Eine Modellfamilie statt eines universellen Rezepts für alle Modalitäten
Liquid AI hat LFM3 als neue Generation seiner Liquid-Foundation-Model-Familie vorgestellt. Das Angebot verbindet ein gemeinsames Basismodell mit rund 1,7 Milliarden Parametern mit daraus abgeleiteten Modellen für Text, Bilder, Video, Audio und Entscheidungsaufgaben. Es handelt sich nicht um ein einzelnes Modell, das all diese Aufgaben auf dieselbe Weise erledigt: Welche Modalitäten verfügbar sind, hängt von der gewählten Variante ab.
Die Veröffentlichung beschreibt sechs Modelle: LFM3-1.7B für Text; LFM3-VL-2B für Text, Bilder und Video; LFM3-Audio-2B für Text und Audio; LFM3-Omni-2B für Eingaben aus Text, Bild, Video und Audio sowie zwei Entscheidungsmodelle, d1-2B und d1-omni-2B. Die d1-Modelle liefern strukturierte Antworten oder Bewertungen zu vorgegebenen Fragen, statt sich auf frei formulierte Texte zu konzentrieren.
Der Unterschied ist praktisch wichtig: „multimodal“ bedeutet nicht, dass jede Variante alle Modalitäten verarbeitet. Das Bildmodell kann beispielsweise Videoeingaben verarbeiten; Audioeingaben sind hingegen den Audio- und Omni-Varianten zugeordnet. Die Modelle haben eine gemeinsame architektonische Grundlage, doch ihre konkreten Fähigkeiten hängen von den jeweils integrierten Encodern, Decodern und Aufgaben ab.
Angekündigte Ein- und Ausgaben der Varianten
Die Übersicht fasst die von Liquid AI genannten Modalitäten zusammen. Sie ist keine unabhängige Bewertung der Leistungsfähigkeit.
| Modell | Genannte Eingaben | Genannte Ausgaben oder Funktion |
|---|---|---|
| LFM3-1.7B | Text | Text |
| LFM3-VL-2B | Text, Bilder und Video | Text |
| LFM3-Audio-2B | Text und Audio | Text, Sprache oder beides |
| LFM3-Omni-2B | Text, Bilder, Video und Audio | Text und Sprache |
| d1-2B | Text, Bilder und Video | Kalibrierte Antworten auf strukturierte Fragen |
| d1-omni-2B | Text, Bilder, Video und Audio | Kalibrierte Antworten auf strukturierte Fragen |
Gemeinsame Architektur und Änderungen am Textmodell
Das Basismodell LFM3-1.7B-Base kombiniert drei Arten von Schichten: kurze, gesteuerte Faltungen, Sliding-Window-Attention und globale Attention. Laut Liquid AI umfasst das Design 24 Schichten: 13 Faltungsschichten, fünf Sliding-Window-Attention-Schichten mit einem Fenster von 256 Tokens und sechs globale Attention-Schichten. Das Unternehmen stellt diese Kombination als Möglichkeit dar, Inferenzkosten und Leistungsfähigkeit bei langen Kontexten auszubalancieren.
Die Veröffentlichung beschreibt außerdem Attention mit Gate pro Kopf, eine teilweise Anwendung von RoPE in den globalen Attention-Schichten und eine Normalisierung sowohl am Eingang als auch am Ausgang jedes Blocks. Das sind Architekturentscheidungen; für sich genommen beweisen sie weder höhere Genauigkeit noch größere Zuverlässigkeit oder Sicherheit. Als Motivation nennt Liquid AI eine bessere Effizienz und ein verbessertes Modellverhalten, einschließlich Effekten, die die Quantisierung beeinflussen können.
Nach Angaben von Liquid AI wurde das Basismodell mit 22 Billionen Tokens vortrainiert. Anschließend folgte eine zusätzliche Phase mit 3,5 Billionen Tokens auf kuratierten Daten, darunter mehr Beispiele für Tool-Nutzung und Agenten-Traces. Die Veröffentlichung nennt für das Textmodell ein Kontextfenster von 256.000 Tokens. Diese Zahl beschreibt den angekündigten Grenzwert. Sie garantiert weder gleichbleibende Qualität bei jeder Aufgabe über diese Länge noch, dass sich ein solcher Kontext auf jeder Hardware zu vertretbaren Kosten verarbeiten lässt.
