Liquid AI가 텍스트·이미지·오디오를 다루는 오픈 웨이트 모델군 LFM3를 공개했다. 첫 출시 모델은 모두 약 20억 개 매개변수 규모이며, 로컬 미세 조정과 기기 내 실행을 겨냥한다. 기본 모델과 후처리 모델은 Hugging Face, Liquid AI API, Playground에서 이용할 수 있다. 로컬 실행과 미세 조정 방법은 문서에 안내돼 있다.

LFM3는 텍스트, 비전, 오디오, 옴니, 의사결정 모델을 하나의 공통 기반 모델에서 파생한 제품군이다. 1.7B 기본 모델은 22조 토큰으로 사전 학습했으며, 학습 마지막 3.5조 토큰은 에이전트 사용 기록과 도구 호출 비중을 늘린 고품질 데이터로 추가 학습했다. 이 단계에서 문맥 길이는 256K 토큰으로 확장됐다.

Liquid AI는 LFM3가 새 하이브리드 구조를 적용해 LFM2보다 표현력이 높으면서 효율을 유지한다고 설명한다. LFM3-1.7B의 24개 층 가운데 13개는 게이트형 단기 합성곱, 5개는 256토큰 창을 쓰는 슬라이딩 윈도 어텐션, 6개는 전역 어텐션으로 구성된다. 회사 측 측정에서 LFM3-1.7B는 짧은 프롬프트에서 LFM2-1.2B와 비슷한 성능을 보였고, 문맥이 8K 토큰일 때는 약 25% 빨랐다.

LFM3 제품군의 여섯 모델은 텍스트용 LFM3-1.7B, 비전용 LFM3-VL-2B, 오디오용 LFM3-Audio-2B, 옴니용 LFM3-Omni-2B, 그리고 비전·옴니 모델을 바탕으로 만든 의사결정 모델 d1-2B와 d1-Omni-2B다.

텍스트 모델은 256K 토큰 문맥을 지원하며 Hermes Agent, Pi, OpenClaw 같은 에이전트 환경에서 도구를 사용하는 작업에 맞춰 후처리됐다. Liquid AI는 에이전트 작업 평가에서 LFM3-1.7B가 훨씬 큰 모델들과 경쟁하며, 명령 수행과 일부 도구 사용·브라우저·업무 앱 작업에서 성과를 냈다고 밝혔다. 반면 에이전트 코딩과 지식 평가에서는 더 큰 모델이 앞선다고 설명했다. 회사 측 측정에서 llama.cpp, Q4_0, 32K 문맥 조건으로 LFM3-1.7B는 비교한 세 기기 모두에서 가장 빨랐으며 메모리 사용량도 가장 적었다. 128K 문맥의 KV 캐시는 1.6GB라고 Liquid AI는 밝혔다.

비전 모델은 영상 입력과 시각적 추론을 지원한다. Liquid AI는 62개 비전 벤치마크의 평균 점수에서 LFM3-VL-2B가 비슷한 크기의 비교 모델보다 최소 7.4점 높았다고 발표했다. 이 수치는 회사가 공개한 평가 결과다. 새 비전 인코더는 이전 LFM 비전 모델의 SigLIP2 인코더보다 연산량을 3분의 1로 줄였다고 회사는 설명한다.

오디오 모델은 텍스트나 오디오를 입력받아 텍스트·음성 또는 둘 다로 답하며, 18개 언어를 지원한다. 음성 인식과 합성, 번역, 오디오 이해, 도구 호출 기능을 갖췄다. Liquid AI는 라이브 마이크 입력을 처리하는 오디오 인코더를 적용해 첫 토큰까지 걸리는 시간이 최저 50밀리초라고 밝혔다. 옴니 모델은 시각·청각·언어 정보를 함께 처리하고, 음성 요청과 영상·오디오 입력을 바탕으로 도구를 호출할 수 있다.

의사결정 모델은 답변을 문장으로 생성하기보다 입력에 대한 여러 질문에 한 번의 순전파로 답하고 각 결과에 확률을 붙인다. d1-2B는 텍스트와 이미지를, d1-Omni-2B는 오디오도 처리한다. 상자 표시, 문서에서 값과 위치 추출, 수치와 범위 추정, 해당하는 선택지 고르기 등을 지원한다. Liquid AI는 두 모델 모두 기기에서 실행할 수 있다고 밝혔다.

회사는 특정 분야에 맞춰 모델을 미세 조정한 사례도 소개했다. 풍력 터빈 날개 결함 분류 실험에서는 공개 사진 약 3,000장으로 LFM3-VL-2B를 몇 시간 동안 학습하고, 약 1,400장의 별도 사진으로 평가했다. 회사 발표에 따르면 결함 분류 정확도는 67%였고 탐지 F1은 0.003에서 0.11로 높아졌다. 이 결과는 해당 데이터와 실험 조건에 따른 것이다. 풍력 터빈 미세 조정 예제와 미세 조정 노트북을 공개했다.

로봇 활용은 시뮬레이션과 연구 확장 사례로 제시했다. 로봇 팔 도구 제어, 시각·언어 기반 길찾기, 연속 동작을 출력하는 모델을 다뤘으며, 길찾기와 조작 결과에는 각각 R2R·RxR 평가 및 LIBERO·RoboCasa-GR1 평가 수치가 포함돼 있다. 이 결과는 공개 자료에 적힌 특정 학습 데이터와 평가 조건에 해당하며, 일반적인 로봇 성능을 뜻하지는 않는다.

LFM3 모델은 오픈 웨이트로 제공되며 llama.cpp, MLX, vLLM을 지원한다고 Liquid AI는 밝혔다. 지원 플랫폼에는 애플·AMD·엔비디아·퀄컴 하드웨어가 포함된다. 모델별 성능과 추론 결과는 각 모델 카드에서 확인할 수 있다. 기존 LFM2 소개, LFM2.5-8B-A1B 소개, 저지연 추론 안내도 함께 공개했다.