Liquid AI apresenta LFM3, uma família de modelos multimodais para especialização

Uma família de modelos, não uma solução única para qualquer modalidade

A Liquid AI apresentou a LFM3 como uma nova geração de sua família Liquid Foundation Models. A proposta combina uma base comum de aproximadamente 1,7 bilhão de parâmetros com modelos derivados que abrangem texto, imagens, vídeo, áudio e tarefas de decisão. Não se trata de um único modelo que execute todas essas funções da mesma maneira: as modalidades disponíveis dependem da variante escolhida.

A publicação descreve seis modelos: LFM3-1.7B para texto; LFM3-VL-2B para texto, imagens e vídeo; LFM3-Audio-2B para texto e áudio; LFM3-Omni-2B para entradas de texto, imagem, vídeo e áudio; além de dois modelos de decisão, d1-2B e d1-omni-2B. Os modelos d1 produzem respostas estruturadas ou pontuações para perguntas definidas, em vez de se concentrarem na redação de texto livre.

A distinção prática é importante: “multimodal” não significa que cada variante aceite todas as modalidades. Por exemplo, o modelo de visão processa vídeo, mas a entrada de áudio está disponível nas variantes de áudio e Omni. A família compartilha uma origem arquitetônica; as capacidades concretas de cada modelo dependem dos codificadores, decodificadores e tarefas incorporados.

Uma arquitetura comum e mudanças no modelo de texto

A base LFM3-1.7B-Base combina três tipos de camadas: convoluções curtas com gates, atenção de janela deslizante e atenção global. A Liquid AI informa que o projeto tem 24 camadas: 13 convolucionais, cinco de atenção de janela deslizante com uma janela de 256 tokens e seis de atenção global. A empresa apresenta essa combinação como uma forma de equilibrar o custo de inferência e a capacidade em contextos longos.

A publicação também descreve atenção com gates por cabeça, aplicação parcial de RoPE nas camadas de atenção global e normalização na entrada e na saída de cada bloco. Essas são escolhas de arquitetura; por si só, não comprovam que um modelo seja mais preciso, confiável ou seguro. A motivação declarada é melhorar a eficiência e o comportamento do modelo, inclusive efeitos que podem influenciar a quantização.

Segundo a Liquid AI, a base foi pré-treinada com 22 trilhões de tokens e recebeu uma etapa adicional de 3,5 trilhões de tokens, com dados selecionados e maior proporção de exemplos de uso de ferramentas e rastros de agentes. A publicação informa uma janela de contexto de 256 mil tokens para o modelo de texto. Esse número descreve o limite anunciado: não garante a mesma qualidade em qualquer tarefa nesse comprimento, nem que o hardware consiga processar esse contexto a um custo prático.

O que significa “especializar” e o que pode ser ajustado

Neste anúncio, especializar significa adaptar um modelo aos dados, ao vocabulário, às tarefas ou às ferramentas de uma aplicação por meio de ajuste fino. A Liquid AI apresenta exemplos de métodos diferentes: SFT para extrair dados estruturados de documentos; DPO para responder com base em documentos recuperados ou se abster; GRPO para selecionar ferramentas; e CPT para aprender a partir de textos em um idioma. Há também exercícios para modelos de visão, áudio e Omni.

A publicação afirma que cada modelo pode ser ajustado em uma única GPU e apresenta notebooks com fluxos de trabalho de preparação de dados e avaliação. Essa é uma afirmação da empresa sobre sua proposta de treinamento, não uma especificação suficiente para estimar o custo de um projeto concreto. A memória necessária, a duração do ajuste e o desempenho dependem do método, da precisão numérica, do tamanho e formato dos dados, do comprimento do contexto e da configuração do equipamento.

Um dos exemplos descritos adapta a LFM3-VL-2B à robótica, com modelos para orquestração, navegação e manipulação. A Liquid AI divulga taxas de sucesso em conjuntos de avaliação e tempos de geração em hardware específico. Esses resultados dizem respeito às configurações e aos testes apresentados pela empresa; não permitem concluir que um ajuste próprio obterá resultados semelhantes, nem que o comportamento será transferido sem mudanças para outro robô ou ambiente.

Disponibilidade, inferência e requisitos práticos

A Liquid AI afirma que os modelos LFM3 têm pesos abertos e estão disponíveis no catálogo de modelos do Hugging Face. A publicação inclui exemplos de uso com Transformers e comandos de instalação para dependências de texto, visão e áudio. Cada variante requer bibliotecas e componentes adequados à sua modalidade; por exemplo, o código da LFM3-VL instala PyTorch, torchvision e Pillow, enquanto os exemplos de áudio acrescentam ferramentas para processamento de som.

A expressão “pesos abertos”, por si só, não esclarece todas as condições jurídicas e operacionais de uso. As informações disponíveis no anúncio não permitem resumir uma licença única aplicável a todos os artefatos, nem confirmar que as condições sejam idênticas entre os modelos. Antes de incorporar uma variante a um produto ou redistribuí-la, consulte a ficha e os termos correspondentes.

A empresa informa que a LFM3-1.7B pode ocupar cerca de 1 GB com precisão de quatro bits e que o modelo de texto admite um contexto de até 256 mil tokens. São dados divulgados pela Liquid AI para uma configuração específica: o tamanho baixado, a memória durante a inferência e a velocidade também dependem do formato dos pesos, do mecanismo de execução, do hardware e do comprimento da entrada. Esses números não garantem execução em qualquer dispositivo.

Como interpretar os números de desempenho

A publicação compara a LFM3 com modelos anteriores e com alguns sistemas de terceiros em testes de agentes, visão, áudio e decisão. Entre outros números, a Liquid AI afirma que a LFM3-1.7B supera a LFM2.5-2.6B em determinadas tarefas e que a LFM3-VL-2B aumenta a média em 62 testes de visão em relação à antecessora. A empresa também divulga resultados de velocidade e qualidade de voz para componentes específicos.

Essas métricas são resultados atribuídos pela empresa às próprias avaliações. A documentação disponível não estabelece uma replicação independente e não basta para determinar como cada modelo se comportará com outros dados, idiomas, hardwares ou fluxos de trabalho. Comparações só podem ser interpretadas junto com a definição do teste, o conjunto de dados, a configuração e o critério de pontuação; uma pontuação não equivale a uma garantia de desempenho geral.

A fonte primária é uma publicação de lançamento da Liquid AI, que documenta as afirmações da empresa, a arquitetura descrita e exemplos de uso. O índice de publicações do Hugging Face confirma que o anúncio foi publicado em 27 de outubro de 2026, mas não acrescenta validação técnica independente. Portanto, a conclusão mais sólida é que a LFM3 oferece uma família de modelos e uma rota de adaptação anunciadas por sua desenvolvedora; o valor para uma aplicação específica precisa ser estabelecido com testes próprios e condições comparáveis.

Continue a explorar

Correções e transparência

Se encontrar informação incorreta ou desatualizada, envie-nos a página e a fonte que devemos rever.