Zum Inhalt
FrontierDot

Liquid LFM3 Open-Weights-Zeitleiste: sechs ~2B-Modelle, ein Tri-Hybrid (27. Okt. 2026)

Fortlaufende Zeitleiste · zuletzt aktualisiert · 2 Einträge im Änderungsprotokoll

Am 27. Oktober hat Liquid sechs LFM3-Modelle um 2B veröffentlicht, Gewichte am selben Tag auf Hugging Face. Lies es als Familie von Edge-Executoren. Tool-Zeilen sind Liquid-berichtet. Der Lizenzname ist LFM Open License v1.0.

Zeitleiste

Liquid AI hat LFM3 am 27. Okt. 2026 als sechs Open-Weight-Checkpoints um 2B aus LFM3-1.7B-Base unter LFM Open License v1.0 veröffentlicht. Die LICENSE definiert eine kommerzielle Threshold von $10,000,000 Jahresumsatz. Tool-Werte auf der Karte sind Liquid-berichtet, und die Karte sagt, das 1.7B-Textmodell sei für agentisches Coding oder komplexe Mehrschritt-Inferenz nicht empfohlen.

Gelesen am 2026-10-29 (UTC+8): Liquids Blog vom 27. Okt. auf liquid.ai/blog/lfm3 (einschließlich des Satzes zu 1.6 GB KV-Cache), der Hugging-Face-Blog “Build specialized multimodal models with LFM3” (Published October 27, 2026), die Karte LiquidAI/LFM3-1.7B, ihre LICENSE (LFM Open License v1.0), Liquids Lizenzleitfaden (last updated October 15, 2026), der Hacker-News-Thread item?id=50262229, llama.cpp PR #31252, die Release-Notes von Ollama v0.40.12 und @liquidais Introducing LFM3 (created 2026-10-27T17:07:45.000Z). X-Zeiten sind UTC. Architektur und Benchmarks sind Liquid-berichtet. Wir haben die Modelle nicht ausgeführt.

Zeitleiste

  1. Liquid AI veröffentlicht “Introducing LFM3: Every Modality for Specialized Intelligence”, datiert OCT 27, 2026. Der Text beschreibt eine multimodale Familie im 2B-Bereich aus LFM3-1.7B-Base, eine neue Tri-Hybrid-Architektur, 22T Pretraining-Token, ein 256K-Kontextfenster für das Textmodell, etwa 1 GB bei 4-bit, und sechs Modelle: LFM3-1.7B, LFM3-VL-2B, LFM3-Audio-2B, LFM3-Omni-2B, d1-2B und d1-Omni-2B. Basis- und nachtrainierte Modelle seien Open Weights auf Hugging Face, in Liquids Playground und in der Liquid AI API.

    Liquid AI blog: Introducing LFM3

  2. Der llama.cpp-Pull-Request #31252, der LiquidAI/LFM3-1.7B und LiquidAI/LFM3-VL-2B hinzufügt, ist gemergt. GitHub verzeichnet den Merge um 2026-10-27T16:06:41Z. Der Request sagt, Video-Input komme später. Wir haben llama.cpp am 29. Okt. nicht gebaut.

    llama.cpp PR #31252 (LFM3 text and VL)

  3. Um 17:07:45 UTC postet das offizielle Konto @liquidai “Introducing LFM3…” auf X, passend zur Blog-Ankündigung desselben Tages.

    Liquid AI on X: Introducing LFM3 (Oct 27)

  4. Hugging Face veröffentlicht “Build specialized multimodal models with LFM3”, markiert Published October 27, 2026. Der Text wiederholt die sechs Modelle, den Tri-Hybrid, 22T und 256K und verlinkt die LFM3-Sammlung und die Karten.

    Hugging Face blog: Build specialized multimodal models with LFM3

  5. Die Release-Notes von Ollama v0.40.12 listen LFM3 Text, VL, Audio und Omni und sagen, lfm3 und d1 2b seien in diesem Release auf Apple-Hardware unterstützt, Linux und Windows seien coming soon. Wir haben diese Notes und die Library-Seite am 29. Okt. gelesen. Wir haben das Modell nicht gezogen und nicht jedes spätere Pre-Release gelesen.

