Новые модели LFM3 от Liquid AI переносят браузерных агентов, голосовые команды и распознавание изображений на локальные устройства

Модели построены на общей основе с 1,7 млрд параметров; специализированные версии имеют около 2 млрд. Они предназначены для повторяющихся рабочих процессов: маршрутизации запросов, извлечения данных из документов, анализа изображений и работы с бизнес-приложениями. Если небольшая модель надёжно справляется с конкретной задачей, компания может реже обращаться к удалённым ИИ-сервисам и сама выбирать, где выполнять инференс.

Для тех, кому удобен облачный сервис, в авторизованной консоли Liquid текстовая модель стоит $0,08 за миллион входных токенов и $0,20 за миллион выходных. Кэшированные входные токены стоят $0,02 за миллион. Чтобы увидеть тарифы LFM3 и получить данные для прямого доступа к API, разработчику нужно войти в консоль Liquid.

Результаты компании показывают и ограничения. В нескольких проверках по программированию, знаниям и длинному контексту текстовая модель уступает Qwen3.5-9B. Кроме того, для облачной версии указан меньший предел контекста, чем для загружаемой модели.

Поэтому LFM3 подходит для целевых пилотных проектов, а выгода от неё будет зависеть от задачи, стоимости развёртывания и условий лицензии.

Автоматизация браузера и её ограничения

Основная текстовая модель LFM3-1.7B поддерживает контекстное окно на 256K токенов — общий бюджет входных и выходных данных. Для API-версии в облачной консоли указан предел в 128 000 токенов. При выборе между облачным и самостоятельным развёртыванием компаниям нужно учитывать эту разницу. Liquid сообщает, что обучала модель для работы с фреймворками ИИ-агентов OpenClaw, Hermes Agent и Pi. Среди возможных задач — сортировка входящих писем, планирование и поиск информации в интернете.

Для оценки пригодности модели в бизнесе важнее результаты отдельных бенчмарков, а не среднее значение.

В тестах Liquid модель LFM3-1.7B набрала 38,42 балла в WebArena-Verified. Для сравнения, Qwen3.5-9B получила 28,94 балла, а предыдущая модель Liquid LFM2.5-2.6B — 3,02. В открытой проверке AutomationBench результаты составили 41,29, 15,10 и 0,94 балла соответственно.

В выбранных тестах есть как успехи, так и слабые места. Это результаты, опубликованные Liquid, а не независимая проверка VentureBeat.

Эти данные не позволяют считать LFM3 универсальной заменой более крупным моделям. Она опережает конкурентов в выбранных тестах для браузера и вызова функций, но уступает в MCP-Atlas и немного отстаёт от Qwen в EnterpriseOps-Gym. Заявленный размер контекстного окна также не означает, что модель точнее работает с длинными входными данными.

В письменном ответе VentureBeat Liquid признала, что крупные модели по-прежнему лучше справляются с программированием для ИИ-агентов и задачами на знания, где размер имеет наибольшее значение.

В документации компании ограничение сформулировано ещё прямее: модель не рекомендуют для программирования с помощью ИИ-агентов и сложных многоэтапных рассуждений из-за её небольшого размера.

Liquid не ответила прямо, использовались ли во всех сравнениях одинаковые инструменты и одинаковые возможности для рассуждений. В опубликованном анонсе Mercedes-Benz и Shopify названы партнёрами, которые тестировали и оценивали модели до выпуска, но независимого подтверждения результатов бенчмарков там нет. Прежде чем рассчитывать возможную экономию, компаниям стоит проверить собственные рабочие процессы, в том числе сбои при вызове инструментов, повторные попытки и передачу задачи другой модели.

Требования небольших моделей к оборудованию

Архитектурное изменение в LFM3 призвано сделать компактную модель полезнее. Новая конструкция сочетает свёрточные слои, эффективно обрабатывающие близкую друг к другу информацию, с механизмами внимания, которые анализируют ограниченное окно или более широкий контекст. Liquid называет эту архитектуру три-гибридной.

Общую основу предварительно обучили на 22 триллионах токенов. На следующих этапах обучения упор сделали на работу с инструментами, бизнес-процессы и другие задачи ИИ-агентов. По словам Liquid, текстовая модель с 1,7 млрд параметров превосходит прежнюю версию с 2,6 млрд, хотя параметров в ней примерно на 35% меньше.

