Saltar al contenido
FrontierDot

Cronología LFM3 de Liquid: seis modelos ~2B, un trihíbrido (27 oct. 2026)

Cronología en actualización · última actualización · 2 entradas en el registro de cambios

El 27 de octubre Liquid publicó seis modelos LFM3 en torno a 2B, pesos en Hugging Face el mismo día. Léelo como una familia de ejecutores de borde. Las filas de herramientas son reportadas por Liquid. El nombre de la licencia es LFM Open License v1.0.

Cronología

Liquid AI publicó LFM3 el 27 oct. 2026 como seis checkpoints open-weight en torno a 2B, desde LFM3-1.7B-Base, bajo LFM Open License v1.0. El archivo LICENSE define un Threshold de uso comercial de $10,000,000 de ingreso anual. Las puntuaciones de herramientas en la ficha son reportadas por Liquid, y la ficha dice que el modelo de texto 1.7B no se recomienda para programación agéntica ni razonamiento complejo de varios pasos.

Leído el 2026-10-29 (UTC+8): el blog de Liquid del 27 oct. en liquid.ai/blog/lfm3 (incluida la frase de 1.6 GB de caché KV), el blog de Hugging Face “Build specialized multimodal models with LFM3” (Published October 27, 2026), la ficha LiquidAI/LFM3-1.7B, su LICENSE (LFM Open License v1.0), la guía de licencia de Liquid (last updated October 15, 2026), el hilo de Hacker News item?id=50262229, la PR de llama.cpp #31252, las notas de Ollama v0.40.12 y el post Introducing LFM3 de @liquidai (created 2026-10-27T17:07:45.000Z). Las horas de X son UTC. Arquitectura y puntuaciones: reportadas por Liquid. No ejecutamos los modelos.

Cronología

  1. Liquid AI publica “Introducing LFM3: Every Modality for Specialized Intelligence”, fechado OCT 27, 2026. El texto describe una familia multimodal en el rango 2B, ramificada desde LFM3-1.7B-Base, una arquitectura trihíbrida nueva, 22T tokens de preentrenamiento, una ventana de 256K para el modelo de texto, unos 1 GB a 4-bit, y seis modelos: LFM3-1.7B, LFM3-VL-2B, LFM3-Audio-2B, LFM3-Omni-2B, d1-2B y d1-Omni-2B. Dice que los modelos base y post-entrenados están en open-weight en Hugging Face, el Playground de Liquid y la API de Liquid AI.

    Liquid AI blog: Introducing LFM3

  2. El pull request de llama.cpp #31252, que añade LiquidAI/LFM3-1.7B y LiquidAI/LFM3-VL-2B, está fusionado. GitHub registra el merge en 2026-10-27T16:06:41Z. El request dice que la entrada de vídeo se añadirá después. No compilamos llama.cpp el 29 oct.

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

  3. A las 17:07:45 UTC la cuenta oficial @liquidai publica “Introducing LFM3…” en X, alineado con el anuncio del blog del mismo día.

    Liquid AI on X: Introducing LFM3 (Oct 27)

  4. Hugging Face publica “Build specialized multimodal models with LFM3”, marcado Published October 27, 2026. El texto repite la familia de seis modelos, la mezcla trihíbrida, 22T y 256K, y enlaza la colección LFM3 y las fichas.

    Hugging Face blog: Build specialized multimodal models with LFM3

  5. Las notas de Ollama v0.40.12 listan LFM3 de texto, VL, audio y omni, y dicen que lfm3 y d1 2b tienen soporte en hardware Apple en esa versión, con Linux y Windows descritos como coming soon. Leímos esas notas y la página de biblioteca el 29 oct. No descargamos el modelo y no leímos cada pre-release posterior.

    Ollama v0.40.12 release notes

  6. Al consultar la API del repositorio LiquidAI/LFM3-1.7B, lastModified era aproximadamente 2026-10-28T17:16:37Z. La fecha de anuncio público sigue siendo el 27 oct. El 28 oct. es una marca de refresco de ficha o de pesos.

    Hugging Face: LiquidAI/LFM3-1.7B model card

Qué entregó Liquid el 27 de octubre

La entrada de Liquid presenta LFM3 como la siguiente generación de Liquid Foundation Model para inteligencia especializada: multimodal, con texto, visión, audio, omni y modelos de decisión sobre un mismo esqueleto. La primera entrega cubre modelos en torno a 2B parámetros. Liquid dice que los pesos están en open-weight el mismo día en Hugging Face, su Playground y la API de Liquid AI, y apunta a la documentación para ejecución local y fine-tuning.