    Ollama v0.40.12 release notes

  6. Beim Prüfen der API von LiquidAI/LFM3-1.7B lag lastModified ungefähr bei 2026-10-28T17:16:37Z. Das öffentliche Ankündigungsdatum bleibt der 27. Okt. Den 28. Okt. behandeln wir als Zeitstempel einer Karten- oder Gewichtsaktualisierung.

    Hugging Face: LiquidAI/LFM3-1.7B model card

Was Liquid am 27. Oktober ausgeliefert hat

Der Liquid-Blog rahmt LFM3 als nächste Liquid-Foundation-Model-Generation für spezialisierte Intelligenz: multimodal, Text, Bild, Audio, Omni und Entscheidungsmodelle auf einem gemeinsamen Rückgrat. Die erste Lieferung liegt im Bereich von etwa 2B Parametern. Liquid sagt, die Modelle seien am selben Tag als Open Weights auf Hugging Face, im Playground und in der Liquid AI API, und verweist auf Doku für lokalen Lauf und Feintuning.

Die sechs benannten Checkpoints sind LFM3-1.7B (Text), LFM3-VL-2B (Bild, einschließlich Video-Input zum ersten Mal in einem LFM-Bildmodell), LFM3-Audio-2B, LFM3-Omni-2B (Liquids erstes Omni-Modell) sowie die Entscheidungsmodelle d1-2B und d1-Omni-2B. Die Hugging-Face-Tabelle schreibt das letzte als d1-omni-2B. Beide Schreibweisen meinen das audiofähige Entscheidungsmodell auf LFM3-Omni-2B. Liquid berichtet, LFM3-1.7B liege in Liquids eigenem Highlight-Vergleich über LFM2.5-2.6B und nutze 35% weniger Parameter, das Textmodell passe bei 4-bit in etwa 1 GB, und jedes Modell lasse sich auf einer einzelnen GPU feintunen. Das sind Herstellerangaben. Wir haben sie nicht reproduziert.

Als Day-Zero-Partner nennt der Liquid-Text Ambarella, AMD, Arm, Intel über OpenVINO, NVIDIA, OpenRouter, Qualcomm über Qualcomm AI Hub und GenieX sowie Vercel; Mercedes-Benz und Shopify stehen beim Pre-Release-Test. Namen aus dem Builder-Umfeld auf derselben Seite sind Hugging Face, llama.cpp, LM Studio, MLX, Ollama, vLLM und andere. Front listet das als Liquids Partnerzeile. Ob ein Stack trägt, entscheidet eine datierte Laufzeitseite.

Architektur, wie Liquid sie beschreibt

Liquid beschreibt einen Tri-Hybrid für LFM3-1.7B-Base: 24 Schichten, davon 13 gegatete kurze Faltungen (Kernel 7, gegenüber 3 bei LFM2), 5 Sliding-Window-Attention-Schichten mit einem Fenster von 256 Token und 6 globale Attention-Schichten. Die Hugging-Face-Karte nennt 1.73B Parameter für das nachtrainierte Textmodell, einen Kontext von 256K Token (Eingabe plus Ausgabe) und ein Vokabular von 128,000 Token, geteilt mit LFM2.5-8B-A1B. Der Blog nennt außerdem head-weise gegatete Attention, partielles RoPE auf globalen Schichten und Sandwich-Norm.

Pretraining steht mit 22T Token, die letzten 3.5T als Mid-Training, das das Fenster auf 256K hebt und den Anteil agentischer Spuren und Tool-Aufrufe erhöht. Post-Training in vier Stufen: überwachtes Feintuning, gemischtes Reinforcement Learning, Multi-Domain-On-Policy-Distillation und agentisches RL in echten Harnesses. Für Telefon oder Laptop betont Liquid etwa 1 GB bei 4-bit und das 256K-Fenster. Wer die Tabelle liest, behandelt jede Zeile als Liquid-berichtet, bis ein Dritter denselben Harness neu fährt.

