Liquid AI 推出了 LFM3，这是一系列旨在提供跨多种模态专业智能的新模型。此次发布重点在于平衡高性能能力与效率，旨在支持从通用知识任务到复杂的智能体编码等一系列使用场景。这些模型被定位为比之前的 LFM 2.6 代更进一步的进步，重点是在提高准确性和推理能力的同时保持速度。

LFM3 系列包括多种变体，例如 1.7B 参数模型和视觉语言（VL）版本。早期用户反馈强调了这些模型在不同方面的性能差异；例如，一些用户观察到在特定的测试环境中，LFM3-VL-2B 模型在仅文本的提示词上偶尔优于 LFM3-1.7B 模型。此外，1.7B 模型因其在智能体编码任务中的表现而受到关注，一些对比表明其能力与显著更大的模型相当，例如 Qwen3.5-4B 和 Qwen3.5-9B 模型。

LFM3 的实际应用包括本地 AI 部署，用户正在探索将其集成到家庭助手和移动设备中。一些用户报告称使用这些模型进行元数据丰富和个人数据流（如电子邮件和短信）的分拣。然而，早期采用面临了一些技术障碍，一些用户报告在特定的本地环境中加载模型时出现问题。这些模型旨在通过提供模型大小与智能之间的平衡，在移动 NPU 和消费级 GPU 等资源受限的硬件上促进“微型智能体”能力。