LFM3 de Liquid AI: seis modelos de 2B —texto, visión, audio, omni y decisión— sobre un solo backbone abierto
LFM3: una familia entera sobre un backbone de 2B
El 27 de octubre de 2026 Liquid AI lanzó LFM3, su nueva generación de Liquid Foundation Models. La idea: en vez de un modelo gigante generalista, seis modelos de clase 2B —texto, visión, audio, omni y decisión— entrenados desde un mismo backbone, que eliges según tu modalidad, afinas con tus datos en una sola GPU y despliegas donde corre tu aplicación, incluidos teléfonos y Raspberry Pi.
Más capacidad por parámetro
LFM3-1.7B usa una nueva arquitectura tri-híbrida (13 convoluciones cortas gated, 5 capas de atención de ventana deslizante y 6 de atención global) diseñada con búsqueda de arquitectura hardware-in-the-loop sobre 14 combinaciones de dispositivo y backend, desde un Raspberry Pi 5 hasta la NPU Hexagon de Qualcomm. Resultado: supera a LFM2.5-2.6B con 35% menos parámetros, con contexto de 256K tokens y preentrenamiento de 22T de tokens. En tareas agénticas el salto es enorme: 38.42 en WebArena-Verified contra 3.02 de su predecesor, venciendo incluso a Qwen3.5-9B en tareas largas de navegador y apps de negocio.
Los seis modelos de LFM3
| Modelo | Input | Output |
|---|---|---|
| LFM3-1.7B | Texto | Texto |
| LFM3-VL-2B | Texto, imágenes, video | Texto |
| LFM3-Audio-2B | Texto, audio | Texto, voz |
| LFM3-Omni-2B | Texto, imágenes, video, audio | Texto, voz |
| d1-2B | Texto, imágenes, video | Decisiones calibradas |
| d1-omni-2B | Texto, imágenes, video, audio | Decisiones calibradas |
- LFM3-VL-2B es el primer LFM de visión que acepta video. Con un encoder propio de 164M de parámetros (3x menos cómputo que SigLIP2), sube el promedio en 62 benchmarks de visión de 57.6 a 71.4, al nivel de Gemma 4 12B, un modelo 6 veces mayor.
- LFM3-Audio-2B maneja voz, reconocimiento, síntesis y traducción en 18 idiomas, con tiempo al primer token de hasta 50 ms y LiquidCodec, que genera voz a 87x tiempo real en un solo hilo de CPU de un MacBook M4 Max.
- LFM3-Omni-2B es el primer modelo omni de Liquid AI: ve, escucha y habla, reemplazando un stack separado de ASR + VLM + LLM + TTS. En comprensión audiovisual de video supera modelos de hasta 10.7B, como Qwen2.5-Omni-7B.
- d1-2B y d1-omni-2B son los modelos de decisión: responden múltiples preguntas con probabilidad calibrada en un solo forward pass — sí/no, opciones, puntajes, apuntar objetos y leer valores de documentos.
Robótica: de la percepción a la acción en 50 ms
Como demostración de especialización, Liquid AI adaptó LFM3-VL-2B en tres modelos complementarios de robótica (orquestación, navegación y manipulación). El VLA resultante logra 96.2% de éxito promedio en los cuatro suites LIBERO y 45.7% en RoboCasa-GR1, generando chunks de acción en menos de 50 ms en un Jetson AGX Orin.
Pesos abiertos y afinamiento accesible
Todos los modelos están en Hugging Face con pesos abiertos, incluido LFM3-1.7B-Base para post-entrenamiento propio. Liquid AI publica notebooks de fine-tuning (SFT, DPO, GRPO y CPT) que corren en una sola GPU, con tareas de ejemplo como extraer JSON de documentos caóticos, transcribir ecuaciones a LaTeX o mapear comandos de voz del hogar a function calls. Los modelos de texto corren en transformers, agentes como OpenClaw, Hermes Agent y Pi, y el modelo cabe en ~1 GB a 4 bits.
Preguntas frecuentes
¿Qué es LFM3?
La nueva generación de modelos abiertos de Liquid AI (27 de octubre de 2026): seis modelos de clase 2B —texto, visión, audio, omni y decisión— sobre un backbone tri-híbrido compartido, pensados para el edge y el fine-tuning en una sola GPU.
¿LFM3 es open source?
Sí, todos los modelos tienen pesos abiertos en Hugging Face, incluido el modelo base para post-entrenamiento propio.
¿Qué modelo reemplaza LFM3-Omni-2B?
Reemplaza el stack completo ASR + modelo de visión-lenguaje + LLM + TTS por un solo modelo que acepta texto, imagen, video y audio, y responde con texto y voz.
¿Sirve para robótica?
Sí: la demo oficial adapta LFM3-VL-2B en modelos de orquestación, navegación y manipulación (VLA), con 96.2% de éxito en LIBERO y acciones en menos de 50 ms en un Jetson.
Fuentes: anuncio oficial de LFM3 y colección de modelos LFM3 en Hugging Face.
Fuentes verificadas
https://huggingface.co/blog/LiquidAI/lfm3
huggingface.co
https://huggingface.co/collections/LiquidAI/lfm3
huggingface.co