Derselbe Liquid-Blog sagt, ein voller Kontext von 128K Token brauche 1.6 GB KV-Cache für das Textmodell, und nennt in dem Satz 4.3 GB für Qwen3.5-4B und 5.6 GB für MiniCPM5-2B. 256K ist die veröffentlichte Kontextlänge. Etwa 1 GB ist die 4-bit-Gewichtsangabe. Der Cache kommt dazu, und ein 256K-Fenster skaliert über die gedruckte 128K-Cache-Zahl. Wir haben den KV-Cache nicht gemessen. Bild und Audio haben eigene Encoder-Notizen: ein Liquid-Bild-Encoder mit weniger Rechnen als der frühere SigLIP2-Pfad, und ein Audiopfad mit kausalem Encoder plus LiquidCodec für Sprache.

Lizenz: LFM Open License v1.0

Die LFM3-1.7B-Karte nennt die Lizenz LFM Open License v1.0. Wir haben diese LICENSE am 29. Okt. 2026 gelesen. Abschnitt 1 definiert “Threshold” als Jahresumsatz von 10 million US-Dollar ($10,000,000) oder mehr. Abschnitt 5 sagt, die kommerziellen Rechte unter dieser Lizenz setzten voraus, diese Threshold nicht zu überschreiten, und kommerzielle Nutzung durch eine juristische Person darüber sei unter der Vereinbarung nicht lizenziert. Qualifizierte Non-Profits, wie die Datei sie definiert, stehen in Abschnitt 5(c) für nicht-kommerzielle oder Forschungszwecke. Apache 2.0 und MIT sind andere Lizenztexte.

Liquids Leitfaden zur LFM Open License, markiert last updated October 15, 2026, sagt dieselbe Schwelle in Liquids Sprache: kostenlose kommerzielle Nutzung unter $10 million USD Jahresumsatz, und eine separate kommerzielle Lizenz ab $10 million USD, über sales@liquid.ai. Der Leitfaden ist Liquids Erklärung von Liquids Bedingungen. Er ist keine Rechtsberatung von FrontierDot. Lies LICENSE und Leitfaden, bevor du ein Produkt auslieferst, für einen bezahlten Dienst feintunst oder die Gewichte hostest.

“Open-weight” auf Liquids Seiten heißt: die Checkpoints sind ladbar, und die Firma sagt, du kannst sie feintunen und einsetzen. Die kommerzielle Schwelle steht in der LICENSE und in diesem Leitfaden. Verfügbarkeit auf Hugging Face und der Name LFM Open License v1.0 gehören zusammen.

Werte, wie Liquid sie berichtet

Liquids Blog und die LFM3-1.7B-Karte veröffentlichen eine Tabelle zu Agenten, Tool-Use, Coding, Instruction-Following, Wissen und langem Kontext gegen LFM2.5-2.6B, MiniCPM5 2B, Gemma 4 E4B, Qwen3.5 4B und Qwen3.5 9B. Beispiele vorn auf der Karte: LiveClaw 45.60, WebArena-Verified 38.42, BFCL V4 71.39, ToolSandbox 80.36, SWE-bench Verified (OpenCode) 43.40 und ein ungewichteter Average von 49.37. Dieselbe Average-Zeile listet Qwen3.5 9B mit 47.24. Bild-, Audio-, Omni- und Entscheidungswerte stehen auf den jeweiligen Karten und im Launch-Blog. Die Karte sagt, das Textmodell sei wegen seiner Größe für agentisches Coding oder komplexe Mehrschritt-Inferenz nicht empfohlen, und Wissensaufgaben sollten Retrieval oder Suche nutzen.

Zählt man die bewerteten Zeilen über diesem Average auf der gelesenen Karte, liegt die Spalte LFM3-1.7B in 14 Zeilen über Qwen3.5 9B und in 15 darunter. Tool-Zeilen wie BFCL V4 (71.39 gegen 62.83) und ToolSandbox (80.36 gegen 76.41) liegen in der höheren Menge. Wissens- und Langkontextzeilen wie GPQA Diamond (63.37 gegen 80.40) und RULER 128K (65.56 gegen 87.11) liegen in der niedrigeren. Der Average ist Liquids Arithmetik. 14 und 15 sind unsere Zählung dieser gedruckten Zellen. Wir haben den Harness nicht neu gefahren.

