🎬 Assista esta matéria
A Liquid AI lançou na terça-feira (27) o LFM3, uma família de seis modelos de pesos abertos com cerca de 2 bilhões de parâmetros cada, todos derivados de um mesmo tronco. A proposta é clara: rodar e ajustar inteligência artificial no próprio aparelho, sem passar por nuvem.
Os seis modelos saem do LFM3-1.7B-Base, checkpoint pré-treinado com 22 trilhões de tokens, segundo o cartão do modelo publicado no Hugging Face. Os últimos 3,5 trilhões desse total foram dados curados de treino intermediário, com traços de agentes e chamadas de ferramenta.
O que tem na família
O modelo de texto, LFM3-1.7B, tem 1,73 bilhão de parâmetros e janela de contexto de 256 mil tokens. Em precisão de 4 bits, ocupa cerca de 1 GB — tamanho que cabe em celular. A arquitetura, que a empresa chama de tri-híbrida, mistura 24 camadas: 13 de convolução curta com portas, 5 de atenção em janela deslizante e 6 de atenção global.
O LFM3-VL-2B é o primeiro modelo de visão da casa a aceitar vídeo como entrada. O LFM3-Audio-2B trata fala na entrada e na saída em 18 idiomas. Há ainda um modelo omni, que lida com texto, imagem, vídeo e áudio, e dois modelos de decisão — d1-2B e d1-Omni-2B — que devolvem probabilidades calibradas para várias perguntas sobre a mesma entrada em uma única passagem.
Os pesos estão no Hugging Face sob a LFM Open License v1.0. A licença permite que organizações mantenham suas adaptações privadas, mas exige acordo separado para empresas com receita anual acima de US$ 10 milhões. Os checkpoints saem em GGUF, MLX, ONNX, FP8 e NVFP4. AMD, Arm, Nvidia e Qualcomm aparecem como parceiros de lançamento.
Os números são da própria empresa
A Liquid afirma que o LFM3-1.7B decodifica de 1,8 a 2,8 vezes mais rápido que modelos concorrentes nas configurações de aparelho que testou, e que o LFM3-VL-2B empata com modelos mais de seis vezes maiores em tarefas de visão. São resultados autodeclarados: até agora nenhum desenvolvedor independente publicou verificação dos benchmarks.
O próprio cartão do modelo estabelece limites. A empresa recomenda o LFM3-1.7B-Base apenas para ajuste fino pesado e indica o LFM3-1.7B para conversa, chamada de ferramenta e agentes. E avisa que os modelos não são recomendados para programação com agentes nem para raciocínio de várias etapas, por causa do tamanho reduzido. O ajuste fino, segundo a companhia, pode ser feito em uma única GPU.
O movimento reforça uma aposta que ganhou corpo em 2026: em vez de um modelo gigante que faz tudo, modelos pequenos e especializados que rodam onde o dado já está — celular, robô, equipamento industrial — e que a empresa pode treinar com dados próprios sem enviá-los a terceiros.
Fontes: MarkTechPost · Hugging Face · VentureBeat
🎙️ Gostou? Receba só o que te interessa, todo dia
Escolha seus temas e receba um briefing diário em áudio e texto, de graça, no WhatsApp ou e-mail.
Montar meu briefing grátis