Liquid AI가 3세대 Liquid 파운데이션 모델 LFM3을 공개했습니다. 2B급 모델 6종이 LFM3-1.7B-Base 백본을 공유하며, 각각 텍스트, 비전(첫 번째로 비디오 입력 지원), 음성, 올모달 및 '의사 결정' 출력 영역을 커버합니다. 가중치는 Hugging Face에 업로드되었으며, 스마트폰, 노트북 등 디바이스에서 로컬 실행 및 단일 GPU 미세 조정을 주요 특징으로 합니다.
신뢰도: 높음(80) · 이벤트 시간 2026-10-27
이유
- 공식적으로 새로운 3중 하이브리드 아키텍처(게이팅된 짧은 컨볼루션 + 슬라이딩 윈도우 어텐션 + 글로벌 어텐션)를 통해 LFM3-1.7B가 35% 적은 파라미터로 LFM2.5-2.6B를 능가한다고 밝혔습니다. 가장 큰 성능 향상은 에이전트 작업에서 나타났으며, WebArena-Verified 점수는 38.42(이전 세대 3.02)입니다. 텍스트 모델은 4-bit 양자화 시 약 1GB이며, 컨텍스트 길이는 256K, 사전 학습 데이터는 22T 토큰입니다.
- LFM3-VL-2B는 62개 비전 벤치마크의 평균 점수가 57.6(LFM2.5-VL-3B)에서 71.4으로 상승했으며, 공식적으로 Gemma 4 12B와 동등한 수준이라고 주장합니다. 자체 개발한 비전 인코더의 연산량은 SigLIP2의 3분의 1입니다.
- LFM3-Omni-2B는 Liquid의 첫 번째 올모달 모델로, 보고 듣고 음성으로 답변할 수 있으며, 음성 인식 + 비전 언어 모델 + LLM + 음성 합성으로 구성된 파이프라인을 대체할 수 있습니다. 오디오 인코더는 완전 인과적(full-causal)이며, 공식적으로 첫 번째 토큰 생성까지 걸리는 시간이 최소 50밀리초라고 밝혔습니다.
- d1-2B, d1-omni-2B는 텍스트를 생성하지 않으며, 하나의 입력에 대해 한 번의 순방향 패스로 여러 질문에 답변하고 각각 보정된 확률을 제공합니다. 이는 티켓 분류, 인보이스 필드 읽기 등 구조화된 판단 작업에 사용됩니다.
사용법
- 모델은 Hugging Face의 LiquidAI 조직 아래(LFM3 컬렉션, 자체 후속 학습용 LFM3-1.7B-Base 포함)에 있으며, transformers로 로드할 수 있습니다(trust_remote_code 필요). 모델 카드에는 llama.cpp 등 추론 엔진도 별도로 나열되어 있습니다.
- 공식적으로 모든 모델이 단일 GPU에서 미세 조정 가능하다고 주장하며, LFM3-1.7B는 Hermes Agent, Pi, OpenClaw 등 에이전트 프레임워크를 대상으로 후속 학습을 수행했습니다.
리스크
- 라이선스는 Apache나 MIT가 아닌 LFM Open License v1.0입니다. 연 매출 1,000만 달러 이상인 기업의 상업적 사용은 라이선스 범위에 포함되지 않습니다.
- 벤치마크 점수는 모두 Liquid가 자체적으로 공개한 것으로, 제3자의 재현 검증이 없으며 모델의 실제 출력 결과를 확인하지 못했습니다.