Liquid AI presenta LFM3, una familia de modelos multimodales para especialización

Una familia de modelos, no una receta única para cualquier modalidad

Liquid AI presentó LFM3 como una nueva generación de su familia Liquid Foundation Models. La propuesta combina una base común de aproximadamente 1.700 millones de parámetros con modelos derivados que cubren texto, imágenes, vídeo, audio y tareas de decisión. No es un único modelo que haga todas esas cosas de la misma manera: la modalidad disponible depende de la variante elegida.

La publicación describe seis modelos: LFM3-1.7B para texto; LFM3-VL-2B para texto, imágenes y vídeo; LFM3-Audio-2B para texto y audio; LFM3-Omni-2B para entradas de texto, imagen, vídeo y audio; y dos modelos de decisión, d1-2B y d1-omni-2B. Los modelos d1 producen respuestas estructuradas o puntuaciones para preguntas definidas, en vez de centrarse en redactar texto libre.

La distinción práctica importa: «multimodal» no significa que cada variante acepte todas las modalidades. Por ejemplo, el modelo de visión procesa vídeo, pero la entrada de audio corresponde a las variantes de audio y Omni. La familia comparte un origen arquitectónico; sus capacidades concretas dependen de los codificadores, decodificadores y tareas incorporados en cada modelo.

Una arquitectura común y cambios en el modelo de texto

La base LFM3-1.7B-Base combina tres tipos de capas: convoluciones cortas con compuertas, atención de ventana deslizante y atención global. Liquid AI indica que el diseño tiene 24 capas: 13 convolucionales, cinco de atención de ventana deslizante con una ventana de 256 tokens y seis de atención global. La empresa presenta esa combinación como una forma de equilibrar coste de inferencia y capacidad en contextos extensos.

La publicación también describe atención con compuertas por cabeza, una aplicación parcial de RoPE en las capas de atención global y una normalización a la entrada y salida de cada bloque. Estas son decisiones de arquitectura; por sí solas no prueban que un modelo sea más preciso, fiable o seguro. La motivación comunicada es mejorar la eficiencia y el comportamiento del modelo, incluidos los efectos que pueden influir en la cuantización.

Según Liquid AI, la base se preentrenó con 22 billones de tokens y recibió una etapa adicional de 3,5 billones de tokens con datos seleccionados, más ejemplos de uso de herramientas y trazas de agentes. La publicación indica una ventana de contexto de 256.000 tokens para el modelo de texto. Esa cifra describe el límite anunciado, no garantiza que cualquier tarea mantenga la misma calidad a esa longitud ni que el hardware pueda procesar ese contexto con un coste práctico.

Qué quiere decir «especializar» y qué se puede ajustar

En este anuncio, especializar significa adaptar un modelo a datos, vocabulario, tareas o herramientas de una aplicación mediante ajuste fino. Liquid AI ofrece ejemplos de métodos distintos: SFT para extraer datos estructurados de documentos, DPO para responder a partir de documentos recuperados o abstenerse, GRPO para seleccionar herramientas y CPT para aprender de texto de un idioma. También incluye ejercicios para modelos de visión, audio y Omni.

La publicación afirma que cada modelo puede ajustarse en una sola GPU y presenta cuadernos con flujos de trabajo de preparación de datos y evaluación. Es una afirmación de la empresa sobre su propuesta de entrenamiento, no una especificación suficiente para estimar el coste de un proyecto concreto. La memoria necesaria, la duración del ajuste y el rendimiento dependerán del método, la precisión numérica, el tamaño y formato de los datos, la longitud de contexto y la configuración del equipo.

Un ejemplo descrito adapta LFM3-VL-2B a robótica, con modelos para orquestación, navegación y manipulación. Liquid AI comunica tasas de éxito en conjuntos de evaluación y tiempos de generación en hardware concreto. Esos resultados se refieren a las configuraciones y pruebas presentadas por la empresa; no permiten concluir que un ajuste propio tendrá resultados similares ni que el comportamiento se transfiera sin cambios a otro robot o entorno.

Disponibilidad, inferencia y requisitos prácticos

Liquid AI afirma que los modelos LFM3 tienen pesos abiertos y están disponibles en el catálogo de modelos de Hugging Face. La publicación incluye ejemplos de uso con Transformers y comandos de instalación para dependencias de texto, visión y audio. Para ejecutar cada variante se necesitan bibliotecas y componentes acordes con su modalidad; el ejemplo de LFM3-VL, por ejemplo, instala PyTorch, torchvision y Pillow, mientras que los ejemplos de audio añaden herramientas para procesar sonido.

«Pesos abiertos» no aclara por sí solo todas las condiciones jurídicas y operativas de uso. La información disponible en el anuncio no permite resumir aquí una licencia única aplicable a todos los artefactos, ni confirmar que las condiciones sean idénticas entre modelos. Conviene consultar la ficha y los términos asociados a la variante concreta antes de incorporarla a un producto o redistribuirla.

La empresa indica que LFM3-1.7B puede ocupar alrededor de 1 GB a precisión de cuatro bits y que el modelo de texto admite un contexto de hasta 256.000 tokens. Son datos comunicados por Liquid AI sobre una configuración específica: el tamaño descargado, la memoria durante la inferencia y la velocidad dependen además del formato de pesos, el motor, el hardware y la longitud de entrada. No son garantías de ejecución en cualquier dispositivo.

Cómo interpretar las cifras de rendimiento

La publicación compara LFM3 con modelos anteriores y con algunos sistemas de terceros en pruebas de agentes, visión, audio y decisiones. Entre otras cifras, Liquid AI afirma que LFM3-1.7B supera a LFM2.5-2.6B en determinadas tareas, y que LFM3-VL-2B eleva la media en 62 pruebas de visión frente a su predecesor. También comunica resultados de velocidad y calidad de voz para componentes específicos.

Esas métricas son resultados atribuidos por la empresa a sus evaluaciones. La documentación disponible no establece una replicación independiente ni basta para determinar cómo se comportará cada modelo en datos, idiomas, hardware o flujos de trabajo diferentes. Las comparaciones solo son interpretables junto con la definición de la prueba, el conjunto de datos, la configuración y el criterio de puntuación; una puntuación no equivale a una garantía de rendimiento general.

La fuente principal es una publicación de lanzamiento de Liquid AI, que documenta sus afirmaciones, la arquitectura descrita y ejemplos de uso. El índice de publicaciones de Hugging Face confirma que el anuncio apareció el 27 de octubre de 2026, pero no añade validación técnica independiente. Por tanto, la lectura más sólida es que LFM3 ofrece una familia y una ruta de adaptación anunciadas por su desarrollador; el valor para una aplicación concreta debe establecerse mediante pruebas propias y condiciones comparables.

Continúa explorando

Correcciones y transparencia

Si detectas un dato incorrecto o desactualizado, puedes enviarnos una corrección indicando la página y la fuente que debemos revisar.