Liquid AI lance LFM3, des modèles multimodaux spécialisés

Liquid AI a présenté LFM3, sa nouvelle génération de modèles de fondation conçus pour créer des intelligences spécialisées plus légères et plus compactes. La famille repose sur un socle commun de 1,7 milliard de paramètres, LFM3-1.7B-Base, à partir duquel sont déclinés six modèles de 2 milliards couvrant le texte, la vision, l’audio, les entrées multimodales combinées et la décision calibrée. Objectif : permettre aux développeurs de choisir un modèle adapté à leur cas d’usage, de le spécialiser sur leurs données avec une seule GPU, puis de le déployer sur téléphone, carte embarquée, PC ou infrastructure privée. Face à LFM2.5-2.6B, Liquid AI affirme que LFM3-1.7B offre de meilleures capacités avec 35 % de paramètres en moins. Le modèle textuel s’appuie sur une architecture hybride combinant convolutions courtes, attention glissante et attention globale, optimisée par recherche sur plusieurs combinaisons matérielles, dont Qualcomm Hexagon. Il tient environ 1 gigaoctet en précision 4 bits et accepte 256 000 jetons de contexte, grâce à une phase d’entraînement intermédiaire portant sur des traces d’agents et des appels d’outils. L’entreprise vise ainsi des assistants capables de raisonner, manipuler des documents et contrôler des interfaces en local plutôt que dans le cloud. La série intègre LFM3-Omni-2B, premier modèle multimodal complet de la gamme, acceptant texte, images, vidéo et audio pour répondre en texte ou en voix. Liquid AI met en avant un décodeur vocal maison permettant de générer des réponses parlées en flux. Le modèle audio améliore reconnaissance, synthèse et compréhension du son sur 18 langues. Le modèle visuel accepte désormais la vidéo, ouvrant des usages en robotique et dans les espaces physiques. Selon les tests publiés, les gains sont marqués : le modèle textuel progresse fortement sur les tâches d’agent, tandis que le modèle visuel gagne environ 14 points de moyenne sur 62 évaluations par rapport au prédécesseur, et le modèle multimodal dépasse certains systèmes beaucoup plus volumineux sur la compréhension audio-visuelle. Deux modèles d1 se distinguent par leur usage décisionnel : au lieu de produire du texte libre, ils analysent une situation, un ticket, une facture ou une image, puis répondent à plusieurs questions en une seule passe avec des probabilités calibrées. Cela peut servir à trier des demandes, scorer une urgence ou pointer des objets dans un document. Liquid AI présente LFM3 comme une plateforme ouverte, dont les poids sont disponibles sur Hugging Face. L’entreprise fournit des exemples de spécialisation pour extraire des données, transcrire, piloter des outils ou apprendre de nouveaux vocabulaires. Elle souligne aussi son intérêt pour la robotique embarquée : une adaptation de LFM3-VL-2B a permis de coordonner perception, navigation et manipulation, avec une latence d’action inférieure à 50 millisecondes sur une carte Jetson AGX Orin. En réunissant multimodalité, entraînement compact et spécialisation, LFM3 cible un marché où les entreprises veulent des IA de niche, hébergées localement, plutôt que des modèles géants généralistes.