Los seis checkpoints con nombre son LFM3-1.7B (texto), LFM3-VL-2B (visión, incluida entrada de vídeo por primera vez en un modelo de visión LFM), LFM3-Audio-2B, LFM3-Omni-2B (el primer modelo omni de Liquid), más los modelos de decisión d1-2B y d1-Omni-2B. La tabla de Hugging Face escribe el último como d1-omni-2B. Ambas grafías se refieren al modelo de decisión con audio, construido sobre LFM3-Omni-2B. Liquid reporta que LFM3-1.7B queda por encima de LFM2.5-2.6B en su propia comparación destacada, con un 35% menos de parámetros, que el texto cabe en unos 1 GB a 4-bit, y que cada modelo se puede afinar en una sola GPU. Son afirmaciones del proveedor. No las reprodujimos.

Los socios del día citados en la entrada de Liquid incluyen Ambarella, AMD, Arm, Intel vía OpenVINO, NVIDIA, OpenRouter, Qualcomm vía Qualcomm AI Hub y GenieX, y Vercel; Mercedes-Benz y Shopify aparecen en pruebas previas al lanzamiento. Los nombres del ecosistema en la misma página incluyen Hugging Face, llama.cpp, LM Studio, MLX, Ollama, vLLM y otros. Front los lista como la línea de socios de Liquid. Una página de runtime con fecha decide el soporte de una pila concreta.

Arquitectura, como la describe Liquid

Liquid describe una pila trihíbrida para LFM3-1.7B-Base: 24 capas, con 13 convoluciones cortas con puerta (kernel 7, frente a 3 en LFM2), 5 capas de atención de ventana deslizante con ventana de 256 tokens, y 6 capas de atención global. La ficha de Hugging Face lista 1.73B parámetros para el texto post-entrenado, un contexto de 256K tokens (entrada más salida) y un vocabulario de 128,000 tokens compartido con LFM2.5-8B-A1B. El blog añade atención con puerta por cabeza, RoPE parcial en las capas globales y sandwich norm.

El preentrenamiento se indica en 22T tokens, con una etapa final de mid-training de 3.5T que sube la ventana a 256K y aumenta la parte de trazas agénticas y llamadas a herramientas. El post-entrenamiento tiene cuatro etapas: fine-tuning supervisado, aprendizaje por refuerzo mixto, destilación on-policy multidominio y RL agéntico dentro de harness reales. Para dimensionar un teléfono o un portátil, Liquid subraya unos 1 GB a 4-bit y la ventana 256K. Quien lee las tablas trata cada fila como reportada por Liquid hasta que un tercero vuelva a correr el mismo harness.

El mismo blog de Liquid dice que un contexto completo de 128K tokens necesita 1.6 GB de caché KV para el modelo de texto, y en esa frase nombra 4.3 GB para Qwen3.5-4B y 5.6 GB para MiniCPM5-2B. 256K es la longitud de contexto publicada. Unos 1 GB es el discurso del peso a 4-bit. La caché va aparte, y una ventana 256K escala más allá del número de caché 128K que Liquid imprimió. No medimos la caché KV. Visión y audio tienen notas de encoder propias: un encoder de visión de Liquid descrito con menos cómputo que la ruta previa SigLIP2, y una ruta de audio con encoder causal más LiquidCodec para voz.

Licencia: LFM Open License v1.0

La ficha LFM3-1.7B nombra la licencia LFM Open License v1.0. Leímos ese archivo LICENSE el 29 oct. 2026. La sección 1 define “Threshold” como ingreso anual de 10 million de dólares de Estados Unidos ($10,000,000) o más. La sección 5 dice que los derechos de uso comercial bajo esta licencia están condicionados a no superar esa Threshold, y que el uso comercial de una entidad jurídica que la supera no está licenciado por el acuerdo. Las organizaciones sin ánimo de lucro cualificadas, tal como las define el archivo, se tratan en la sección 5(c) para fines no comerciales o de investigación. Apache 2.0 y MIT son otros textos de licencia.

La guía de usuario de LFM Open License de Liquid, marcada last updated October 15, 2026, enuncia el mismo umbral en el lenguaje de Liquid: uso comercial gratis por debajo de $10 million USD de ingreso anual, y una licencia comercial aparte a partir de $10 million USD, vía sales@liquid.ai. La guía es la explicación de Liquid de sus propios términos. No es asesoramiento jurídico de FrontierDot. Lee el archivo LICENSE y la guía antes de publicar un producto, afinar para un servicio de pago o alojar los pesos.

“Open-weight” en las páginas de Liquid significa que los checkpoints se pueden descargar y que la empresa dice que puedes afinarlos y desplegarlos. El umbral comercial vive en el archivo LICENSE y en esa guía. La disponibilidad en Hugging Face y el nombre LFM Open License v1.0 se leen juntos.