Was „Spezialisierung“ bedeutet und was sich anpassen lässt
In dieser Ankündigung bedeutet Spezialisierung, ein Modell durch Fine-Tuning an Daten, Wortschatz, Aufgaben oder Tools einer Anwendung anzupassen. Liquid AI zeigt Beispiele für unterschiedliche Methoden: SFT zur Extraktion strukturierter Daten aus Dokumenten, DPO für Antworten auf Basis abgerufener Dokumente oder das Ablehnen einer Antwort, GRPO zur Tool-Auswahl und CPT zum Lernen aus Texten einer Sprache. Hinzu kommen Übungen für Bild-, Audio- und Omni-Modelle.
Die Veröffentlichung erklärt, dass sich jedes Modell auf einer einzelnen GPU feinabstimmen lässt, und stellt Notebooks mit Arbeitsabläufen für Datenaufbereitung und Evaluation bereit. Das ist eine Aussage des Unternehmens über sein Trainingsangebot, aber keine ausreichende Spezifikation, um die Kosten eines konkreten Projekts abzuschätzen. Benötigter Speicher, Fine-Tuning-Dauer und Leistungsfähigkeit hängen unter anderem von Methode, numerischer Präzision, Größe und Format der Daten, Kontextlänge und Hardwarekonfiguration ab.
Ein beschriebenes Beispiel passt LFM3-VL-2B für Robotik an und umfasst Modelle für Orchestrierung, Navigation und Manipulation. Liquid AI nennt Erfolgsraten auf Evaluationsdatensätzen und Generierungszeiten auf konkreter Hardware. Diese Ergebnisse beziehen sich auf die vom Unternehmen beschriebenen Konfigurationen und Tests. Sie erlauben nicht den Schluss, dass ein eigenes Fine-Tuning ähnliche Resultate erzielt oder sich das Verhalten unverändert auf einen anderen Roboter oder eine andere Umgebung übertragen lässt.
Ein vorsichtiger Ablauf zur Bewertung einer Spezialisierung
Die Ankündigung enthält Beispiele für Fine-Tuning. Für jede Anwendung muss jedoch gesondert geprüft werden, ob das Modell mit den eigenen Daten und Bedingungen zurechtkommt.
- 01Eine klar abgegrenzte Aufgabe und eine beobachtbare Metrik festlegen, etwa die korrekte Extraktion von Feldern oder die passende Auswahl eines Tools.
- 02Die Variante auswählen, deren Ein- und Ausgaben zur Anwendung passen; nicht davon ausgehen, dass eine Variante sämtliche Modalitäten einer anderen übernimmt.
- 03Repräsentative Daten vorbereiten und Beispiele zurückhalten, die beim Fine-Tuning nicht verwendet werden.
- 04Basismodell und feinabgestimmtes Modell mit denselben Fällen vergleichen, Fehler dokumentieren und auch Daten außerhalb der Trainingsstichprobe bewerten.
- 05Latenz, Speicherbedarf und Kosten auf der Zielhardware messen, bevor das Modell in einen Produktionsablauf integriert wird.
Verfügbarkeit, Inferenz und praktische Anforderungen
Liquid AI erklärt, dass die Gewichte der LFM3-Modelle offen verfügbar und im Modellkatalog von Hugging Face zu finden sind. Die Veröffentlichung enthält Beispiele für die Nutzung mit Transformers sowie Installationsbefehle für Text-, Bild- und Audioabhängigkeiten. Für die Ausführung der jeweiligen Variante braucht es Bibliotheken und Komponenten, die zur jeweiligen Modalität passen. Im Beispiel für LFM3-VL werden etwa PyTorch, torchvision und Pillow installiert; die Audiobeispiele ergänzen Werkzeuge zur Tonverarbeitung.
Die Bezeichnung „offene Gewichte“ klärt für sich genommen nicht alle rechtlichen und betrieblichen Nutzungsbedingungen. Aus den vorliegenden Angaben lässt sich keine einheitliche Lizenz für sämtliche Artefakte zusammenfassen; ebenso wenig ist bestätigt, dass für alle Modelle identische Bedingungen gelten. Vor dem Einsatz in einem Produkt oder der Weiterverbreitung sollten die Modellkarte und die Bedingungen der konkreten Variante geprüft werden.
