Modelle

LFM3: Liquid AIs 2B-Familie für jede Modalität im Check

Sechs Modelle, ein Backbone: Liquid AIs LFM3 bringt Text, Bild, Audio und Entscheidungen aufs Gerät - mit 22 Billionen Trainings-Tokens und 256K Kontext.

, Redaktion KI Fachblatt · mit KI-Unterstützung erstellt, redaktionell verantwortet (so arbeiten wir) · · 4 Min. Lesezeit

Schematische Darstellung der LFM3-Familie: Ein zentraler Backbone-Block, von dem sechs Kacheln für Text, Vision, Audio, Omni und zwei Entscheidungsmodelle abzweigen
Ein Backbone, sechs Modelle: Die gesamte LFM3-Familie zweigt von LFM3-1.7B-Base ab - laut Liquid AI feintunbar auf einer einzelnen GPU. · Eigene Grafik (Redaktion)
Kurz gesagt
  • Liquid AI hat LFM3 veröffentlicht: sechs Modelle der 2B-Klasse - Text, Vision, Audio, Omni und zwei Entscheidungsmodelle -, alle abgeleitet vom gemeinsamen Backbone LFM3-1.7B-Base, offene Gewichte unter der LFM Open License v1.0 [1][3].
  • Die neue Tri-Hybrid-Architektur (13 Faltungen, 5 Sliding-Window-Attention-, 6 Global-Attention-Schichten) soll LFM2.5-2.6B mit 35 Prozent weniger Parametern schlagen; die 4-Bit-Gewichte des Textmodells sind nach Herstellerangabe etwa 1 GB groß, dazu 256K Kontext [1][2].
  • In Liquids eigenen Agenten-Benchmarks liegt LFM3-1.7B klar vor dem Vorgänger und teils vor größeren Modellen - etwa WebArena-Verified 38,4 gegenüber 3,0 (LFM2.5-2.6B) und 28,9 (Qwen3.5-9B); unabhängig verifiziert ist das nicht [1].

Liquid AI hat am 27. Oktober 2026 LFM3 vorgestellt, die neue Generation seiner Liquid Foundation Models. Der Ansatz bleibt der gleiche wie beim Vorgänger LFM2 - kleine, effiziente Modelle für Geräte statt Cloud -, aber die Familie ist jetzt explizit multimodal: Sechs Modelle rund um 2 Milliarden Parameter decken Text, Bild, Audio, eine Omni-Variante und zwei Entscheidungsmodelle ab, alle vom selben Backbone abgezweigt [1][2].

Die LFM3-Familie im Überblick (Herstellerangaben) [1][2]
Modell und ZweckEingabeAusgabeBasis
LFM3-1.7B - Textmodell für lokale Agenten, Werkzeugaufrufe und Fine-TuningTextTextLFM3-1.7B-Base
LFM3-VL-2B - visuelles Verstehen, erstmals auch mit Video-EingabeText, Bild, VideoTextBackbone + Vision-Enc.
LFM3-Audio-2B - Sprachchat, Transkription und Audio-Verstehen in 18 SprachenText, AudioText, SpracheBackbone + LiquidCodec
LFM3-Omni-2B - sieht, hört und antwortet in einem ModellText, Bild, Video, AudioText, SpracheBackbone + Enc./Dec.
d1-2B - Entscheidungsmodell: beantwortet Fragenlisten in einem einzigen Forward-PassText, Bild, VideoKalibrierte AntwortenLFM3-VL-2B
d1-Omni-2B - dasselbe, zusätzlich mit Audio-EingabeText, Bild, Video, AudioKalibrierte AntwortenLFM3-Omni-2B

Alle Gewichte stehen ab sofort auf Hugging Face, im Playground und über die Liquid AI API bereit - unter der LFM Open License v1.0 [1][3]. Kommerzielle Nutzung deckt die Lizenz nur bis zu einem Jahresumsatz von 10 Millionen US-Dollar ab [3]. Native Unterstützung gibt es für llama.cpp, MLX, vLLM, SGLang, ONNX und GGUF; Launch-Partner sind unter anderem AMD, Intel (OpenVINO), NVIDIA, Qualcomm und OpenRouter [1].

Architektur: Tri-Hybrid mit 24 Schichten

Das Rückgrat ist LFM3-1.7B-Base mit 1,73 Milliarden Parametern und 24 Schichten: 13 gated Short Convolutions (Kernelgröße 7 statt 3 wie bei LFM2), 5 Sliding-Window-Attention-Schichten mit 256-Token-Fenster und 6 Global-Attention-Schichten [1][3]. Dazu kommen Head-wise Gating (eine Sigmoid-Gate kann einzelne Köpfe abschalten, was laut Liquid die Quantisierung entlastet), Partial RoPE auf den Global-Attention-Schichten und eine Sandwich-Norm vor und nach jedem Block [1][2].