Puntuaciones, como las reporta Liquid

El blog de Liquid y la ficha LFM3-1.7B publican una tabla amplia de agentes, herramientas, código, seguimiento de instrucciones, conocimiento y contexto largo frente a LFM2.5-2.6B, MiniCPM5 2B, Gemma 4 E4B, Qwen3.5 4B y Qwen3.5 9B. Ejemplos que la ficha pone delante: LiveClaw 45.60, WebArena-Verified 38.42, BFCL V4 71.39, ToolSandbox 80.36, SWE-bench Verified (OpenCode) 43.40 y un Average sin ponderar de 49.37. La misma fila Average lista Qwen3.5 9B en 47.24. Las puntuaciones de visión, audio, omni y decisión están en sus fichas y en el blog de lanzamiento. La ficha dice que el modelo de texto no se recomienda para programación agéntica ni razonamiento complejo de varios pasos por su tamaño, y que hay que usar recuperación o búsqueda en tareas pesadas en conocimiento.

Contando las filas puntuadas por encima de ese Average en la ficha que leímos, la columna LFM3-1.7B está por encima de Qwen3.5 9B en 14 filas y por debajo en 15. Filas de herramientas como BFCL V4 (71.39 frente a 62.83) y ToolSandbox (80.36 frente a 76.41) están en el conjunto alto. Filas de conocimiento y contexto largo como GPQA Diamond (63.37 frente a 80.40) y RULER 128K (65.56 frente a 87.11) están en el conjunto bajo. El Average es la aritmética de Liquid. 14 y 15 son nuestro recuento de esas celdas impresas. No volvimos a correr el harness.

Las notas de servicio de la ficha y el blog describen rutas GGUF, MLX, ONNX, BF16, FP8 y NVFP4 y dan las cifras de caudal en borde y GPU de Liquid, incluido el discurso de unos 1 GB a 4-bit para teléfono o portátil. El caudal se trata como reportado por Liquid hasta que midas el checkpoint en tu pila. La razón para abrir esta ficha son las filas de herramientas y de esquemas. El promedio tapa las filas de conocimiento y contexto largo en las que la tabla de Liquid queda detrás de la columna 9B.

Runtime el 2026-10-29

Los logos de socios no son una matriz de runtime. El 29 oct. leímos las páginas públicas de abajo y no instalamos las pilas, no descargamos pesos ni cronometramos tokens por segundo. Un pre-release posterior puede mover una fila. Esta tabla es una nota de lectura de esa hora.

RuntimeQué decía la página públicaQué no hicimos
llama.cppPR #31252 fusionada el 2026-10-27T16:06:41Z para LFM3-1.7B y LFM3-VL-2B, con la entrada de vídeo todavía después. b11941 anota LFM3-Audio-2B y LFM3-Omni-2B en #31257.Compilar o ejecutar llama.cpp el 2026-10-29.
OllamaLas notas de v0.40.12 dicen hardware Apple para lfm3 y d1 2b, con Linux y Windows coming soon. La página de biblioteca lista lfm3.Descargar el modelo, o leer cada pre-release posterior a v0.40.12.
LM StudioLa ficha LFM3-1.7B nombra LM Studio junto a GGUF, con llama.cpp y Ollama.Abrir el catálogo de LM Studio el 2026-10-29.

Qué afirman los títulos de vídeo de la semana de lanzamiento

El vídeo propio de Liquid es marketing del laboratorio: Introducing LFM3. Títulos de creadores de la misma semana: Ray Codes, “The 1GB Local AI Agent That Beats Qwen 9B”, y CodeMotion, “This 1GB AI Beat a 9B on Its Own Scoreboard”.

Esos títulos de creadores son afirmaciones de creadores. El marcador al que apuntan es la tabla de Liquid. La ficha LFM3-1.7B también dice que el modelo no se recomienda para programación agéntica ni razonamiento complejo de varios pasos. El umbral de la licencia y la elección de modalidad no están en los títulos. No tratamos los vídeos como un benchmark y no volvimos a contar las visualizaciones.

Lo que no pudimos verificar

  • Puntuaciones de benchmark independientes de cualquier modelo LFM3. Cada número del blog y de las fichas es reportado por Liquid. El corte de 14 filas y 15 filas es nuestro recuento de las celdas impresas por Liquid.
  • Tokens por segundo en vivo en nuestras máquinas. No ejecutamos LFM3 el 29 oct. 2026.
  • Si un pre-release de Ollama posterior a v0.40.12 quitó la frase de hardware Apple. Leímos las notas de v0.40.12 y la página de biblioteca.
  • Qué checkpoints LFM3 listaba LM Studio el 29 oct. 2026. No abrimos ese catálogo.
  • Por qué el repositorio LFM3-1.7B mostró un sello lastModified el 28 oct. tras un anuncio del 27 oct. Fechamos la publicación pública en el 27 oct. según el blog, el blog de Hugging Face y el post de X.
  • Estrellas, rankings de descargas, puestos en leaderboards de terceros y visualizaciones de YouTube. Ninguno es una medida que hayamos vuelto a contar.

