LO ESENCIAL EN 30 SEGUNDOS

  • Liquid AI presentó seis modelos LFM3 el 27 de octubre de 2026, todos basados en LFM3-1.7B-Base.
  • Los pesos están en Hugging Face; la ficha del modelo de texto indica la licencia LFM Open License v1.0, 256.000 tokens de contexto y 16 idiomas.
  • Los resultados de las pruebas son de la propia empresa; la ficha desaconseja el modelo de texto para programación agéntica.

Liquid AI ha publicado la tercera generación de sus Liquid Foundation Models. LFM3 llegó el 27 de octubre de 2026 como una familia de seis modelos pequeños de pesos abiertos que parten de una misma base de 1.700 millones de parámetros.

Qué se ha publicado

La gama abarca casi todas las modalidades a la vez. LFM3-1.7B es el modelo de texto, con una ventana de contexto de 256.000 tokens. LFM3-VL-2B procesa imágenes y, por primera vez en la familia, vídeo. LFM3-Audio-2B recibe y genera voz, en 18 idiomas según la compañía. LFM3-Omni-2B combina visión, audio y lenguaje. Por último, dos modelos "de decisión", d1-2B y d1-Omni-2B, son variantes de los modelos de visión y omni diseñadas para devolver respuestas calibradas en lugar de texto libre.

Los pesos base y post-entrenados están en Hugging Face, y los modelos también pueden usarse a través del Playground y la API de Liquid. La ficha del modelo de texto menciona la licencia LFM Open License v1.0 y soporte para 16 idiomas. Liquid cita a AMD, Arm, Intel, NVIDIA, Qualcomm, OpenRouter y Vercel entre sus socios de lanzamiento, y afirma que Mercedes-Benz y Shopify probaron versiones previas.

Qué afirma la empresa

El argumento principal es la eficiencia. Según Liquid, el modelo de texto necesita alrededor de 1 GB de memoria con precisión de 4 bits, y un contexto completo de 128.000 tokens requiere una caché de 1,6 GB, muy por debajo de las cifras que atribuye a modelos comparables de Qwen y MiniCPM. También sostiene que el modelo de 1.700 millones supera a su anterior modelo de 2.600 millones y logra la mejor media de su tabla comparativa, por delante del mucho mayor Qwen3.5-9B, con resultados destacados en llamadas a herramientas y agentes web. En visión, asegura que LFM3-VL-2B queda cerca de Gemma 4 12B en 62 pruebas.

Todas estas cifras proceden de Liquid AI y no han sido reproducidas de forma independiente.

Límites a tener en cuenta

El propio blog de la empresa admite que el modelo de texto queda por detrás de modelos más grandes en programación y conocimiento general, y su ficha lo desaconseja para programación agéntica o razonamiento complejo de varios pasos, y recomienda combinarlo con búsqueda de información en tareas que exigen mucho conocimiento. El lanzamiento encaja en la tendencia hacia modelos compactos que funcionan en móviles, coches y portátiles, donde la memoria y la latencia pesan más que la potencia bruta.