LFM3で特化型マルチモーダルモデルを開発

Liquid AIは2026年、テキスト・画像・音声・動画・構造化判断を同一基盤で扱う次世代LFM3シリーズを公開した。中心となるLFM3-1.7B-Baseは、ハードウェア条件を反映したアーキテクチャ探索により設計し、短距離畳み込み、窓付き注意、大域注意を組み合わせる。22Tトークンの事前学習とエージェント用途を含む追加学習を経て、256Kトークンのコンテキストに対応する。4-bit量子化では約1GBに収まり、単一GPUでのファインチューニングとデバイス内展開を想定する。 製品群はテキスト向けLFM3-1.7B、画像と動画を入力するLFM3-VL-2B、音声認識・合成・ツール呼び出しを備えるLFM3-Audio-2B、マルチモーダル入出力を行うLFM3-Omni-2B、校正確率付きの判断を単一推論で返すd1-2Bとd1-omni-2Bで構成する。LFM3-1.7Bはエージェントタスクで前世代を大きく上回り、WebArena-Verifiedでは38.42を記録するとされる。視覚モデルはより小型ながらベンチマーク平均を改善し、オムニモデルは音声と映像の同時理解で大型競合を上回る実績を示す。ロボティクスではLFM3-VL-2Bを基盤に操作・移動・制御向け適応を試し、組み込み環境でリアルタイムの行動生成を実証した。全モデルはオープンウェイトとしてHugging Faceで入手できる。