Liquid AI LFM3: open-weight modely s dostupnými váhami
Liquid AI predstavila rodinu LFM3 so šiestimi modelmi približne v triede dvoch miliárd parametrov a váhami dostupnými na Hugging Face.
Spoločnosť Liquid AI 27. októbra 2026 oznámila Liquid AI LFM3, novú generáciu svojich Liquid Foundation Models. Prvé vydanie tvorí šesť modelov približne v triede dvoch miliárd parametrov. Váhy sú dostupné na platforme Hugging Face, pričom firma modely označuje ako open-weight.
Rodina zahŕňa textový model, vision-language model, audio model, omni model a dva rozhodovacie modely. Liquid AI zároveň uvádza možnosti lokálneho dolaďovania modelov na vlastných dátach.
Liquid AI LFM3 pokrýva viac modalít
Najširšie zameraným variantom je LFM3-Omni-2B. Podľa dokumentácie prijíma text, obraz, video aj zvuk a generuje text alebo reč. Takáto kombinácia môže byť relevantná pre aplikácie, ktoré pracujú s viacerými typmi vstupov.
Ostatné varianty dopĺňajú rodinu o textový, vision-language, audio a dva rozhodovacie modely.
Kontext 256-tisíc tokenov a kompaktné nároky
Liquid AI pri textovom modeli LFM3-1.7B uvádza kontextové okno s veľkosťou 256-tisíc tokenov. Pri 4-bitovej kvantizácii má podľa dokumentácie zaberať približne 1 GB pamäte. Tento údaj môže byť relevantný pri použití na zariadeniach s obmedzenejšími zdrojmi, hoci reálne nároky celej aplikácie závisia aj od použitého softvéru, kontextu a spôsobu inferencie.
Kvantizácia znižuje presnosť, s akou sú uložené parametre modelu, a tým aj pamäťové nároky. Výsledná kvalita a rýchlosť však nemusia byť rovnaké pri všetkých úlohách ani hardvérových konfiguráciách.
Open-weight modely s dostupnými váhami
Váhy LFM3 sú publikované v repozitároch na Hugging Face. Označenie open-weight znamená dostupnosť parametrov natrénovaného modelu, samo osebe však neznamená open-source licenciu ani neobmedzené komerčné použitie. Vývojári by preto mali pred nasadením preveriť licenčné podmienky konkrétneho repozitára a modelového variantu.
Liquid AI deklaruje, že modely je možné dolaďovať lokálne. Možnosť dolaďovania na konkrétnom hardvéri však závisí od úlohy, objemu dát, dostupnej pamäte a zvolenej metódy tréningu.
Čo bude dôležité sledovať
Firma vo svojich materiáloch uvádza porovnania výkonu, rýchlosti a pamäťovej efektivity so staršími či konkurenčnými modelmi. Tieto merania zatiaľ neboli nezávisle overené. Pre praktické nasadenie budú dôležité reprodukovateľné benchmarky kvality, latencie a spotreby pamäte na rôznom hardvéri.
Sledovať sa oplatí aj licencie, bezpečnostné obmedzenia, reálne hardvérové nároky a podporu v nástrojoch ako Transformers, llama.cpp, MLX či vLLM.
Zdroje
- Liquid AI Blog – Oficiálne oznámenie LFM3, zloženie rodiny, deklarovaná dostupnosť otvorených váh a technické parametre uvádzané firmou.
- Hugging Face Blog – Technický popis modelov, modality vstupov a výstupov, pokyny na používanie a dostupnosť na Hugging Face.
- Hugging Face – LiquidAI/LFM3-Omni-2B – Existenciu a vlastnosti publikovaného omni modelu vrátane podpory textu, obrazu, videa a zvuku.
Overené a aktualizované: 28. 10. 2026 06:27
