Liquid AI presenta LFM3, una famiglia di modelli multimodali da specializzare

Una famiglia di modelli, non una soluzione unica per ogni modalità

Liquid AI ha presentato LFM3 come una nuova generazione della propria famiglia Liquid Foundation Models. La proposta combina una base comune di circa 1,7 miliardi di parametri con modelli derivati per testo, immagini, video, audio e attività decisionali. Non si tratta di un unico modello che gestisce tutte queste funzioni nello stesso modo: le modalità disponibili dipendono dalla variante scelta.

L’annuncio descrive sei modelli: LFM3-1.7B per il testo; LFM3-VL-2B per testo, immagini e video; LFM3-Audio-2B per testo e audio; LFM3-Omni-2B per input di testo, immagini, video e audio; e due modelli decisionali, d1-2B e d1-omni-2B. I modelli d1 producono risposte strutturate o punteggi per domande definite, invece di concentrarsi sulla generazione di testo libero.

La distinzione è importante nell’uso pratico: «multimodale» non significa che ogni variante accetti tutte le modalità. Per esempio, il modello di visione elabora video, mentre l’input audio è previsto per le varianti Audio e Omni. I modelli condividono una base architetturale, ma le capacità specifiche dipendono dagli encoder, dai decoder e dai compiti inclusi in ciascuna variante.

Una base architetturale comune e le novità del modello testuale

La base LFM3-1.7B-Base combina tre tipi di layer: convoluzioni brevi con gate, attenzione a finestra scorrevole e attenzione globale. Liquid AI dichiara che l’architettura ha 24 layer: 13 convoluzionali, cinque di attenzione a finestra scorrevole con una finestra di 256 token e sei di attenzione globale. L’azienda presenta questa combinazione come un modo per bilanciare il costo di inferenza e la capacità di gestire contesti lunghi.

L’annuncio descrive anche un’attenzione con gate per testa, un’applicazione parziale di RoPE nei layer di attenzione globale e una normalizzazione all’ingresso e all’uscita di ogni blocco. Sono scelte architetturali che, da sole, non dimostrano una maggiore precisione, affidabilità o sicurezza. La motivazione dichiarata è migliorare l’efficienza e il comportamento del modello, compresi gli aspetti che possono incidere sulla quantizzazione.

Secondo Liquid AI, il modello base è stato pre-addestrato su 22.000 miliardi di token e ha ricevuto una fase aggiuntiva di 3.500 miliardi di token con dati selezionati, una quota maggiore di esempi di uso di strumenti e tracce di agenti. L’annuncio indica una finestra di contesto di 256.000 token per il modello testuale. Questo valore descrive il limite dichiarato: non garantisce che ogni attività mantenga la stessa qualità a tale lunghezza, né che l’hardware possa elaborare quel contesto a un costo pratico.

Che cosa significa «specializzare» e che cosa si può adattare

In questo annuncio, specializzare significa adattare un modello ai dati, al vocabolario, ai compiti o agli strumenti di un’applicazione tramite fine-tuning. Liquid AI propone esempi con metodi diversi: SFT per estrarre dati strutturati da documenti, DPO per rispondere sulla base di documenti recuperati o astenersi, GRPO per selezionare gli strumenti e CPT per apprendere il testo di una lingua. Sono inclusi anche esercizi per i modelli di visione, audio e Omni.

L’azienda afferma che ciascun modello può essere sottoposto a fine-tuning con una sola GPU e presenta notebook con flussi di lavoro per preparazione dei dati e valutazione. Si tratta di un’affermazione di Liquid AI sulla propria proposta di addestramento, non di una specifica sufficiente per stimare il costo di un progetto concreto. Memoria necessaria, durata del fine-tuning e prestazioni dipendono dal metodo, dalla precisione numerica, dalle dimensioni e dal formato dei dati, dalla lunghezza del contesto e dalla configurazione hardware.

Un esempio descritto adatta LFM3-VL-2B alla robotica, con modelli per orchestrazione, navigazione e manipolazione. Liquid AI comunica tassi di successo su benchmark e tempi di generazione misurati su hardware specifico. Questi risultati riguardano le configurazioni e i test presentati dall’azienda: non permettono di concludere che un fine-tuning personalizzato otterrà risultati simili o che il comportamento si trasferirà senza modifiche a un altro robot o ambiente.

Disponibilità, inferenza e requisiti pratici

Liquid AI afferma che i modelli LFM3 hanno pesi aperti e sono disponibili nel catalogo di modelli di Hugging Face. L’annuncio include esempi d’uso con Transformers e comandi di installazione per dipendenze di testo, visione e audio. Per eseguire ciascuna variante servono librerie e componenti adatti alla modalità: l’esempio di LFM3-VL, per esempio, installa PyTorch, torchvision e Pillow, mentre quelli audio aggiungono strumenti per elaborare il suono.

La dicitura «pesi aperti» non chiarisce da sola tutte le condizioni giuridiche e operative d’uso. Le informazioni dell’annuncio non bastano per riassumere qui un’unica licenza applicabile a tutti gli artefatti, né per confermare che le condizioni siano identiche per ogni modello. Prima di integrare una variante in un prodotto o ridistribuirla, è opportuno consultare la relativa scheda e i termini associati.

L’azienda indica che LFM3-1.7B può occupare circa 1 GB con precisione a quattro bit e che il modello testuale supporta un contesto fino a 256.000 token. Sono dati comunicati da Liquid AI per una configurazione specifica: dimensione del download, memoria durante l’inferenza e velocità dipendono anche dal formato dei pesi, dal motore, dall’hardware e dalla lunghezza dell’input. Non sono garanzie di esecuzione su qualsiasi dispositivo.

Come interpretare i dati sulle prestazioni

L’annuncio confronta LFM3 con modelli precedenti e con alcuni sistemi di terze parti in test per agenti, visione, audio e decisioni. Tra gli altri dati, Liquid AI afferma che LFM3-1.7B supera LFM2.5-2.6B in determinati compiti e che LFM3-VL-2B migliora la media su 62 benchmark di visione rispetto al predecessore. L’azienda comunica anche risultati di velocità e qualità vocale per componenti specifici.

Queste metriche sono risultati attribuiti dall’azienda alle proprie valutazioni. La documentazione disponibile non attesta una replica indipendente e non basta a stabilire come si comporterà ogni modello con dati, lingue, hardware o flussi di lavoro differenti. I confronti sono interpretabili solo insieme alla definizione del test, al dataset, alla configurazione e al criterio di punteggio; un risultato numerico non equivale a una garanzia di prestazioni generali.

La fonte primaria è un annuncio di Liquid AI, che documenta le dichiarazioni dell’azienda, l’architettura descritta e gli esempi d’uso. L’indice degli articoli di Hugging Face conferma che l’annuncio è stato pubblicato il 27 ottobre 2026, ma non aggiunge una convalida tecnica indipendente. La conclusione più solida è quindi che LFM3 offre una famiglia di modelli e un percorso di adattamento annunciati dal suo sviluppatore; il valore per una specifica applicazione va stabilito con test propri e condizioni comparabili.

Continua a esplorare

Correzioni e trasparenza

Se trovi un dato errato o non aggiornato, inviaci la pagina e la fonte da verificare.