Serving-Notizen auf Karte und Blog nennen GGUF, MLX, ONNX, BF16, FP8 und NVFP4 und geben Liquids eigene Edge- und GPU-Durchsatzangaben, einschließlich der etwa 1 GB bei 4-bit für Telefon oder Laptop. Durchsatz bleibt Liquid-berichtet, bis du den Checkpoint auf deinem Stack misst. Der Grund, diese Karte zu öffnen, sind die Tool- und Schema-Zeilen. Der Durchschnitt verdeckt die Wissens- und Langkontextzeilen, in denen Liquids eigene Tabelle hinter der 9B-Spalte liegt.

Laufzeit am 2026-10-29

Partnerlogos sind keine Laufzeitmatrix. Am 29. Okt. haben wir die öffentlichen Seiten unten gelesen und die Stacks nicht installiert, keine Gewichte gezogen und keine Tokens pro Sekunde gestoppt. Ein späteres Pre-Release kann eine Zeile verschieben. Diese Tabelle ist eine Lese-Notiz von dieser Stunde.

LaufzeitWas die öffentliche Seite sagteWas wir nicht getan haben
llama.cppPR #31252 gemergt 2026-10-27T16:06:41Z für LFM3-1.7B und LFM3-VL-2B, Video-Input weiterhin später. b11941 notiert LFM3-Audio-2B und LFM3-Omni-2B in #31257.llama.cpp am 2026-10-29 bauen oder ausführen.
OllamaNotizen zu v0.40.12 sagen Apple-Hardware für lfm3 und d1 2b, Linux und Windows coming soon. Die Library-Seite listet lfm3.Das Modell ziehen oder jedes Pre-Release nach v0.40.12 lesen.
LM StudioDie LFM3-1.7B-Karte nennt LM Studio neben GGUF, zusammen mit llama.cpp und Ollama.Den Katalog von LM Studio am 2026-10-29 öffnen.

Was Videos der Launch-Woche behaupten

Liquids eigener Upload ist Labor-Marketing: Introducing LFM3. Creator-Titel derselben Woche sind Ray Codes, “The 1GB Local AI Agent That Beats Qwen 9B”, und CodeMotion, “This 1GB AI Beat a 9B on Its Own Scoreboard”.

Diese Creator-Titel sind Creator-Behauptungen. Die Anzeigetafel, auf die sie zeigen, ist Liquids Tabelle. Die LFM3-1.7B-Karte sagt außerdem, das Modell sei für agentisches Coding oder komplexe Mehrschritt-Inferenz nicht empfohlen. Lizenzschwelle und Modalitätswahl fehlen in den Titeln. Wir haben die Videos nicht als Benchmark behandelt und die Aufrufe nicht neu gezählt.

Was wir nicht verifizieren konnten

  • Unabhängige Benchmark-Werte für irgendein LFM3-Modell. Jede Zahl auf Blog und Karten ist Liquid-berichtet. Die Teilung in 14 und 15 Zeilen ist unsere Zählung von Liquids gedruckten Zellen.
  • Live-Tokens pro Sekunde auf unseren Maschinen. Wir haben LFM3 am 29. Okt. 2026 nicht ausgeführt.
  • Ob ein Ollama-Pre-Release nach v0.40.12 den Apple-Hardware-Satz gestrichen hat. Wir haben die Notizen zu v0.40.12 und die Library-Seite gelesen.
  • Welche LFM3-Checkpoints LM Studio am 29. Okt. 2026 listete. Diesen Katalog haben wir nicht geöffnet.
  • Warum das Repository LFM3-1.7B nach einer Ankündigung am 27. Okt. einen lastModified-Stempel am 28. Okt. zeigte. Das öffentliche Release datieren wir auf den 27. Okt., nach Blog, Hugging-Face-Blog und X-Post.
  • Sterne, Download-Ranglisten, Leaderboard-Plätze Dritter und YouTube-Aufrufe. Nichts davon haben wir neu gezählt.

Unsere Einschätzung

LFM3 ist eine Edge-Executor-Familie vom selben Tag. Der Grund hinzusehen sind die Tool- und Schema-Zeilen auf Liquids eigener Tabelle. Wissen und Langkontext-Retrieval sind die Stellen, an denen diese Tabelle gegen Qwen3.5 9B verliert: GPQA Diamond 63.37 gegen 80.40, RULER 128K 65.56 gegen 87.11, innerhalb einer Zählung von 14 höheren und 15 niedrigeren gedruckten Zeilen. Die Hugging-Face-Karte sagt, das 1.7B-Modell sei wegen seiner Größe für agentisches Coding oder komplexe Mehrschritt-Inferenz nicht empfohlen. Der Launch-Tag bleibt der 27. Okt. Der Hugging-Face-Stempel lastModified am 28. Okt. ist eine Aktualisierungszeit. Ein zweiter Launch bräuchte eine eigene Primär-URL.

