Liquid AI ha presentado LFM3 (Liquid Foundation Models 3), una nueva familia de modelos de inteligencia artificial compactos que busca servir como base para desarrollar sistemas especializados capaces de procesar diferentes tipos de información.
La propuesta reúne modelos de texto, visión, audio, capacidades multimodales integradas y decisión. Todos pertenecen a una familia de aproximadamente 2.000 millones de parámetros, con una arquitectura pensada para funcionar cerca de las aplicaciones y adaptarse mediante fine-tuning.
Según el anuncio oficial de Liquid AI en Hugging Face, LFM3 introduce mejoras de capacidad, eficiencia y especialización respecto a la generación LFM2.
Qué cambia con LFM3 respecto a LFM2
Liquid AI destaca cuatro cambios principales en esta generación.
-
Más capacidad con menos parámetros. La nueva arquitectura tri-híbrida combina diferentes mecanismos de procesamiento para mejorar el rendimiento. Según la compañía, LFM3-1.7B supera a LFM2.5-2.6B utilizando un 35 % menos de parámetros.
-
Diferentes modalidades sobre una misma base. La familia comprende seis modelos de la clase de 2.000 millones de parámetros, derivados de LFM3-1.7B-Base. Abarcan texto, visión, audio, procesamiento multimodal integrado y decisión. Entre las novedades aparecen el primer modelo omni de la familia y la compatibilidad con vídeo del modelo de visión.
-
Modelos preparados para ejecutarse en dispositivos. El modelo de texto ocupa alrededor de 1 GB con cuantización de 4 bits y admite una ventana de contexto de 256K tokens. La familia incorpora nuevos codificadores de visión y audio desarrollados por Liquid AI.
-
Especialización mediante fine-tuning. Cada integrante de LFM3 puede ajustarse con datos propios utilizando una sola GPU, lo que permite seleccionar una modalidad y adaptarla a una aplicación concreta.
Una arquitectura tri-híbrida con contexto de 256K tokens
El punto de partida de la familia es LFM3-1.7B-Base, un modelo preentrenado con 22 billones de tokens.
Su arquitectura está compuesta por 24 capas distribuidas de la siguiente manera:
- 13 capas de convoluciones cortas con mecanismos de puerta.
- 5 capas de atención de ventana deslizante, con una ventana de 256 tokens.
- 6 capas de atención global.
La arquitectura utiliza un kernel de tamaño 7 para las convoluciones, frente al tamaño 3 empleado en LFM2.
Los últimos 3,5 billones de tokens del preentrenamiento corresponden a una etapa intermedia que incorpora una mayor proporción de trazas de agentes y llamadas a herramientas. Durante esta etapa también se amplía la capacidad de contexto hasta 256K tokens.
Esta combinación constituye la base compartida sobre la que Liquid AI desarrolla los distintos modelos especializados.
Los seis modelos de LFM3 y sus capacidades
LFM3-1.7B: texto y agentes locales
LFM3-1.7B es el modelo de texto de la familia. Está orientado a aplicaciones de texto a texto y a tareas como agentes locales, llamadas a herramientas y generación de salidas estructuradas.
En WebArena-Verified, Liquid AI informa de una puntuación de 38,42 para LFM3-1.7B, frente a 3,02 de su predecesor.
La ventana de contexto de 256K tokens es una de sus características centrales para aplicaciones de agentes ejecutadas en el propio dispositivo.
LFM3-VL-2B: imágenes y vídeo
LFM3-VL-2B procesa texto, imágenes y vídeo para producir respuestas de texto.
Es el primer modelo de visión de la familia LFM que incorpora entrada de vídeo. Cuenta con 1.900 millones de parámetros, frente a los 3.100 millones de LFM2.5-VL-3B.
Según las evaluaciones publicadas por Liquid AI, la media del modelo en 62 benchmarks de visión pasa de 57,6 a 71,4 respecto a la generación anterior.
La empresa también sitúa su rendimiento al nivel de Gemma 4 12B en esas evaluaciones.
LFM3-Audio-2B: reconocimiento, síntesis y traducción
LFM3-Audio-2B admite texto y audio como entradas y puede generar texto y voz.
Sus capacidades incluyen reconocimiento de voz, síntesis y traducción en 18 idiomas.
En la evaluación UTMOSv2, Liquid AI comunica una puntuación de 3,83, frente a 3,22 de LFM2.5-Audio-1.5B.
LFM3-Omni-2B: texto, imagen, vídeo y audio
LFM3-Omni-2B es el primer modelo omni de Liquid AI.
Integra texto, imágenes, vídeo y audio como entradas, y puede producir tanto texto como voz. De esta forma, reúne varias modalidades dentro de un mismo modelo compacto.
Según los resultados publicados por la compañía, LFM3-Omni-2B supera a modelos de hasta 10.700 millones de parámetros, entre ellos Qwen2.5-Omni-7B, en las evaluaciones Daily-Omni, WorldSense y AV-SpeakerBench.
d1-2B y d1-omni-2B: modelos de decisión
La familia se completa con d1-2B y d1-omni-2B, dos modelos orientados a producir respuestas calibradas.
Ambos forman parte de la propuesta de Liquid AI de construir inteligencia especializada sobre la base compartida de LFM3.
Codificadores propios para mejorar la eficiencia
Además de modificar la arquitectura principal, Liquid AI ha desarrollado nuevos codificadores para las modalidades visual y de audio.
En visión, la compañía afirma que su codificador requiere tres veces menos cómputo que SigLIP2.
En audio, el sistema puede generar el primer token en tan solo 50 milisegundos, según sus mediciones.
Liquid AI también incorpora LiquidCodec, un componente que convierte tokens en voz. De acuerdo con las cifras publicadas, alcanza aproximadamente 87 veces la velocidad de tiempo real utilizando un solo hilo de CPU en un Apple M4 Max.
Estas mejoras forman parte del enfoque de LFM3 hacia modelos multimodales compactos que puedan desplegarse en el mismo entorno donde se ejecutan las aplicaciones.
Cómo utilizar LFM3 con Transformers y Ollama
Los modelos de la familia pueden ejecutarse mediante la biblioteca Transformers.
Para el modelo de texto, Liquid AI documenta la instalación o actualización de la biblioteca con el siguiente comando:
pip install -U transformers
El ejemplo utiliza un pipeline de tipo text-generation con el identificador:
LiquidAI/LFM3-1.7B
La familia también está disponible mediante Ollama. Para ejecutar el modelo de texto, el comando indicado es:
ollama run lfm3
Las variantes multimodales disponibles se identifican como:
- lfm3-vl, para visión.
- lfm3-audio, para audio.
- lfm3-omni, para procesamiento multimodal integrado.
El modelo de decisión d1, en su tamaño de 2.000 millones de parámetros, puede ejecutarse con:
ollama run d1:2b
La nota de Ollama v0.40.12, publicada el 27 de octubre de 2026, incluye LFM3. También recoge el soporte de lfm3 y d1 de 2B en la versión rc1 para hardware Apple, con compatibilidad para Linux y Windows prevista próximamente.
En contexto
Liquid AI presentó LFM3 el 27 de octubre de 2026 como la nueva generación de sus Liquid Foundation Models.
La familia parte de LFM3-1.7B-Base y reúne seis modelos especializados de aproximadamente 2.000 millones de parámetros. Su propuesta combina una arquitectura tri-híbrida, procesamiento multimodal, ejecución en dispositivos y ajuste con datos propios mediante una sola GPU.
El lanzamiento también está acompañado por su incorporación a Ollama, además de la posibilidad de utilizar los modelos mediante Transformers.