Das Unternehmen gibt an, dass LFM3-1.7B bei einer Präzision von vier Bit rund 1 GB belegen kann und dass das Textmodell ein Kontextfenster von bis zu 256.000 Tokens unterstützt. Das sind Angaben von Liquid AI zu einer bestimmten Konfiguration: Downloadgröße, Speicherbedarf während der Inferenz und Geschwindigkeit hängen zusätzlich von Gewichtsformat, Laufzeitumgebung, Hardware und Eingabelänge ab. Sie sind keine Garantie dafür, dass das Modell auf jedem Gerät ausgeführt werden kann.
Was vor der Bereitstellung geprüft werden sollte
Die angekündigten Eigenschaften helfen bei der Vorauswahl, ersetzen aber keinen Test in der tatsächlichen Einsatzumgebung.
| Aspekt | Angabe in der Ankündigung | In der Anwendung zu bewerten |
|---|---|---|
| Hardware | Das Unternehmen erklärt, dass sich seine Modelle mit einer GPU feinabstimmen lassen. | Verfügbarer Speicher sowie Fine-Tuning- und Inferenzzeit auf dem ausgewählten Gerät. |
| Quantisierung | Für das Textmodell wird bei vier Bit eine ungefähre Größe von 1 GB genannt. | Qualität nach der Quantisierung, tatsächlicher Speicherbedarf und Kompatibilität mit der Laufzeitumgebung. |
| Kontext | Für das Textmodell wird ein Kontextfenster von bis zu 256.000 Tokens angekündigt. | Qualität und Latenz bei der benötigten Kontextlänge. |
| Lizenz | Die Gewichte werden als offen verfügbar beschrieben. | Bedingungen des konkreten Artefakts und des vorgesehenen Einsatzzwecks. |
Wie die Leistungsangaben einzuordnen sind
Die Veröffentlichung vergleicht LFM3 mit früheren Modellen und einigen Systemen anderer Anbieter in Tests zu Agenten, Bildverarbeitung, Audio und Entscheidungen. Unter anderem erklärt Liquid AI, LFM3-1.7B übertreffe LFM2.5-2.6B bei bestimmten Aufgaben und LFM3-VL-2B erhöhe den Durchschnittswert über 62 Bildtests gegenüber seinem Vorgänger. Außerdem nennt das Unternehmen Geschwindigkeits- und Sprachqualitätswerte für bestimmte Komponenten.
Diese Metriken sind Ergebnisse, die Liquid AI seinen eigenen Evaluationen zuschreibt. Die verfügbaren Angaben belegen keine unabhängige Replikation und reichen nicht aus, um das Verhalten der Modelle mit anderen Daten, Sprachen, Hardwarekonfigurationen oder Arbeitsabläufen zu bestimmen. Vergleichswerte lassen sich nur zusammen mit Testdefinition, Datensatz, Konfiguration und Bewertungsverfahren sinnvoll interpretieren; eine Punktzahl ist keine Garantie für eine allgemein erreichbare Leistung.
Die zentrale Quelle ist eine Ankündigung von Liquid AI. Sie dokumentiert die Aussagen des Unternehmens, die beschriebene Architektur und die Anwendungsbeispiele. Der Artikelindex von Hugging Face bestätigt, dass die Ankündigung am 27. Oktober 2026 erschienen ist, liefert aber keine unabhängige technische Validierung. Die belastbarste Einordnung lautet daher: LFM3 ist eine vom Entwickler angekündigte Modellfamilie mit einem Anpassungspfad. Welchen Nutzen sie in einer konkreten Anwendung hat, muss mit eigenen Tests unter vergleichbaren Bedingungen ermittelt werden.
Offene Fragen
- Unter den verifizierten Quellen gibt es keine unabhängige Evaluation, die die von Liquid AI genannten Leistungswerte bestätigt.
- Die vorliegenden Angaben belegen keine einheitliche Lizenz für alle LFM3-Modelle und -Artefakte; die Bedingungen können je nach Modellkarte unterschiedlich sein.
- Leistung, Speicherbedarf und Geschwindigkeit in einer konkreten Anwendung lassen sich nicht allein aus der angekündigten Parameterzahl, quantisierten Modellgröße oder Kontextlänge ableiten.
Weiter entdecken
Verwendete Quellen
Korrekturen und Transparenz
Wenn du falsche oder veraltete Angaben findest, sende uns die Seite und die zu prüfende Quelle.
Korrektur vorschlagen