Die Architektur stammt aus Liquids Hardware-in-the-Loop-Suche, die jetzt 14 Geräte- und Backend-Kombinationen umfasst - vom Samsung Galaxy S26 Ultra über einen Raspberry Pi 5 bis zu Apple M4 Max, AMD Ryzen AI, Cloud-CPUs, GPUs und Qualcomms Hexagon-NPU [1][2]. Das Ergebnis: Pro Parameter erreicht LFM3-1.7B auf kurzen Prompts LFM2-1.2B-Niveau, bei 8K Tokens Kontext ist es rund 25 Prozent schneller [1]. Ein voller 128K-Kontext belegt nach Herstellerangabe 1,6 GB KV-Cache - zum Vergleich: 4,3 GB bei Qwen3.5-4B und 5,6 GB bei MiniCPM5-2B [1].

Trainiert wurde das Basismodell auf 22 Billionen Tokens; die letzten 3,5 Billionen bilden eine Mid-Training-Phase mit kuratierten Daten, mehr Agenten-Spuren und Werkzeugaufrufen, die auch das Kontextfenster auf 256K Tokens erweitert [1][2]. Das Vokabular von 128.000 Tokens teilt sich das Modell mit LFM2.5-8B-A1B [1][3].

Benchmarks: deutliche Sprünge, Herstellerangaben

Liquids eigene Messungen zeigen vor allem bei Agenten-Aufgaben große Sprünge gegenüber dem Vorgänger: Auf WebArena-Verified erreicht LFM3-1.7B 38,42 Punkte gegenüber 3,02 (LFM2.5-2.6B) und liegt damit auch vor Qwen3.5-9B (28,94); bei BFCL V4 (Werkzeugaufrufen) stehen 71,39 Punkte, auf ToolSandbox 80,36 [1]. Im Schnitt über Liquids Benchmark-Tabelle erreicht das 1,7B-Modell 49,37 Punkte, Qwen3.5-9B 47,24 [1].

Agenten-Benchmarks: LFM3-1.7B im Vergleich
  • LFM3-1.7B
  • LFM2.5-2.6B
  • Qwen3.5-9B
  • Gemma 4 E4B
Daten als Tabelle
LFM3-1.7BLFM2.5-2.6BQwen3.5-9BGemma 4 E4B
WA-Verified38,423,0228,9417,06
AutomationB.41,290,9415,11,92

Zwei Agenten-Benchmarks aus Liquids Tabelle - Herstellerangaben, eigene Harness-Konfigurationen, nicht unabhängig verifiziert [1].

Wichtig ist die Einordnung: Alle Werte stammen aus Liquids eigener Tabelle mit herstellereigenen Harness-Konfigurationen (OpenClaw, OpenCode). Größere Modelle gewinnen laut Liquid weiterhin bei agentischem Coding und Wissensfragen; die eigene Modellkarte räumt ein, dass LFM3-1.7B für agentisches Coding und komplexes mehrstufiges Reasoning aufgrund der Größe 'nicht empfohlen' wird [1][3]. Der Praxisbericht eines externen Testers fällt positiv aus: MacPaw maß auf 65 Alltags-Agentenaufgaben unter macOS 64 Prozent Erfolg für LFM3-1.7B gegenüber 48 Prozent für Qwen3.5-2B, bei 58 Prozent weniger Tokens pro Aufgabe [1].

Das Post-Training lief in vier Stufen: 1,75 Billionen Tokens überwachtes Fine-Tuning, gemischtes Reinforcement Learning mit Längenstrafe, Multi-Domain On-Policy Distillation von sechs RL-Speziallehrern und zuletzt agentisches RL in echten Harness-Umgebungen [1].

Vision, Audio, Omni - und die Entscheidungsmodelle

LFM3-VL-2B ist das erste Vision-Modell der Reihe mit Video-Eingabe und liefert laut Liquid im Schnitt über 62 Vision-Benchmarks 71,4 Punkte (Vorgänger: 57,6) - auf Höhe von Gemma 4 12B (71,7) und zwei Punkte hinter GPT-5.6 Luna (73,4) [1][2]. Der neue hauseigene Vision-Encoder (164M Parameter) soll bei gleicher Genauigkeit 2,2-mal weniger Rechenleistung brauchen als Qwen3.5-2Bs Encoder [1].

LFM3-Audio-2B verarbeitet live Mikrofon-Eingang mit einer Time-to-First-Token von bis zu 50 Millisekunden; der neue Audio-Tokenizer LiquidCodec wandelt Tokens mit etwa 87-facher Echtzeitgeschwindigkeit auf einem einzelnen CPU-Thread in Sprache um [1]. LFM3-Omni-2B kombiniert beides zu einem Modell, das Bilder sieht, Sprache hört und gesprochen antwortet - in Liquids Omni-Tabelle führt es die 2B-Klasse etwa bei Video-plus-Audio-Verstehen (Daily-Omni 70,1) an [1].