Требования к памяти нужно оценивать отдельно. Liquid сообщает, что текстовая модель занимает около 1 ГБ при четырёхбитной точности. Однако это не означает, что всё приложение сможет работать в пределах 1 ГБ, особенно при обработке длинных запросов.

В последнем ответе компании поясняется, что отдельная цифра в 1,6 ГБ для контекста на 128K токенов относится к кэшу ключей и значений (KV-кэшу) — рабочей памяти, в которой сохраняется информация во время генерации. Для хранения модели и остальных операций тоже потребуется память. Полный бюджет памяти для максимального контекста в 256K токенов Liquid не указала.

Скорость локальной работы Liquid сравнивает на компьютере с AMD Ryzen AI Max+ 395, системе Apple M5 Max и iPhone 17 Pro. По данным компании, генерация у LFM3 в 1,8–2,8 раза быстрее, чем у следующей по скорости модели в каждом сравнении. Тесты проводились с помощью llama.cpp, на четырёхбитных моделях Q4_0, с входом на 32K токенов и одной обрабатываемой заявкой за раз.

В опубликованных таблицах приведены измерения LFM3-1.7B в формате Q4_0 GGUF: использовались llama.cpp, вход на 32K токенов, выход на 100 токенов, одна заявка за раз и выгрузка вычислений на видеокарту. Для AMD указана пиковая совокупная нагрузка на оперативную память компьютера и память видеокарты; для Apple — общая память устройства.

Эти измерения показывают, почему оценку размера модели примерно в 1 ГБ нельзя считать полным бюджетом памяти для развёртывания. Цифры относятся к конкретной сжатой модели и рабочей нагрузке и не гарантируют такой же результат для любого устройства или приложения.

Для серверного использования Liquid заявляет производительность, эквивалентную генерации 3,6 млрд токенов в сутки на одном Nvidia B300 при 1 024 одновременных запросах. Тест проводили с точностью BF16 и SGLang: на каждый запрос приходилось 1 024 входных и 256 выходных токенов, результат усреднили по трём запускам. Это совокупная пропускная способность, а не время выполнения сложной задачи для одного пользователя.

В отдельном тесте на одном Nvidia B200 время обработки на 95-м процентиле составило 150 миллисекунд при 500 запросах в секунду. Использовались входные данные на 128 токенов и выходные на 64 токена. Иначе говоря, 95% запросов завершились за указанное время или быстрее. При более длинных запросах — 1 024 входных и 256 выходных токенов — результат вырос до 668 миллисекунд при 100 запросах в секунду.

Для собственных моделей Liquid использовала серверное ПО RIPL, а для моделей конкурентов — vLLM. Поэтому результат отражает работу модели вместе с системой обслуживания запросов, а не одной архитектуры. Он также не показывает, какую задержку получат клиенты через облачный API.

Помимо текстовых ИИ-агентов, семейство рассчитано на другие виды приложений:

Предложения по пилотным проектам ниже — редакционный анализ, а не описание подтверждённых внедрений клиентов.

Модель для обработки изображений добавляет видеоввод к линейке LFM для компьютерного зрения. По данным Liquid, её средний результат в 62 проверках составил 71,4 балла. Для сравнения, LFM2.5-VL-3B набрала 57,6, а Qwen3.5-2B — 64,0. Среднее рассчитано без взвешивания результатов 62 проверок. В категориях распознавания текста на изображениях и анализа диаграмм модель LFM3-VL-2B получила 83,9 балла, тогда как предшественница набрала 71,2, а Qwen3.5-2B — 79,1. Для пилотных проектов по обработке документов эти результаты показательнее общего среднего, но они всё равно не подтверждают точность на документах конкретного заказчика.

Аудиомодель научилась анализировать записи и запускать программные инструменты по голосовым запросам. Liquid утверждает, что новый кодировщик обрабатывает входящую речь, пока человек ещё говорит, поэтому первый токен ответа может появиться всего через 50 миллисекунд после окончания фразы. Это лучший результат компании, а не полное время голосового ответа и не гарантия для API-сервиса.

LFM3-Omni-2B — первая модель Liquid, которая объединяет в такой конфигурации зрение, речь и язык. Несмотря на округлённое название, в ней 2,2 млрд параметров. Модель может анализировать видео вместе со звуковой дорожкой или принимать голосовую инструкцию и изображение, чтобы сформировать вызов инструмента.

В опубликованном анонсе приведён один возможный сценарий для бизнеса: Mercedes-Benz изучает, как локальный ИИ мог бы улучшить виртуального помощника MBUX. Mercedes-Benz и Shopify названы партнёрами по тестированию до выпуска, но подтверждённого внедрения LFM3 ни в одной из компаний и измеренных бизнес-результатов клиентов не представлено.

Модели для принятия решений работают иначе, чем разговорные ИИ-агенты. Liquid позиционирует d1-2B как преемницу d1-3B. Новые форматы структурированных ответов расширяют возможности предыдущей модели, которая умела отвечать «да» или «нет», выбирать вариант и выставлять оценку. По словам компании, модели могут за один проход оценить несколько вопросов о входных данных и вернуть ответы со структурой и вероятностями. Среди новых форматов — извлечение полей, поиск объектов, оценка числовых значений и выбор нескольких подходящих вариантов.

Для компании, которой нужно классифицировать входящую заявку или извлечь дату из счёта, такой узкий формат ответа может быть полезнее разговорной формулировки. Но прежде чем использовать вероятности для автоматических решений, их нужно проверить на данных самой компании.

Как локальная обработка речи и изображений может изменить рабочие процессы

Возможная польза этих функций для бизнеса — сбор информации непосредственно на месте выполнения задачи, с меньшим объёмом ручного ввода и меньшей потребностью отправлять исходные записи за пределы компании. Следующие сценарии — анализ возможных применений, а не внедрения или результаты, о которых сообщала Liquid. Для каждого понадобятся приложение вокруг модели, подключения к бизнес-системам и испытания на целевом оборудовании.

Представьте работника склада с упаковкой в руках или техника в перчатках. Локальная речевая модель могла бы превратить его замечание в черновик обновления инвентарных данных или записи о ремонте, а затем попросить подтвердить детали. Если добавить камеру, работник сможет показать повреждённую посылку, рассказать, что произошло, и подготовить запись с изображением и описанием. Время на заполнение форм может сократиться, если распознавание надёжно работает рядом с шумным оборудованием, при разных акцентах и одновременной речи нескольких людей.

Распознавание звуков требует отдельной оценки. Понимание голосовой просьбы ещё не доказывает, что модель надёжно распознаёт неисправность мотора, предупреждающий сигнал или другой звук, не связанный с речью. Компания может исследовать эти сценарии с помощью специального обучения и проверки, однако рассмотренные материалы не подтверждают точность LFM3 в распознавании промышленных звуков. Разумный первый шаг — помечать записи для проверки человеком и измерять количество пропущенных событий и ложных тревог. Подключать модель к операционным системам управления стоит только после этого.

Для работы с изображениями и видео можно начать с помощи сотруднику, который уже принимает решение. Например, на приёмке можно сравнить изображение посылки с ожидаемой маркировкой, а приложение для выездного обслуживания может помочь технику прочитать табличку оборудования и прикрепить её к нужной записи о ремонте. Короткие видео могут показать последовательность действий, которую не передаёт одна фотография. Это сценарии для проверки: поддержка видеоввода сама по себе не доказывает возможность непрерывного наблюдения камерой, надёжного отслеживания объектов или обнаружения каждого важного события.

Если обрабатывать такие материалы локально, в центральную систему можно отправлять краткий результат — например, предположение о несоответствии, — а не загружать каждую запись. Полностью локальное приложение могло бы продолжать сбор данных и предварительный анализ при отключении сети, а затем синхронизировать результаты. Но для задач, которым нужны актуальные складские данные или другие удалённые сервисы, соединение всё равно потребуется. Польза для конфиденциальности зависит от того, как приложение обрабатывает записи, журналы и внешние инструменты, а также от места запуска модели.

Экономический эффект зависит от того, окупит ли сэкономленное время сотрудников, сокращение сетевого трафика и объёма проверок оборудование и его обслуживание. Покупатели могут сравнить время, затрачиваемое на документирование каждой задачи, частоту исправлений и объём данных, отправляемых за пределы компании, с текущим процессом. Во время испытаний также стоит измерить длительную производительность, расход батареи и нагрев при работе с аудио или видео: опубликованные показатели генерации текста не дают ответа на эти вопросы для приложения с камерой и микрофоном.

