Liquid AI wydała LFM3, nową generację Liquid Foundation Models obejmującą rodzinę 6 otwartych modeli klasy 2B zbudowanych na jednym wspólnym backbonie. Wszystkie modele rozgałęziają się z LFM3-1.7B-Base i obejmują wersje specjalizowane: LFM3-1.7B dla tekstu i agentów lokalnych, LFM3-VL-2B z obsługą wideo próbkowanego na 2 fps, LFM3-Audio-2B wspierającą mowę w 18 językach z tool calling, LFM3-Omni-2B łączącą wizję, audio i język w jeden model, oraz modele decyzyjne d1-2B i d1-Omni-2B odpowiadające na wiele pytań w jednym przebiegu.
Wydajna architektura sprawia, że modele mogą działać z zużyciem około 1 GB pamięci w kwantyzacji 4-bit, co umożliwia uruchamianie na telefonach i laptopach. Liquid AI dostarcza checkpointy w formatach GGUF, MLX, ONNX, FP8 i NVFP4. Każdy model można dostroić na pojedynczej karcie graficznej, a następnie wdrożyć na urządzeniach mobilnych, laptopach, serwerach prywatnych lub w chmurze.
Wydajność LFM3-1.7B jest imponująca: osiąga średni wynik 49,37 na 29 benchmarkach, przewyższając Qwen3.5-9B (47,24). Szczególnie wyróżniają się wyniki w IFEval (96,66) i AutomationBench (41,29 vs 15,10 dla Qwen3.5-9B). To pokazuje, że znacznie mniejsze modele mogą konkurować z rozwiązaniami prawie 5 razy większymi. Słabsze strony to egzaminy bez narzędzi (7,17 na Humanity's Last Exam) i długoekstęntowy benchmark RULER 128K (65,56 vs 87,11 dla Qwen3.5-9B), co wskazuje, że długie konteksty wymagają dalszych ulepszeń.