Liquid AI שחררה את LFM3 להפעלת מודלים מקומית על מכשירים

Liquid AI שחררה ב-27 באוקטובר את LFM3, משפחת מודלים קטנים שמיועדת להתאמה למשימה מוגדרת ולהרצה על חומרה שבשליטת הארגון. ההשקה כוללת שישה מודלים לטקסט, ראייה, קול, שילוב כמה סוגי קלט והחלטות מובנות. כולם נשענים על בסיס של 1.7 מיליארד פרמטרים, והגרסאות הייעודיות נמצאות סביב שני מיליארד פרמטרים. המשקלים זמינים ב-Hugging Face, לצד שירות API של Liquid AI.

המודל המרכזי, LFM3-1.7B, משתמש בארכיטקטורה שמשלבת קונבולוציות קצרות, attention בחלון מוגבל ו-attention גלובלי. לפי החברה, הגרסה הכמותית בארבעה ביטים תופסת בערך 1GB ומציעה חלון הקשר של 256 אלף טוקנים בהורדה מקומית. Liquid אומרת שכל אחד מהמודלים ניתן לכוונון על GPU יחיד, כדי להתאים אותו למסמכים, מונחים וכלים של תחום מסוים. גרסת הראייה מקבלת גם וידאו, גרסת הקול מיועדת לעבודה זורמת, וגרסת Omni משלבת טקסט, תמונה, וידאו וקול באותו מודל.

המסר המעשי הוא שליטה: מודל קטן יכול לעבוד בטלפון, במחשב נייד, במחשב קצה או בשרת פרטי, בלי לשלוח כל קלט לשירות מרוחק. זה רלוונטי לארגונים שמטפלים במסמכים רגישים, תמונות בדיקה, הקלטות שירות או פעולות חוזרות בתוך מערכות עסקיות. המשפחה כוללת גם מודלי החלטה שמחזירים בחירה, ציון, מיקום בתמונה או שדה שנקרא ממסמך, במקום לנסח תשובה ארוכה.

הנתונים שפורסמו דורשים זהירות. Liquid מדווחת על יתרון ב-WebArena-Verified ובכמה בדיקות של שימוש בכלים, אך VentureBeat מצאה שהמודל מפגר אחרי Qwen3.5-9B במבחנים אחרים, ובהם MCP-Atlas, ידע, קוד והקשר ארוך. אפילו התיעוד של Liquid לא ממליץ להשתמש ב-LFM3-1.7B לקוד סוכני מורכב או לחשיבה רב-שלבית כבדה. ההשוואות לא עברו אימות עצמאי מלא, ולא תמיד ברור אם לכל המודלים ניתנו אותם כלים ותקציב חישוב.

מה כדאי לבדוק לפני מעבר למודל מקומי

צוות שרוצה לנסות LFM3 צריך לבחור משימה צרה עם מדד הצלחה ברור: חילוץ שדות מחשבונית, מיון פניות, זיהוי פגם בתמונה או הפעלת כלי מוגדר. אחר כך יש למדוד דיוק, זמן תגובה, צריכת זיכרון, מספר ניסיונות חוזרים וכמה מקרים נשלחים למודל גדול יותר. חלון הקשר גדול אינו מבטיח שהמודל ימצא את הפרט הנכון במסמך ארוך.

יש גם הבדל בין הרצה עצמית לשירות המנוהל. VentureBeat מציינת שהתיעוד המקומי מפרסם 256 אלף טוקנים, בעוד הקונסולה המארחת מציגה מגבלה של 128 אלף לגרסת API. מחיר האחסון, הכוונון, הניטור והתחזוקה המקומית יכול לבטל חלק מהחיסכון בקריאות ענן. LFM3 נותנת לצוותים נקודת פתיחה שימושית לניסוי על מכשיר, אך ההחלטה צריכה להגיע מתוצאות על העבודה שלהם ולא מהממוצע של טבלת ביצועים.