Neu sind die Entscheidungsmodelle d1-2B und d1-Omni-2B: Sie beantworten eine Liste von Fragen zu einem Input in einem einzigen Forward-Pass, jeweils mit kalibrierter Wahrscheinlichkeit - neu mit typisierten Antworten wie Markieren im Bild, Extrahieren von Textstellen oder Schätzen mit Wertebereich. d1-2B ersetzt d1-3B bei einem Drittel weniger Parametern und besseren Werten [1].

Spezialisierung als Kernidee

Liquid positioniert LFM3 als Ausgangspunkt für 'spezialisierte Intelligenz': Jedes Modell lässt sich auf einer einzelnen GPU feintunen. Zwei Beispiele aus dem Blog: Ein paar Stunden Fine-Tuning auf rund 3.000 Drohnenfotos machten aus LFM3-VL-2B ein Inspektionsmodell für Windkraft-Schäden (Klassifikationsgenauigkeit von unter 10 auf 67 Prozent, Herstellerdemo); und ein 170-GPU-Stunden-Training verwandelte es in ein Vision-Language-Action-Modell mit 96,2 Prozent Erfolg auf den vier LIBERO-Suiten [1]. Ob sich das in fremden Händen reproduzieren lässt, wird die Praxis zeigen müssen.

Methode

Analyse auf Basis des Liquid-AI-Blogposts, des Hugging-Face-Blogposts und der offiziellen LFM3-1.7B-Modellkarte; alle drei Quellen wurden vollständig gelesen. Sämtliche Benchmark- und Latenzangaben sind Herstellerangaben in herstellereigenen Harness-Konfigurationen; die Modelle wurden von der Redaktion nicht selbst ausgeführt.

Grenzen

Keine unabhängige Verifikation der Benchmarks; Vergleichswerte zu Qwen, Gemma, MiniCPM und GPT-5.6 Luna stammen aus Liquids eigener Tabelle. Die Modellkarte räumt selbst ein, dass LFM3-1.7B für agentisches Coding und komplexes mehrstufiges Reasoning nicht empfohlen wird [3].

Quellen

  1. Introducing LFM3: Every Modality for Specialized Intelligence, Liquid AI (abgerufen 2026-10-28) ↩1 ↩2 ↩3 ↩4 ↩5 ↩6
  2. Build specialized multimodal models with LFM3, Hugging Face Blog / Liquid AI (abgerufen 2026-10-28) ↩1 ↩2 ↩3 ↩4 ↩5 ↩6
  3. LiquidAI/LFM3-1.7B - Modellkarte, Hugging Face / Liquid AI (abgerufen 2026-10-28) ↩1 ↩2 ↩3 ↩4 ↩5 ↩6

Häufige Fragen

Was ist LFM3?

Die neue Modellfamilie von Liquid AI: sechs Modelle der 2B-Klasse für Text, Vision, Audio, Omni und Entscheidungen, alle abgeleitet vom gemeinsamen Backbone LFM3-1.7B-Base, mit offenen Gewichten unter der LFM Open License v1.0 [1][3].

Unter welcher Lizenz steht LFM3?

Laut Modellkarte unter der LFM Open License v1.0. Die Gewichte stehen auf Hugging Face zum Download, auch das Basismodell [1][3]. Kommerzielle Nutzung ist nur für Unternehmen unter 10 Millionen US-Dollar Jahresumsatz lizenziert; darüber ist sie nicht von der Lizenz gedeckt [3].

Wie groß ist das Kontextfenster?

Das Textmodell LFM3-1.7B bietet 256K Tokens (Input plus Output). Laut Hersteller belegt ein voller 128K-Kontext nur 1,6 GB KV-Cache [1][3].

Läuft LFM3 wirklich auf einem Handy?

Laut Liquid sind die 4-Bit-quantisierten Gewichte des Textmodells etwa 1 GB groß (die Gewichte, nicht der gesamte Laufzeitspeicher); die Architektur wurde per Hardware-in-the-Loop-Suche auf 14 Geräteklassen optimiert, darunter aktuelle Samsung- und OnePlus-Phones, Raspberry Pi 5 und Laptops [1].

Sind die Benchmarks vertrauenswürdig?

Sie stammen vollständig vom Hersteller, inklusive eigener Harness-Konfigurationen, und wurden nicht unabhängig reproduziert. Ein externer Praxistest von MacPaw bestätigt die Richtung für einfache Agentenaufgaben, ist aber ebenfalls keine unabhängige Messung [1].

Weiterlesen