Liquid AI LFM3. Otwarte małe modele AI do pracy lokalnej

Co obejmuje rodzina LFM3

Liquid AI, amerykański startup wywodzący się z MIT, rozwija modele o własnej architekturze, łączącej splotowe bloki bramkowane z warstwami uwagi. W LFM3 tekstowy model ma 24 warstwy, z czego 13 to bloki splotowe, a 11 to warstwy uwagi. Taki układ ma ograniczać zużycie pamięci przy długim kontekście, co jest najważniejszym ograniczeniem na urządzeniach mobilnych.

Nowością jest podejście do całej rodziny. Zamiast osobnych modeli trenowanych od zera, firma rozgałęziła wszystkie warianty z jednego modelu bazowego. Według Liquid AI ułatwia to dostrajanie, bo każdy model można douczyć na pojedynczej karcie graficznej.

• LFM3-1.7B przyjmuje i zwraca tekst. Jest przeznaczony do lokalnych agentów, wywoływania narzędzi i odpowiedzi w ustalonym formacie.
• LFM3-VL-2B rozumie obrazy i wideo. To pierwszy model wizyjny Liquid AI, który przyjmuje nagrania wideo.
• LFM3-Audio-2B rozpoznaje i generuje mowę. Tłumaczenie mowy obejmuje 18 języków.
• LFM3-Omni-2B łączy tekst, obraz, wideo i dźwięk w jednym modelu.
• d1-2B i d1-omni-2B to modele decyzyjne, które zwracają ustrukturyzowane odpowiedzi z oceną pewności w jednym przebiegu.

Wyniki deklarowane przez Liquid AI

Wszystkie liczby w tej sekcji pochodzą od producenta i nie zostały jeszcze niezależnie powtórzone. Liquid AI porównuje LFM3 głównie z własnymi starszymi modelami oraz z otwartymi modelami Qwen i MiniCPM. Największy skok dotyczy zadań agentowych, w których mały model ma samodzielnie obsługiwać przeglądarkę lub narzędzia.

Firma podaje też dane o szybkości. W testach z llama.cpp i kwantyzacją Q4_0 model tekstowy generował tekst od 1,8 do 2,8 raza szybciej niż kolejny model w zestawieniu, mierzone na trzech urządzeniach. Pamięć podręczna pełnego kontekstu 128 tys. tokenów zajmuje 1,6 GB, wobec 4,3 GB w Qwen3.5-4B.

• LFM3-1.7B: IFEval 96,66 pkt, BFCL V4 (wywoływanie funkcji) 71,39 pkt, GPQA Diamond 63,37 pkt.
• LFM3-VL-2B: średnia z 62 testów wizyjnych wzrosła z 57,6 do 71,4 pkt przy 1,9 mld parametrów zamiast 3,1 mld w LFM2.5-VL-3B.
• LFM3-Audio-2B: ocena jakości mowy UTMOSv2 3,83 wobec 3,22 u poprzednika, czas do pierwszego tokenu od 50 ms.
• d1-2B: 75,5 pkt w ImajevBench wobec 64,0 pkt starszego d1-3B.

Na jakich urządzeniach działa LFM3

Liquid AI projektowało architekturę pod 14 kombinacji sprzętu i oprogramowania, od telefonów Samsung Galaxy S26 Ultra i OnePlus 15, przez Raspberry Pi 5 i laptopy z procesorami AMD Ryzen AI, po procesory w chmurze, karty graficzne i jednostki NPU Qualcomm Hexagon. Partnerami premiery są AMD, Qualcomm i producent układów do kamer Ambarella.

Modele można pobrać z Hugging Face i uruchomić w bibliotece transformers lub, w przypadku modelu wizyjnego, w llama.cpp. Liquid AI udostępnia też wersję do testów w przeglądarce w Playground oraz płatne API, ale na stronie premiery nie podało cennika.

Licencja i próg 10 mln USD przychodu

LFM3 jest modelem otwartych wag, ale nie na licencji Apache 2.0 czy MIT. LFM Open License v1.0 pozwala na bezpłatne użycie komercyjne firmom, których roczny przychód, liczony łącznie z podmiotami powiązanymi kapitałowo, nie przekracza 10 mln USD. Po kursie NBP z 27 października 2026 roku (3,9542 zł za dolara) to około 39,5 mln zł.

Firmy powyżej tego progu muszą uzgodnić z Liquid AI osobną licencję. Wyjątek dotyczy organizacji non-profit przy zastosowaniach niekomercyjnych i badawczych. Przy dystrybucji zmodyfikowanego modelu trzeba dołączyć licencję, oznaczyć zmienione pliki i zachować informacje o autorstwie.

Ograniczenia i niewiadome

Karta modelu wprost odradza używanie LFM3-1.7B do agentowego programowania i złożonych, wieloetapowych zadań. Przy pytaniach wymagających szerokiej wiedzy producent zaleca łączenie modelu z wyszukiwarką lub własną bazą dokumentów, bo mały model zapamiętuje mniej faktów niż duże modele w chmurze.

Polski jest na liście 16 języków modelu tekstowego, ale Liquid AI nie opublikowało wyników dla polszczyzny. Przed wdrożeniem w polskiej firmie warto więc sprawdzić model na własnych dokumentach i typowych pytaniach klientów. Nie wiadomo też, ile kosztuje hostowane API i licencja dla większych firm.

Co LFM3 oznacza dla polskich firm

Małe modele uruchamiane lokalnie są ciekawe tam, gdzie dane nie powinny opuszczać urządzenia, na przykład w aplikacjach medycznych, terenowych lub przemysłowych. Przetwarzanie na telefonie czy komputerze klienta upraszcza ocenę zgodności z RODO, bo dane osobowe nie trafiają do zewnętrznego dostawcy. Nie zwalnia to jednak z obowiązków administratora danych.

W naszej ocenie LFM3 najlepiej sprawdzi się w wąskich zadaniach: klasyfikacji zgłoszeń, wyciąganiu danych z formularzy, transkrypcji i prostych asystentach w aplikacjach mobilnych. Dla startupów i małych software house'ów licencja pozostaje bezpłatna, ale średnie i duże firmy powinny przed wdrożeniem sprawdzić próg przychodu łącznie z całą grupą kapitałową.