Mit der Veröffentlichung von LFM3 schlägt Liquid AI einen pragmatischen Kurs ein: Statt immer größere Allzweckmodelle zu entwickeln, hat das Team eine Familie aus sechs spezialisierten Modellen geschaffen, die alle auf einem gemeinsamen Backbone mit 1,7 Milliarden Parametern basieren. Das Ergebnis ist eine gezielt optimierte Multimodalität – mit Modellen für Text, Bild, Audio, Omni und Entscheidungsaufgaben –, bei der Durchsatz auf dem Gerät, lange Kontexte und lokale Feinabstimmung im Mittelpunkt stehen. Für die Praxis ist das relevant, weil der Stack gezielt auf reale Einsatzbedingungen ausgelegt ist: knappe RAM- und Flash-Budgets, Training auf einer einzelnen GPU und interaktive Anwendungen mit hohen Latenzanforderungen.
Technisch setzt LFM3 auf eine tri-hybride Architektur aus gegateten kurzen Faltungen, Sliding-Window-Attention und selektiver globaler Attention. So bietet das Modell mehr Leistung pro Parameter, während die Kosten für lange Kontexte beherrschbar bleiben. Das führende Textmodell LFM3-1.7B unterstützt ein Kontextfenster von 256K Tokens und lässt sich in 4-Bit-Formaten auf etwa 1 GB quantisieren. Diese Kombination aus extrem langem Kontext und geringem Speicherbedarf ermöglicht dauerhaft aktive Hintergrundagenten, die Analyse umfangreicher Dokumente und den Einsatz von Tools in privaten Umgebungen, in denen Daten nicht an Cloud-APIs übermittelt werden dürfen oder die Kosten dafür zu hoch wären.
Neben der Architektur hat Liquid AI neue Bild- und Audio-Encoder entwickelt, die den Rechenaufwand reduzieren und zugleich die Verarbeitung von Video und Sprache verbessern. Für Videos verarbeitet das Bildmodell zeitlich gekoppelte Bildausschnitte und halbiert so die Sequenzlänge. Das Audiomodell unterstützt Streaming-Sprache, mehrsprachige ASR/TTS sowie Tool-Aufrufe. Damit lassen sich hybride Agenten entwickeln, die mit geringer Zeit bis zum ersten Token zuhören, hinsehen und handeln – eine entscheidende Eigenschaft für Sprachassistenten im Auto, eingebettete Robotik und private Unternehmensagenten, die mit multimodalen Daten arbeiten.
Für Teams, die LFM3 evaluieren, stellt sich vor allem die Frage, wo und wie sich Cloud-APIs ersetzen lassen. LFM3 eignet sich besonders für Szenarien, in denen Datenschutz, Durchsatz und planbare Latenz wichtiger sind als maximale Genauigkeit: etwa für Unternehmensassistenten mit sensiblen Daten, lokale Automatisierung in regulierten Branchen oder eingebettete Wahrnehmungssysteme auf KI-PCs und Edge-Geräten mit eingeschränkter Verbindung. Dieser Test beleuchtet Einsatzmuster, die Feinabstimmung auf einer einzelnen GPU, Leistungskompromisse gegenüber Cloud-Modellen und die betrieblichen Risiken, die bei einer Migration berücksichtigt werden sollten.