Wähle den Modalitäts-Checkpoint. Im Hacker-News-Thread schrieb Liquids samstevens, die Modelle seien ohne zusätzliche Modalitäten noch stärker: LFM3-1.7B für reinen Text, LFM3-VL-2B über Omni für Text und Bild, und das Audio-Modell über Omni für ASR und TTS. Dieser Kommentar ist eine Aussage von Herstellerpersonal in einem öffentlichen Thread, kein Leaderboard Dritter. Omni als Default verwirft den Spezialisten, von dem derselbe Thread sagt, er gewinne seine Spur noch.

Weiter auf Front: die Reflection-Beam-Zeitleiste, die Meta-Muse-Spark-Open-Zeitleiste, die MiniMax-M3.1-Flash-Zeitleiste und die DeepSeek-V4.1-Flash-1017-Zeitleiste verfolgen die anderen großen Open-Weight-Abgaben des Monats. Jeder Beitrag steht im Front-Blogindex.

Weiterlesen

Alle Beiträge, neueste zuerst, stehen im Front-Blog.

Häufige Fragen

Wann hat Liquid LFM3 veröffentlicht?

Am 27. Oktober 2026, nach Liquids Blog, dem Hugging-Face-Launch desselben Tages und @liquidais Introducing LFM3 um 17:07:45 UTC.

Wie viele LFM3-Modelle waren im ersten Release?

Sechs um 2B, alle aus LFM3-1.7B-Base: LFM3-1.7B, LFM3-VL-2B, LFM3-Audio-2B, LFM3-Omni-2B, d1-2B und d1-Omni-2B, nach Liquids Blog vom 27. Okt.

Was ist die LFM3-Architektur?

Liquid beschreibt einen Tri-Hybrid aus 13 gegateten kurzen Faltungen, 5 Sliding-Window-Attention-Schichten mit einem Fenster von 256 Token und 6 globalen Attention-Schichten (24 Schichten gesamt), vortrainiert auf 22T Token, mit einem Textkontext von 256K.

Ist LFM3 Open Source?

Die Gewichte sind auf Hugging Face öffentlich, unter der LFM Open License v1.0. Lies die LICENSE. Apache 2.0 und MIT sind andere Lizenztexte.

Soll ich LFM3-Omni-2B nehmen?

Wähle den Modalitäts-Checkpoint. Auf Hacker News, Eintrag 50262229, schrieb Liquids samstevens, LFM3-1.7B sei stärker für reinen Text, LFM3-VL-2B stärker als Omni für Text und Bild, und das Audio-Modell stärker als Omni für ASR und TTS. Das ist ein Kommentar von Herstellerpersonal, nicht unsere Messung.

Ist LFM3 für kommerzielle Nutzung kostenlos?

Lies die LICENSE und Liquids Leitfaden, last updated October 15, 2026. Die LICENSE definiert Threshold als Jahresumsatz von $10,000,000 oder mehr. Der Leitfaden sagt, kommerzielle Nutzung sei unter $10 million USD Jahresumsatz kostenlos, und ab $10 million USD brauche es eine separate kommerzielle Lizenz. Das ist Liquids Aussage zu seinen Bedingungen, keine Rechtsberatung von FrontierDot.

Änderungsprotokoll

  • — Am selben Tag vertieft: LFM Open License v1.0 laut LICENSE und Liquids Leitfaden (Schwelle $10,000,000), der Modalitäts-Hinweis auf Hacker News, Liquids 1.6 GB KV-Cache bei 128K, und Laufzeitseiten, die wir nicht neu vermessen haben.
  • — Zuerst veröffentlicht. Liquids LFM3-Blog, Hugging-Face-Blog und LFM3-1.7B-Karte, Liquids News-Index und @liquidai auf X geprüft, Stand 29. Okt. 2026 (UTC+8).

Quellen