Aller au contenu
FrontierDot

Chronologie LFM3 de Liquid : six modèles ~2B, un tri-hybride (27 oct. 2026)

Chronologie mise à jour en continu · dernière mise à jour · 2 entrées dans le journal des mises à jour

Le 27 octobre, Liquid a publié six modèles LFM3 autour de 2B, poids sur Hugging Face le jour même. Lis-le comme une famille d’exécuteurs en bordure. Les lignes d’outils sont rapportées par Liquid. Le nom de licence est LFM Open License v1.0.

Chronologie

Liquid AI a publié LFM3 le 27 oct. 2026 : six checkpoints open-weight autour de 2B, issus de LFM3-1.7B-Base, sous LFM Open License v1.0. Le fichier LICENSE définit un Threshold d’usage commercial à $10,000,000 de revenu annuel. Les scores d’outils sur la carte sont rapportés par Liquid, et la carte dit que le modèle texte 1.7B n’est pas recommandé pour le codage agentique ni le raisonnement multi-étapes complexe.

Lu le 2026-10-29 (UTC+8) : le blog Liquid du 27 oct. sur liquid.ai/blog/lfm3 (y compris la phrase sur 1.6 GB de cache KV), le blog Hugging Face “Build specialized multimodal models with LFM3” (Published October 27, 2026), la carte LiquidAI/LFM3-1.7B, son fichier LICENSE (LFM Open License v1.0), le guide de licence Liquid (last updated October 15, 2026), le fil Hacker News item?id=50262229, la PR llama.cpp #31252, les notes Ollama v0.40.12, et le post Introducing LFM3 de @liquidai (created 2026-10-27T17:07:45.000Z). Les heures X sont en UTC. Architecture et scores : rapportés par Liquid. Nous n’avons pas exécuté les modèles.

Chronologie

  1. Liquid AI publie “Introducing LFM3: Every Modality for Specialized Intelligence”, daté OCT 27, 2026. Le texte décrit une famille multimodale dans la gamme 2B, issue de LFM3-1.7B-Base, une nouvelle architecture tri-hybride, 22T jetons de pré-entraînement, une fenêtre de 256K pour le modèle texte, environ 1 GB en 4-bit, et six modèles : LFM3-1.7B, LFM3-VL-2B, LFM3-Audio-2B, LFM3-Omni-2B, d1-2B et d1-Omni-2B. Les modèles de base et post-entraînés sont en open-weight sur Hugging Face, le Playground de Liquid et l’API Liquid AI.

    Liquid AI blog: Introducing LFM3

  2. La pull request llama.cpp #31252, qui ajoute LiquidAI/LFM3-1.7B et LiquidAI/LFM3-VL-2B, est mergée. GitHub enregistre le merge à 2026-10-27T16:06:41Z. La requête dit que l’entrée vidéo viendra plus tard. Nous n’avons pas compilé llama.cpp le 29 oct.

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

  3. À 17:07:45 UTC, le compte officiel @liquidai poste “Introducing LFM3…” sur X, aligné sur l’annonce du blog le même jour.

    Liquid AI on X: Introducing LFM3 (Oct 27)

  4. Hugging Face publie “Build specialized multimodal models with LFM3”, marqué Published October 27, 2026. Le texte répète les six modèles, le tri-hybride, 22T et 256K, et lie la collection LFM3 et les cartes.

    Hugging Face blog: Build specialized multimodal models with LFM3

  5. Les notes de version Ollama v0.40.12 listent LFM3 texte, VL, audio et omni, et disent que lfm3 et d1 2b sont pris en charge sur matériel Apple dans cette version, Linux et Windows étant coming soon. Nous avons lu ces notes et la page de bibliothèque le 29 oct. Nous n’avons pas tiré le modèle, et nous n’avons pas lu chaque pré-version ultérieure.

    Ollama v0.40.12 release notes

  6. Quand nous avons consulté l’API du dépôt LiquidAI/LFM3-1.7B, lastModified était environ 2026-10-28T17:16:37Z. La date d’annonce publique reste le 27 oct. Le 28 oct. est un horodatage de rafraîchissement de carte ou de poids.

    Hugging Face: LiquidAI/LFM3-1.7B model card

Ce que Liquid a livré le 27 octobre

Le billet Liquid présente LFM3 comme la génération suivante de Liquid Foundation Model pour une intelligence spécialisée : multimodal, texte, vision, audio, omni et modèles de décision sur un même squelette. La première livraison couvre des modèles autour de 2B paramètres. Liquid dit que les poids sont open-weight le jour même sur Hugging Face, son Playground et l’API Liquid AI, et pointe la doc pour l’exécution locale et le fine-tuning.

Les six checkpoints nommés sont LFM3-1.7B (texte), LFM3-VL-2B (vision, y compris l’entrée vidéo pour la première fois dans un modèle vision LFM), LFM3-Audio-2B, LFM3-Omni-2B (premier modèle omni de Liquid), plus les modèles de décision d1-2B et d1-Omni-2B. Le tableau Hugging Face écrit le dernier d1-omni-2B. Les deux graphies désignent le modèle de décision capable d’audio, bâti sur LFM3-Omni-2B. Liquid rapporte que LFM3-1.7B est au-dessus de LFM2.5-2.6B dans sa propre comparaison mise en avant, avec 35% de paramètres en moins, que le texte tient dans environ 1 GB en 4-bit, et que chaque modèle se fine-tune sur un seul GPU. Ce sont des affirmations du vendeur. Nous ne les avons pas reproduites.

Les partenaires du jour cités sur le billet Liquid comprennent Ambarella, AMD, Arm, Intel via OpenVINO, NVIDIA, OpenRouter, Qualcomm via Qualcomm AI Hub et GenieX, et Vercel ; Mercedes-Benz et Shopify sont mentionnés pour des tests pré-lancement. Les noms d’écosystème sur la même page comprennent Hugging Face, llama.cpp, LM Studio, MLX, Ollama, vLLM et d’autres. Front les liste comme la ligne de partenaires de Liquid. Une page d’exécution datée tranche le support d’une pile donnée.

Architecture, selon Liquid

Liquid décrit une pile tri-hybride pour LFM3-1.7B-Base : 24 couches, dont 13 convolutions courtes à porte (noyau 7, contre 3 dans LFM2), 5 couches d’attention à fenêtre glissante de 256 jetons, et 6 couches d’attention globale. La carte Hugging Face indique 1.73B paramètres pour le texte post-entraîné, un contexte de 256K jetons (entrée plus sortie), et un vocabulaire de 128,000 jetons partagé avec LFM2.5-8B-A1B. Le blog ajoute l’attention gatée par tête, un RoPE partiel sur les couches globales, et une sandwich norm.

Le pré-entraînement est indiqué à 22T jetons, avec un mid-training final de 3.5T qui porte la fenêtre à 256K et augmente la part de traces agentiques et d’appels d’outils. Le post-entraînement a quatre étapes : fine-tuning supervisé, apprentissage par renforcement mixte, distillation on-policy multi-domaines, et RL agentique dans de vrais harness. Pour dimensionner un téléphone ou un portable, Liquid met en avant environ 1 GB en 4-bit et la fenêtre 256K. Pour lire les tableaux, chaque ligne reste rapportée par Liquid jusqu’à ce qu’un tiers relance le même harness.

Le même blog Liquid dit qu’un contexte complet de 128K jetons demande 1.6 GB de cache KV pour le modèle texte, et nomme dans cette phrase 4.3 GB pour Qwen3.5-4B et 5.6 GB pour MiniCPM5-2B. 256K est la longueur de contexte publiée. Environ 1 GB est le discours des poids 4-bit. Le cache s’ajoute, et une fenêtre 256K dépasse le chiffre de cache 128K imprimé par Liquid. Nous n’avons pas mesuré le cache KV. Vision et audio ont leurs notes d’encodeur : un encodeur vision Liquid décrit comme moins coûteux que l’ancien chemin SigLIP2, et un chemin audio avec encodeur causal plus LiquidCodec pour la parole.

Licence : LFM Open License v1.0

La carte LFM3-1.7B nomme la licence LFM Open License v1.0. Nous avons lu ce fichier LICENSE le 29 oct. 2026. La section 1 définit “Threshold” comme un revenu annuel de 10 million de dollars des États-Unis ($10,000,000) ou plus. La section 5 dit que les droits d’usage commercial sous cette licence sont conditionnés au fait de ne pas dépasser cette Threshold, et que l’usage commercial par une entité juridique qui la dépasse n’est pas licencié par l’accord. Les organismes à but non lucratif qualifiés, tels que le fichier les définit, sont traités à la section 5(c) pour un usage non commercial ou de recherche. Apache 2.0 et MIT sont d’autres textes de licence.

Le guide utilisateur LFM Open License de Liquid, marqué last updated October 15, 2026, énonce le même seuil dans la langue de Liquid : usage commercial gratuit sous $10 million USD de revenu annuel, et une licence commerciale séparée à partir de $10 million USD, via sales@liquid.ai. Le guide est l’explication par Liquid de ses propres termes. Ce n’est pas un avis juridique de FrontierDot. Lis le fichier LICENSE et le guide avant d’expédier un produit, de fine-tuner pour un service payant, ou d’héberger les poids.

“Open-weight” sur les pages Liquid veut dire que les checkpoints sont téléchargeables et que la société dit que tu peux les fine-tuner et les déployer. Le seuil commercial vit dans le fichier LICENSE et dans ce guide. La disponibilité sur Hugging Face et le nom LFM Open License v1.0 se lisent ensemble.

Scores, tels que Liquid les rapporte

Le blog Liquid et la carte LFM3-1.7B publient un large tableau agents, outils, code, suivi d’instructions, connaissance et long contexte contre LFM2.5-2.6B, MiniCPM5 2B, Gemma 4 E4B, Qwen3.5 4B et Qwen3.5 9B. Exemples en tête de carte : LiveClaw 45.60, WebArena-Verified 38.42, BFCL V4 71.39, ToolSandbox 80.36, SWE-bench Verified (OpenCode) 43.40 et une Average non pondérée de 49.37. La même ligne Average liste Qwen3.5 9B à 47.24. Les scores vision, audio, omni et décision sont sur leurs cartes et sur le blog de lancement. La carte dit que le modèle texte n’est pas recommandé pour le codage agentique ni le raisonnement multi-étapes complexe à cause de sa taille, et qu’il faut de la recherche pour les tâches lourdes en connaissance.

En comptant les lignes notées au-dessus de cette Average sur la carte lue, la colonne LFM3-1.7B est plus haute que Qwen3.5 9B sur 14 lignes et plus basse sur 15. Des lignes d’outils comme BFCL V4 (71.39 contre 62.83) et ToolSandbox (80.36 contre 76.41) sont dans l’ensemble haut. Des lignes de connaissance et de long contexte comme GPQA Diamond (63.37 contre 80.40) et RULER 128K (65.56 contre 87.11) sont dans l’ensemble bas. L’Average est l’arithmétique de Liquid. 14 et 15 sont notre décompte de ces cellules imprimées. Nous n’avons pas relancé le harness.

Les notes de service sur la carte et le blog décrivent GGUF, MLX, ONNX, BF16, FP8 et NVFP4 et donnent les débits edge et GPU de Liquid, y compris le discours d’environ 1 GB en 4-bit pour téléphone ou portable. Les débits restent rapportés par Liquid jusqu’à mesure sur ta pile. La raison d’ouvrir cette carte, ce sont les lignes d’outils et de schémas. La moyenne masque les lignes de connaissance et de long contexte où la table de Liquid est derrière la colonne 9B.

Réalité d’exécution au 2026-10-29

Les logos partenaires ne sont pas une matrice d’exécution. Le 29 oct. nous avons lu les pages publiques ci-dessous et nous n’avons pas installé les piles, tiré les poids, ni chronométré les jetons par seconde. Une pré-version ultérieure peut déplacer une ligne. Ce tableau est une note de lecture de cette heure.

ExécutionCe que disait la page publiqueCe que nous n’avons pas fait
llama.cppPR #31252 mergée le 2026-10-27T16:06:41Z pour LFM3-1.7B et LFM3-VL-2B, entrée vidéo encore plus tard. b11941 note l’ajout de LFM3-Audio-2B et LFM3-Omni-2B dans #31257.Compiler ou lancer llama.cpp le 2026-10-29.
OllamaLes notes v0.40.12 disent matériel Apple pour lfm3 et d1 2b, Linux et Windows coming soon. La page de bibliothèque liste lfm3.Tirer le modèle, ou lire chaque pré-version après v0.40.12.
LM StudioLa carte LFM3-1.7B nomme LM Studio à côté de GGUF, avec llama.cpp et Ollama.Ouvrir le catalogue LM Studio le 2026-10-29.

Ce que disent les titres vidéo de la semaine de lancement

La vidéo de Liquid est du marketing du labo : Introducing LFM3. Des titres de créateurs de la même semaine : Ray Codes, “The 1GB Local AI Agent That Beats Qwen 9B”, et CodeMotion, “This 1GB AI Beat a 9B on Its Own Scoreboard”.

Ces titres de créateurs sont des affirmations de créateurs. Le tableau qu’ils visent est celui de Liquid. La carte LFM3-1.7B dit aussi que le modèle n’est pas recommandé pour le codage agentique ni le raisonnement multi-étapes complexe. Le seuil de licence et le choix de modalité sont absents des titres. Nous n’avons pas traité les vidéos comme un benchmark, et nous n’avons pas recompté les vues.

Ce que nous n’avons pas pu vérifier

  • Des scores de benchmark indépendants pour un modèle LFM3. Chaque nombre du blog et des cartes est rapporté par Liquid. La coupe 14 lignes / 15 lignes est notre décompte des cellules imprimées par Liquid.
  • Des jetons par seconde en direct sur nos machines. Nous n’avons pas exécuté LFM3 le 29 oct. 2026.
  • Si une pré-version Ollama après v0.40.12 a retiré la phrase sur le matériel Apple. Nous avons lu les notes v0.40.12 et la page de bibliothèque.
  • Quels checkpoints LFM3 LM Studio listait le 29 oct. 2026. Nous n’avons pas ouvert ce catalogue.
  • Pourquoi le dépôt LFM3-1.7B montrait un lastModified le 28 oct. après une annonce du 27 oct. Nous datons la sortie publique au 27 oct. d’après le blog, le blog Hugging Face et le post X.
  • Étoiles, classements de téléchargements, places de leaderboards tiers, et vues YouTube. Rien de cela n’est une mesure que nous avons recomptée.

Notre lecture

LFM3 est une famille d’exécuteurs en bordure, livrée le même jour. La raison de s’y intéresser, ce sont les lignes d’outils et de schémas sur la table de Liquid. Connaissance et recherche en long contexte sont là où cette table perd face à Qwen3.5 9B : GPQA Diamond 63.37 contre 80.40, RULER 128K 65.56 contre 87.11, dans un décompte de 14 lignes plus hautes et 15 plus basses parmi les lignes imprimées par Liquid. La carte Hugging Face dit que le modèle 1.7B n’est pas recommandé pour le codage agentique ni le raisonnement multi-étapes complexe à cause de sa taille. Le jour d’annonce reste le 27 oct. Le lastModified Hugging Face du 28 oct. est une heure de rafraîchissement. Une seconde annonce aurait besoin de sa propre URL primaire.

Choisis le checkpoint de modalité. Sur le fil Hacker News, samstevens de Liquid a écrit que les modèles restent plus forts sans modalités en plus : LFM3-1.7B pour le texte pur, LFM3-VL-2B plutôt qu’Omni pour texte et vision, et le modèle Audio plutôt qu’Omni pour ASR et TTS. Ce commentaire est une déclaration du personnel du vendeur sur un fil public, pas un classement tiers. Prendre Omni par défaut jette le spécialiste dont le même fil dit qu’il gagne encore sa voie.

Lectures liées sur Front : la chronologie Reflection Beam, la chronologie Meta Muse Spark Open, la chronologie MiniMax M3.1 Flash et la chronologie DeepSeek V4.1 Flash 1017 suivent les autres grandes sorties open-weight du mois. Chaque billet est sur l’index du blog Front.

Pour continuer la lecture

Tous les articles, du plus récent au plus ancien, sont sur l’index du blog Front.

Questions fréquentes

Quand Liquid a-t-il publié LFM3 ?

Le 27 octobre 2026, d’après le blog Liquid, le billet de lancement Hugging Face du même jour, et le post Introducing LFM3 de @liquidai à 17:07:45 UTC.

Combien de modèles LFM3 dans la première livraison ?

Six autour de 2B, tous issus de LFM3-1.7B-Base : LFM3-1.7B, LFM3-VL-2B, LFM3-Audio-2B, LFM3-Omni-2B, d1-2B et d1-Omni-2B, selon le blog Liquid du 27 oct.

Quelle est l’architecture LFM3 ?

Liquid décrit un tri-hybride de 13 convolutions courtes à porte, 5 couches d’attention à fenêtre glissante de 256 jetons, et 6 couches d’attention globale (24 couches au total), pré-entraîné sur 22T jetons, avec un contexte texte de 256K.

LFM3 est-il open source ?

Les poids sont publics sur Hugging Face sous la LFM Open License v1.0. Lis le fichier LICENSE. Apache 2.0 et MIT sont d’autres textes de licence.

Faut-il utiliser LFM3-Omni-2B ?

Choisis le checkpoint de modalité. Sur Hacker News, item 50262229, samstevens de Liquid a écrit que LFM3-1.7B est plus fort en texte pur, que LFM3-VL-2B est plus fort qu’Omni en texte et vision, et que le modèle Audio est plus fort qu’Omni en ASR et TTS. C’est un commentaire du personnel du vendeur, pas notre mesure.

LFM3 est-il gratuit pour un usage commercial ?

Lis le fichier LICENSE et le guide utilisateur de Liquid, last updated October 15, 2026. LICENSE définit Threshold comme un revenu annuel de $10,000,000 ou plus. Le guide dit que l’usage commercial est gratuit sous $10 million USD de revenu annuel, et qu’à partir de $10 million USD il faut une licence commerciale séparée. C’est l’énoncé par Liquid de ses termes, pas un avis juridique de FrontierDot.

Journal des mises à jour

  • — Approfondi le même jour : LFM Open License v1.0 telle qu’écrite dans LICENSE et le guide Liquid (seuil $10,000,000), la note de modalité sur Hacker News, le chiffre Liquid de 1.6 GB de cache KV à 128K, et des pages d’exécution que nous n’avons pas re-benchmarkées.
  • — Première publication. Blog LFM3 de Liquid, blog Hugging Face et carte LFM3-1.7B, index d’actualités Liquid, et @liquidai sur X, vérifiés jusqu’au 29 oct. 2026 (UTC+8).

Sources