Nuestra lectura

LFM3 es una familia de ejecutores de borde del mismo día. La razón para mirarla son las filas de herramientas y de esquemas en la tabla de Liquid. El conocimiento y la recuperación de contexto largo son donde esa tabla pierde frente a Qwen3.5 9B: GPQA Diamond 63.37 frente a 80.40, RULER 128K 65.56 frente a 87.11, dentro de un recuento de 14 filas más altas y 15 más bajas de las filas impresas por Liquid. La ficha de Hugging Face dice que el modelo 1.7B no se recomienda para programación agéntica ni razonamiento complejo de varios pasos por su tamaño. El día de anuncio sigue siendo el 27 oct. El sello lastModified de Hugging Face del 28 oct. es una hora de refresco. Un segundo lanzamiento necesitaría su propia URL primaria.

Elige el checkpoint de modalidad. En el hilo de Hacker News, samstevens de Liquid escribió que los modelos siguen siendo más fuertes sin modalidades extra: LFM3-1.7B para texto puro, LFM3-VL-2B por encima de Omni para texto y visión, y el modelo Audio por encima de Omni para ASR y TTS. Ese comentario es una declaración del personal del proveedor en un hilo público, no un leaderboard de terceros. Dejar Omni por defecto descarta al especialista del que el mismo hilo dice que todavía gana su carril.

Lecturas en Front: la cronología de Reflection Beam, la cronología de Meta Muse Spark Open, la cronología de MiniMax M3.1 Flash y la cronología de DeepSeek V4.1 Flash 1017 siguen las otras grandes entregas open-weight del mes. Cada entrada está en el índice del blog de Front.

Sigue leyendo

Todos los artículos, del más reciente al más antiguo, están en el índice del blog de Front.

Preguntas frecuentes

¿Cuándo publicó Liquid LFM3?

El 27 de octubre de 2026, según el blog de Liquid, la entrada de lanzamiento de Hugging Face del mismo día y el post Introducing LFM3 de @liquidai a las 17:07:45 UTC.

¿Cuántos modelos LFM3 salieron en la primera entrega?

Seis en torno a 2B, todos ramificados desde LFM3-1.7B-Base: LFM3-1.7B, LFM3-VL-2B, LFM3-Audio-2B, LFM3-Omni-2B, d1-2B y d1-Omni-2B, según el blog de Liquid del 27 oct.

¿Cuál es la arquitectura de LFM3?

Liquid describe un trihíbrido de 13 convoluciones cortas con puerta, 5 capas de atención de ventana deslizante con ventana de 256 tokens y 6 capas de atención global (24 capas en total), preentrenado con 22T tokens, con un contexto de texto de 256K.

¿LFM3 es de código abierto?

Los pesos están públicos en Hugging Face bajo la LFM Open License v1.0. Lee el archivo LICENSE. Apache 2.0 y MIT son otros textos de licencia.

¿Debo usar LFM3-Omni-2B?

Elige el checkpoint de modalidad. En Hacker News, item 50262229, samstevens de Liquid escribió que LFM3-1.7B es más fuerte en texto puro, que LFM3-VL-2B es más fuerte que Omni en texto y visión, y que el modelo Audio es más fuerte que Omni en ASR y TTS. Es un comentario del personal del proveedor, no nuestra medición.

¿LFM3 es gratis para uso comercial?

Lee el archivo LICENSE y la guía de usuario de Liquid, last updated October 15, 2026. LICENSE define Threshold como ingreso anual de $10,000,000 o más. La guía dice que el uso comercial es gratis por debajo de $10 million USD de ingreso anual, y que a partir de $10 million USD hace falta una licencia comercial aparte. Es el enunciado de Liquid sobre sus términos, no asesoramiento jurídico de FrontierDot.

Registro de cambios

  • — Profundizado el mismo día: LFM Open License v1.0 tal como está en LICENSE y en la guía de Liquid (umbral $10,000,000), la nota de modalidad en Hacker News, la cifra de Liquid de 1.6 GB de caché KV a 128K, y páginas de runtime que no volvimos a medir.
  • — Primera publicación. Revisados el blog LFM3 de Liquid, el blog de Hugging Face y la ficha LFM3-1.7B, el índice de noticias de Liquid y @liquidai en X hasta el 29 oct. 2026 (UTC+8).

Fuentes