1.7B apunta a agentes locales; VL procesa imágenes y video; Audio trabaja con voz; Omni integra imagen, audio y lenguaje, y los dos modelos d1 se orientan a resolver preguntas de decisión en una sola pasada.

Arquitectura híbrida y entrenamiento

La arquitectura de LFM3 combina tres tipos de operadores distribuidos en 24 capas: 13 convoluciones cortas con compuertas, cinco capas de atención de ventana deslizante y seis capas de atención global. La ventana deslizante es de 256 tokens, y el equipo amplió de tres a siete los núcleos de convolución, una configuración que Liquid AI dice haber seleccionado mediante una búsqueda de arquitectura ajustada a las características del hardware.

La compañía también incorporó compuertas sigmoidales por cabeza en la atención, RoPE parcial en las capas globales y una técnica de normalización denominada sandwich norm. Según su descripción, el desarrollo de LFM2 había incluido ajustes en un teléfono y un portátil, mientras que LFM3 se probó en 14 combinaciones de dispositivos y backends, entre ellas una Raspberry Pi 5 y el NPU Qualcomm Hexagon.

El modelo base se entrenó con 22 billones de tokens y recibió luego una etapa intermedia centrada en tareas agénticas con otros 3,5 billones de tokens. Liquid AI atribuye a ese proceso, entre otros cambios, la ampliación de la ventana de contexto hasta 256.000 tokens en LFM3-1.7B, una capacidad útil para procesar entradas largas, aunque no implica por sí misma que el modelo aproveche todo ese contexto con igual eficacia.

El postentrenamiento se organizó en cuatro etapas, de acuerdo con la empresa: ajuste supervisado con 1,75 billones de tokens, aprendizaje por refuerzo mixto, destilación de seis modelos profesores especializados en uno solo y, por último, aprendizaje por refuerzo agéntico. La secuencia busca combinar seguimiento de instrucciones y habilidades específicas, sin que la información divulgada permita atribuir cada resultado de benchmark a una etapa individual.

Resultados destacados y límites en las pruebas

En las evaluaciones que reporta Liquid AI, LFM3-1.7B obtuvo un promedio de 49,37 puntos en 29 benchmarks, por encima de los 47,24 que la compañía atribuye a Qwen3.5-9B en esa comparación. También superó a LFM2.5-2.6B con 35% menos parámetros, según la empresa, aunque estos resultados deben leerse como pruebas divulgadas por el propio desarrollador y no como una evaluación independiente.

Las cifras más llamativas aparecen en algunas tareas de agentes y uso de herramientas. LFM3-1.7B logró 38,42 puntos en WebArena-Verified, frente a 28,94 de Qwen3.5-9B, y 71,39 en BFCL V4, frente a 62,83; en AutomationBench, la diferencia reportada fue de 41,29 contra 15,10.

El desempeño cambia en pruebas de conocimiento y programación, donde el modelo de mayor tamaño conserva ventaja. En GPQA Diamond, LFM3-1.7B marcó 63,37 puntos frente a 80,40 de Qwen3.5-9B, y en SWE-bench Verified registró 43,40 frente a 51,20, de modo que sus resultados agénticos no equivalen a una superioridad general en todas las tareas.

También hay diferencias cuando aumenta la longitud del contexto evaluado: en RULER a 128.000 tokens, LFM3-1.7B obtuvo 65,56 puntos, frente a 87,11 de Qwen3.5-9B. En Humanity’s Last Exam consiguió 7,17 sin herramientas y elevó el resultado a 13,90 con ellas, una mejora que ilustra el efecto posible del uso de herramientas, pero también la distancia que persiste en esa prueba.

Capacidades multimodales, despliegue y licencia

En visión, Liquid AI reporta que LFM3-VL-2B promedió 71,4 puntos en una suite de 62 benchmarks, cerca de los 71,7 de Gemma 4 12B en la misma batería. La compañía destaca los resultados de grounding visual, con 77,3 puntos, y comprensión de interfaces gráficas, con 83,1; en video obtuvo 61,2 y en tareas agénticas 42,5, cifras que, según la comparación publicada, quedan por detrás de modelos API más grandes.

LFM3-VL-2B se presenta como el primer modelo de visión de la familia LFM con entrada de video, que procesa mediante muestreo a dos cuadros por segundo. La variante LFM3-Audio-2B admite entrada y salida de voz en 18 idiomas y llamadas a herramientas; Liquid AI informó una tasa de error de palabras de 6,2 en inglés y una puntuación TTS de 3,8 en UTMOSv2.

Para tareas que combinan modalidades, LFM3-Omni-2B integra visión, audio y lenguaje, y puede responder en texto o voz. La empresa le asigna 70,1 puntos en Daily-Omni, frente a 61,3 de Qwen2.5-Omni-7B, mientras que d1-2B reemplaza a d1-3B con un tercio menos de parámetros y eleva la puntuación de Decision Bench de 83,6 a 85,2.

Los pesos están disponibles en Hugging Face, Liquid AI Playground y Liquid API, y la documentación enumera compatibilidad con llama.cpp, MLX, vLLM, SGLang, Ollama y Transformers. Para una prueba en dispositivo con llama.cpp y cuantización Q4_0, Liquid AI usó un contexto de 32.000 tokens; un contexto completo de 128.000 requiere 1,6 GB de caché KV, frente a 4,3 GB que la compañía atribuye a Qwen3.5-4B.

En una NVIDIA B300 con SGLang, la empresa midió una producción de 3.600 millones de tokens diarios con 1.024 solicitudes concurrentes, un dato de infraestructura que no equivale al rendimiento de un teléfono o portátil. Liquid AI también mostró una prueba de especialización en la que unas horas de ajuste supervisado y GRPO en una A100 elevaron a 67% la clasificación de defectos en turbinas eólicas.

El acceso a los modelos se rige por LFM Open License v1.0, que establece un umbral de ingresos anuales de USD $10 millones para el uso comercial gratuito, según la información publicada. Ese límite distingue a LFM3 de modelos distribuidos bajo licencias permisivas como Apache 2.0, de modo que los equipos que planeen incorporar los pesos a productos comerciales deben revisar las condiciones antes de escalar su uso.

En conjunto, LFM3 ofrece una alternativa compacta con especial énfasis en agentes locales y despliegue en hardware diverso, pero las métricas divulgadas no eliminan las diferencias frente a modelos mayores en conocimiento, programación y contexto extenso. La decisión de adoptarlo dependerá de la tarea concreta, la memoria disponible y las condiciones de licencia, además de la necesidad de validar los resultados en el entorno de cada desarrollador.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados