Liquid AI lança a família LFM3: seis modelos de cerca de 2B para texto, visão, áudio e omni que rodam no dispositivo

Fala aí, beleza? A Liquid AI acabou de soltar a LFM3, nova geração dos Liquid Foundation Models, com seis modelos na faixa de 2B parâmetros para texto, visão, áudio, omni e decisão, todos pensados pra rodar no dispositivo

O anúncio saiu em 27/10/2026 no blog do Hugging Face, com o post "Build specialized multimodal models with LFM3". Os seis modelos derivam do mesmo backbone, o LFM3-1.7B-Base, e o modelo de texto LFM3-1.7B já tem repositório público no Hugging Face 😀

Quais são os seis modelos da família LFM3

São seis modelos, e a escolha é feita pela modalidade: o que entra e o que sai da sua aplicação

A ideia da Liquid AI é trocar um modelão genérico por vários pequenos e especializados, todos saindo do mesmo backbone

Modelo	Entrada	Saída
LFM3-1.7B	Texto	Texto
LFM3-VL-2B	Texto, imagens e vídeo	Texto
LFM3-Audio-2B	Texto e áudio	Texto e fala
LFM3-Omni-2B	Texto, imagens, vídeo e áudio	Texto e fala
d1-2B	Texto, imagens e vídeo	Respostas calibradas
d1-Omni-2B	Texto, imagens, vídeo e áudio	Respostas calibradas

Duas novidades se destacam nessa leva:

• O LFM3-Omni-2B é o primeiro modelo omni da Liquid AI
• O modelo de visão (LFM3-VL-2B) agora aceita vídeo como entrada

E os d1? São os modelos de decisão da família, que entregam respostas calibradas

O que mudou na arquitetura em relação ao LFM2

A principal mudança é a arquitetura tri-híbrida: o LFM3-1.7B-Base mistura convoluções curtas, atenção de janela deslizante e atenção global em 24 camadas

A divisão fica assim:

• 13 convoluções curtas com gate
• 5 camadas de atenção de janela deslizante, com janela de 256 tokens
• 6 camadas de atenção global

O kernel das convoluções também cresceu, de 3 no LFM2 para 7 no LFM3

Mas por que misturar tudo isso? 🤔

A atenção global é a parte cara, porque olha pro contexto inteiro. As convoluções curtas e a janela deslizante olham só pra vizinhança, o que é bem mais barato

Então usar poucas camadas globais e muitas locais é o jeito de manter o modelo rápido quando o contexto fica grande, que é exatamente o cenário de agentes

Além disso, a empresa lista outras três mudanças:

• Atenção com gate por cabeça: um gate sigmoid escala a saída de cada cabeça, que pode ser praticamente desligada quando não tem nada a acrescentar
• Partial RoPE: nas camadas de atenção global, só parte de cada cabeça recebe a codificação de posição; as camadas de janela deslizante mantêm RoPE completo
• Sandwich norm: cada bloco normaliza a entrada e a saída

A arquitetura foi definida por uma busca com hardware no loop, cobrindo 14 combinações de dispositivo e backend, de celulares e Raspberry Pi 5 até laptops, CPUs de nuvem, GPUs e a NPU Qualcomm Hexagon

No treino, o LFM3-1.7B-Base passou por 22T tokens de pré-treino, com vocabulário de 128K

Os 3,5T tokens finais são uma etapa de mid-training com mais traces agênticos e tool calls, e é ela que estende o contexto para 256K tokens

Desempenho anunciado: o que a Liquid AI afirma

Se liga: todos os números abaixo são da própria Liquid AI, publicados no anúncio no Hugging Face. São dados da empresa, então vale confirmar com teste próprio ou comparações de terceiros antes de bater o martelo

No modelo de texto, a empresa afirma que:

• O LFM3-1.7B supera o LFM2.5-2.6B usando 35% menos parâmetros
• Com 8K tokens no contexto, ele é cerca de 25% mais rápido por parâmetro que o LFM2-1.2B
• Em prompts curtos, os dois empatam

No encoder de visão próprio, os dados informados são:

• 164M parâmetros
• 3x menos computação que o encoder SigLIP2 usado nos LFM VL anteriores
• Mesma acurácia do encoder de visão do Qwen3.5-2B, com 2,2x menos FLOPs (ambos medidos com o backbone LFM2.5-230M)
• No vídeo, cada par de frames vira uma fatia temporal, o que corta a sequência temporal pela metade

No áudio, o encoder é totalmente causal, e a empresa fala em time to first token a partir de 50 ms

Já o LiquidCodec, o novo codec de áudio com decodificação em streaming, gera fala a cerca de 87x o tempo real em uma única thread de CPU de um Apple M4 Max

São números massa no papel, mas vale aquele ceticismo saudável: o ideal é esperar comparações independentes ou rodar no seu próprio caso de uso antes de cravar qualquer coisa

Onde baixar o LFM3 e em quais engines ele roda

Os modelos estão disponíveis no Hugging Face

Todos rodam em transformers, e as outras engines variam conforme o model card de cada modelo

Para o LFM3-1.7B, o model card lista:

• vLLM, SGLang e Transformers entre as engines suportadas
• llama.cpp, Ollama e LM Studio: via GGUF (confira o repositório GGUF correspondente direto na página do modelo no Hugging Face)
• MLX: para Apple Silicon

Se tu já serve modelos pequenos no vLLM, tem material aqui no blog sobre acelerar inferência em GPU no vLLM que ajuda a entender esse caminho

O LFM3-1.7B tem 1,73B parâmetros segundo o model card, ocupa cerca de 1 GB em 4 bits e tem janela de 256K tokens

Ou seja, nada de PC da Nasa pra rodar o modelo de texto localmente haha

Tome cuidado: essa lista de engines vale para o LFM3-1.7B. Para VL, Audio, Omni e os d1, confira o model card de cada um antes de escolher onde rodar

Licença do LFM3: o que pode e o que não pode no uso comercial

O LFM3-1.7B usa a LFM Open License v1.0, uma licença própria da Liquid AI baseada em Apache 2.0

A licença permite uso comercial gratuito para empresas com receita anual abaixo de US$ 10 milhões

Ao atingir US$ 10 milhões de receita anual ou mais, é preciso obter uma licença comercial com a Liquid AI, conforme a página da licença

Um detalhe importante: a licença conferida aqui é a do LFM3-1.7B

Para os outros cinco modelos, leia o model card de cada um antes de colocar em produção, beleza?

Para quem o LFM3 faz sentido

O LFM3 faz sentido pra quem quer rodar IA no dispositivo ou especializar um modelo pequeno com dados próprios

A Liquid AI indica o LFM3-1.7B para agentes locais, tool calling, saída estruturada e como base para fine-tuning de domínio

Segundo o model card, ele foi pós-treinado para harnesses agênticos como Hermes Agent, Pi e OpenClaw. O mesmo documento ressalva que o modelo não é recomendado para programação agêntica nem para raciocínio complexo em várias etapas, devido ao tamanho pequeno

E todos os modelos da família aceitam fine-tuning em uma única GPU, segundo a empresa, o que abre espaço pra adaptar o modelo à terminologia e ao ambiente da sua aplicação

Ligando perfil e modelo:

• Agente local, tool calling e saída estruturada: LFM3-1.7B
• App que entende imagem ou vídeo: LFM3-VL-2B
• Assistente de voz, com áudio entrando e fala saindo: LFM3-Audio-2B
• Aplicação que mistura imagem, vídeo e áudio: LFM3-Omni-2B
• Sistema que precisa de respostas calibradas para decidir: d1-2B ou d1-Omni-2B

Se o seu agente local também precisa buscar em documentos, dá uma olhada nos modelos abertos de recuperação da NVIDIA, que entram nessa mesma conversa de RAG e agentes

O resultado em cada caso depende dos seus dados e da sua tarefa, então nada de esperar milagre só porque o modelo é pequeno e rápido 😛

Conteúdo de apoio do canal

Confira também o vídeo do canal Hora de Codar abaixo, como conteúdo de apoio

Próximo passo: escolher o modelo pela modalidade e checar o model card

Começa definindo o que entra e o que sai da sua aplicação: só texto, imagem, vídeo, áudio ou tudo junto

Com isso em mãos, abre o model card do modelo correspondente no Hugging Face e confere duas coisas: a licença e as engines suportadas

Depois baixa os pesos no formato certo pra tua engine (GGUF, MLX ou BF16) e roda um teste rápido com um caso real antes de partir pro fine-tuning

Assim tu descobre rápido se o modelo dá conta do seu caso, sem gastar GPU à toa =)

Até o próximo post!

Quer aprender mais sobre inteligência artificial e programação na prática? Conheça o canal Hora de Codar no YouTube e acompanhe os próximos vídeos.