LFM3: Liquid AI veröffentlicht sechs kleine offene Modelle mit 2 Milliarden Parametern, von Text bis Audio, für den Betrieb auf dem Gerät

Liquid AI, das kompakte Modelle für den Betrieb auf dem Gerät entwickelt, hat am Dienstag, den 27. Oktober, LFM3 gestartet, seine dritte Generation von Liquid Foundation Models. Die offizielle Ankündigung fiel auf X um 18:07 Uhr, Pariser Zeit, begleitet von einem ausführlichen Blogbeitrag. Die Gewichte sind ab heute auf Hugging Face herunterladbar, und die Modelle werden auch im Playground und in der API des Unternehmens angeboten.

Die Wette geht gegen den Trend zu sehr großen Modellen: LFM3 vereint sechs Modelle mit etwa 2 Milliarden Parametern, jedes spezialisiert, gedacht für den direkten Betrieb auf einem Telefon, Laptop oder eingebetteten Board, ohne Umweg über die Cloud.

Eine Familie, sechs Einsatzzwecke

Alle Modelle sind vom selben Sockel abgeleitet, LFM3-1.7B-Base, ebenfalls veröffentlicht für diejenigen, die es nach ihren Vorstellungen trainieren möchten:

• LFM3-1.7B: das Textmodell, mit einem Kontextfenster von 256 000 Token, nachtrainiert für die Steuerung von Agenten (Tools, Webnavigation, Büroaufgaben);
• LFM3-VL-2B: Vision und Sprache, das bei Liquid AI erstmals Video als Eingabe akzeptiert;
• LFM3-Audio-2B: Sprachausgabe, Transkription, Synthese und Übersetzung in 18 Sprachen, mit Tool-Aufrufen;
• LFM3-Omni-2B (2,2 Milliarden Parameter): das erste „Omni“-Modell des Hauses, das Bild, Ton und Text kombiniert;
• d1-2B und d1-Omni-2B: sogenannte Entscheidungs-Modelle, die statt einer Antwort in einem einzigen Durchgang eine Liste von Fragen beantworten (Ja/Nein, Auswahl, Feldauszug, Objektlokalisierung), jeweils mit einer Wahrscheinlichkeit.

Was sich unter der Haube ändert

Liquid AI behält sein hybrides Rezept bei, bereichert es aber. Von den 24 Schichten des Textmodells sind 13 kurze Faltungen, 5 nutzen ein gleitendes Aufmerksamkeitsfenster von 256 Token und 6 eine globale Aufmerksamkeit. Das angekündigte Ziel ist, bei langen Kontexten schnell zu bleiben: Laut Anbieter belegt ein voller Kontext von 128 000 Token nur 1,6 GB Cachespeicher, gegenüber 4,3 GB für Qwen3.5-4B. Das Vortraining umfasst 22 000 Milliarden Token, mit mehr Code, Mathematik und Agenten-Spuren als die vorherige Generation.

Die Architektur wurde auf 14 Hardware-Kombinationen optimiert, von Samsung- und OnePlus-Smartphones über den Raspberry Pi 5 bis hin zu Apple-, AMD-, Qualcomm-Chips und GPUs. Das Textmodell passt in etwa 1 GB bei 4 Bit, und jedes Modell kann laut Anbieter auf einer einzigen GPU feinabgestimmt werden. Auf der Werkzeugseite werden llama.cpp, MLX und vLLM ab Start unterstützt, mit Partnern wie AMD, Qualcomm, NVIDIA, Arm, OpenRouter und Vercel.

Schmeichelhafte Werte, zu prüfen

Die veröffentlichten Zahlen stammen von Liquid AI, ohne unabhängige Messung bisher. In seiner eigenen Tabelle erreicht LFM3-1.7B einen Durchschnitt von 49,37, vor Qwen3.5-9B (47,24), einem mehr als fünfmal größeren Modell. Der Abstand ist bei Browser-Agenten-Aufgaben deutlich (38,42 gegenüber 28,94 auf WebArena-Verified).

Die Tabelle zeigt auch ihre Grenzen, und der Anbieter räumt das ein: beim agentenhaften Codieren (43,40 gegenüber 51,20 auf SWE-bench Verified) und beim Wissen (63,37 gegenüber 80,40 auf GPQA Diamond) behalten die größeren Modelle den Vorteil. Für Vision soll LFM3-VL-2B einen Durchschnitt von 71,4 bei 62 Tests erreichen, auf dem Niveau von Gemma 4 12B (71,7), einem sechsmal größeren Modell.

Der Punkt, den man nicht verpassen darf: die Lizenz

Liquid AI spricht von „offenen“ Modellen, aber es handelt sich um herunterladbare Gewichte unter der LFM Open License v1.0, nicht um eine freie Lizenz wie Apache 2.0 oder MIT. Der Text, einsehbar auf Hugging Face, behält die kommerzielle Nutzung Unternehmen mit einem Jahresumsatz unter 10 Millionen Dollar vor. Darüber hinaus ist eine Vereinbarung mit Liquid AI erforderlich. Für einen unabhängigen Entwickler oder ein Start-up ist das ohne unmittelbare Konsequenz; für ein großes Unternehmen ist es ein blockierender Punkt, der vor jeder Bereitstellung zu prüfen ist.