Liquid AI présente LFM3, une famille de modèles multimodaux à spécialiser

Une famille de modèles, pas une solution unique pour toutes les modalités

Liquid AI présente LFM3 comme une nouvelle génération de sa famille Liquid Foundation Models. L’offre s’appuie sur une base commune d’environ 1,7 milliard de paramètres, dont dérivent des modèles destinés au texte, aux images, à la vidéo, à l’audio et aux tâches de décision. Il ne s’agit pas d’un modèle unique qui traiterait toutes ces modalités de la même façon : les capacités dépendent de la variante choisie.

La publication décrit six modèles : LFM3-1.7B pour le texte ; LFM3-VL-2B pour le texte, les images et la vidéo ; LFM3-Audio-2B pour le texte et l’audio ; LFM3-Omni-2B pour les entrées textuelles, visuelles, vidéo et audio ; ainsi que deux modèles de décision, d1-2B et d1-omni-2B. Les modèles d1 produisent des réponses structurées ou des scores à partir de questions définies, plutôt que de privilégier la rédaction en texte libre.

Cette distinction compte en pratique : « multimodal » ne signifie pas que chaque variante accepte toutes les modalités. Le modèle de vision, par exemple, traite la vidéo, tandis que l’audio est pris en charge par les variantes Audio et Omni. Les modèles partagent une origine architecturale, mais leurs capacités précises dépendent des encodeurs, décodeurs et tâches intégrés à chacun.

Une architecture commune et des évolutions pour le modèle textuel

La base LFM3-1.7B-Base combine trois types de couches : des convolutions courtes avec portes, de l’attention à fenêtre glissante et de l’attention globale. Selon Liquid AI, elle compte 24 couches : 13 couches convolutives, cinq couches d’attention à fenêtre glissante, avec une fenêtre de 256 tokens, et six couches d’attention globale. L’entreprise présente cette combinaison comme un compromis entre coût d’inférence et capacité à traiter des contextes longs.

La publication décrit également une attention avec portes par tête, une application partielle de RoPE dans les couches d’attention globale et une normalisation à l’entrée comme à la sortie de chaque bloc. Ce sont des choix d’architecture ; ils ne prouvent pas, à eux seuls, qu’un modèle soit plus précis, fiable ou sûr. La motivation avancée est d’améliorer l’efficacité et le comportement du modèle, y compris certains effets susceptibles d’influer sur la quantification.

D’après Liquid AI, le modèle de base a été préentraîné sur 22 000 milliards de tokens, puis a bénéficié d’une étape supplémentaire de 3 500 milliards de tokens sur des données sélectionnées, comportant davantage de traces d’agents et d’appels à des outils. La publication annonce une fenêtre de contexte de 256 000 tokens pour le modèle textuel. Cette valeur décrit la limite annoncée ; elle ne garantit ni une qualité constante pour toute tâche à cette longueur, ni un coût de traitement raisonnable sur le matériel disponible.

Spécialiser un modèle : ce qui peut être adapté

Dans cette annonce, spécialiser consiste à adapter un modèle aux données, au vocabulaire, aux tâches ou aux outils d’une application grâce à un affinage. Liquid AI présente plusieurs méthodes : le SFT pour extraire des données structurées de documents, le DPO pour répondre à partir de documents récupérés ou s’abstenir, le GRPO pour choisir des outils et le CPT pour apprendre à partir de textes dans une langue. Des exercices sont également proposés pour les modèles de vision, d’audio et Omni.

La publication affirme que chaque modèle peut être affiné sur un seul GPU et présente des notebooks couvrant la préparation des données et l’évaluation. Il s’agit d’une affirmation de l’entreprise sur son offre d’entraînement, et non d’une spécification suffisante pour estimer le coût d’un projet donné. La mémoire nécessaire, la durée de l’affinage et les performances dépendront de la méthode, de la précision numérique, de la taille et du format des données, de la longueur du contexte et de la configuration matérielle.

Un exemple décrit l’adaptation de LFM3-VL-2B à la robotique, avec des modèles pour l’orchestration, la navigation et la manipulation. Liquid AI communique des taux de réussite sur des ensembles d’évaluation et des temps de génération mesurés sur du matériel précis. Ces résultats concernent les configurations et les tests présentés par l’entreprise ; ils ne permettent pas de conclure qu’un affinage réalisé ailleurs donnera des résultats similaires, ni que le comportement se transférera sans changement à un autre robot ou environnement.

Disponibilité, inférence et exigences pratiques

Liquid AI affirme que les modèles LFM3 disposent de poids ouverts et sont disponibles dans le catalogue de modèles de Hugging Face. La publication fournit des exemples avec Transformers ainsi que des commandes d’installation pour les dépendances liées au texte, à la vision et à l’audio. L’exécution de chaque variante nécessite des bibliothèques et des composants adaptés à ses modalités : l’exemple LFM3-VL installe notamment PyTorch, torchvision et Pillow, tandis que les exemples audio ajoutent des outils de traitement du son.

L’expression « poids ouverts » ne précise pas à elle seule l’ensemble des conditions juridiques et opérationnelles d’utilisation. Les informations de l’annonce ne permettent pas d’établir ici une licence unique applicable à tous les artefacts, ni de confirmer que les conditions sont identiques d’un modèle à l’autre. Avant d’intégrer un modèle à un produit ou de le redistribuer, il faut consulter la fiche et les conditions propres à la variante concernée.

L’entreprise indique que LFM3-1.7B peut occuper environ 1 Go en précision 4 bits et que le modèle textuel accepte un contexte allant jusqu’à 256 000 tokens. Ces chiffres sont communiqués par Liquid AI pour une configuration particulière : la taille du téléchargement, la mémoire nécessaire pendant l’inférence et la vitesse dépendent aussi du format des poids, du moteur, du matériel et de la longueur des entrées. Ils ne garantissent pas le fonctionnement sur n’importe quel appareil.

Comment interpréter les chiffres de performance

La publication compare LFM3 aux modèles précédents et à certains systèmes tiers dans des tests d’agents, de vision, d’audio et de décision. Liquid AI affirme notamment que LFM3-1.7B dépasse LFM2.5-2.6B sur certaines tâches, et que LFM3-VL-2B améliore la moyenne obtenue sur 62 tests de vision par rapport à son prédécesseur. L’entreprise communique aussi des mesures de vitesse et de qualité vocale pour des composants précis.

Ces métriques sont des résultats attribués par l’entreprise à ses évaluations. La documentation disponible ne fait pas état d’une réplication indépendante et ne suffit pas à déterminer comment chaque modèle se comportera avec d’autres données, langues, matériels ou flux de travail. Une comparaison ne peut être interprétée qu’en tenant compte de la définition du test, du jeu de données, de la configuration et du critère de notation ; un score ne garantit pas des performances générales.

La source principale est une publication de lancement de Liquid AI qui documente les affirmations de l’entreprise, l’architecture décrite et des exemples d’utilisation. Le catalogue d’articles de Hugging Face confirme que l’annonce a été publiée le 27 octobre 2026, mais n’apporte aucune validation technique indépendante. La conclusion la mieux étayée est donc que LFM3 constitue une famille de modèles et une voie de personnalisation annoncées par son développeur ; leur intérêt pour une application donnée doit être établi au moyen d’essais propres, réalisés dans des conditions comparables.

Poursuivre l’exploration

Corrections et transparence

Si vous repérez une information incorrecte ou obsolète, envoyez-nous la page et la source à vérifier.