Liquid AI ha introducido LFM3, una nueva serie de modelos diseñados para proporcionar inteligencia especializada en múltiples modalidades. El lanzamiento se centra en equilibrar las capacidades de alto rendimiento con la eficiencia, con el objetivo de admitir una variedad de casos de uso, desde tareas de conocimiento general hasta codificación compleja mediante agentes. Los modelos se posicionan como un paso adelante respecto a la generación anterior LFM 2.6, con un enfoque en mantener la velocidad mientras se mejoran la precisión y las capacidades de razonamiento.
La línea LFM3 incluye varias variantes, como el modelo de 1.7B de parámetros y una versión de Visión-Lenguaje (VL). Los primeros comentarios de los usuarios destacan un rendimiento variable entre estos modelos; por ejemplo, algunos usuarios observaron que el modelo LFM3-VL-2B superó ocasionalmente al modelo LFM3-1.7B en prompts de solo texto en entornos de prueba específicos. Además, el modelo de 1.7B ha sido destacado por su rendimiento en tareas de codificación con agentes, con algunas comparaciones que sugieren que sus capacidades están a la par con modelos significativamente más grandes, como los modelos Qwen3.5-4B y Qwen3.5-9B.
Las aplicaciones prácticas para LFM3 incluyen el despliegue de IA local, donde los usuarios están explorando su integración en asistentes domésticos y dispositivos móviles. Algunos usuarios han informado que utilizan los modelos para el enriquecimiento de metadatos y la clasificación de flujos de datos personales, como correos electrónicos y mensajes de texto. Sin embargo, la adopción temprana ha enfrentado algunos obstáculos técnicos, con algunos usuarios informando problemas al cargar los modelos en entornos locales específicos. Los modelos están destinados a facilitar capacidades de 'mini-agente' en hardware con recursos limitados, como NPUs móviles y GPUs de consumo, proporcionando un equilibrio entre el tamaño del modelo y la inteligencia.