Настройка улучшает распознавание дефектов, но не устраняет пробелы

Liquid приводит пример настройки модели под конкретную задачу. Компания адаптировала LFM3-VL-2B на примерно 3 000 общедоступных изображениях ветряных турбин. Обучение заняло несколько часов на Nvidia A100, а затем модель проверили примерно на 1 400 изображениях, которые не использовались при настройке.

По данным Liquid, точность классификации выросла с менее чем 10% до 67%. Но отдельная оценка F1 для обнаружения, отражающая способность находить и локализовать дефекты, составила лишь 0,11 против прежних 0,003. Пример показывает, что обучение под конкретную задачу может дать заметный прирост, но не подтверждает готовность модели к автономному промышленному осмотру. В анонсе Liquid есть пример настройки для ветряных турбин и блокноты с примерами файн-тюнинга для разработчиков, изучающих этот подход.

В примере с робототехникой для настройки модели компьютерного зрения под управление виртуальной роботизированной рукой через программные инструменты потребовалось около шести часов работы GPU на AMD Instinct MI325X. Liquid описывает робототехнику как исследовательское направление, поэтому этот результат не следует считать производственным внедрением.

Облачный API стоит от восьми центов за миллион входных токенов

Тарифы в консоли дают более конкретное представление об облачном варианте развёртывания.

Чтобы увидеть цены на LFM3 и получить ключ API для прямого вызова новых моделей, разработчикам нужно войти в консоль Liquid. В просмотренном VentureBeat каталоге с авторизацией указаны четыре генеративные модели LFM3; каждая отмечена как общедоступная в сервисе.

Источник: каталог моделей Liquid, доступный после входа. Цены указаны в долларах США за миллион токенов; для аудио расчёт ведётся за миллион аудиотокенов, а не за минуту. Условия для клиентов по договору могут отличаться.

Обработка миллиона некэшированных входных токенов и генерация миллиона выходных обойдутся с LFM3-1.7B в $0,28. Та же сумма текстовых токенов стоит $0,60 для модели компьютерного зрения и $1,10 для Audio или Omni — без учёта платы за аудиотокены. Это расчёты стоимости токенов, а не конкретной бизнес-задачи.

Для всех четырёх облачных моделей LFM3 указано контекстное окно в 128 000 токенов. В графах с ограничениями запросов стоят прочерки, однако консоль не обещает неограниченное использование: в сопроводительном уведомлении сказано, что лимиты общие для всех ключей API организации.

В консоли также указана цена d1.1 — $0,02 за миллион входных токенов. Кэшированные входные токены стоят столько же, а плата за выходные отсутствует. Это облачное название отличается от загружаемой модели d1-2B; снимки экрана не подтверждают, что это одна и та же модель.

Для клиентов, которым важна конфиденциальность, консоль указывает нулевое хранение данных для всех перечисленных моделей. Liquid заявляет, что использует отправленные материалы для выполнения запросов, но не сохраняет и не записывает их в журнал и не использует для обучения. Это описание обязательств сервиса со стороны компании; в рассмотренных материалах не указаны регионы размещения и гарантии поддержки.

Локальное развёртывание требует учесть лицензии и расходы на обслуживание

У локального развёртывания своя структура расходов. Liquid размещает веса LFM3 на Hugging Face, а также предоставляет Playground и консоль API. В каталоге моделей описаны доступные форматы и среды выполнения; их поддержка зависит от того, идёт ли речь о текстовой модели, обработке изображений, аудио или принятии решений. Перед покупкой стоит проверить конкретную модель и формат, а не полагать, что все функции доступны в любой среде.

Для загружаемых весов действуют условия коммерческого использования. В документации LFM3-1.7B прямо указана лицензия LFM Open License v1.0. Согласно опубликованным условиям Liquid, компаниям с годовой выручкой свыше $10 млн для коммерческого использования нужно заключить отдельное соглашение. Организации могут не публиковать свои адаптации, а на странице с тарифами Liquid сказано, что стоимость корпоративной лицензии зависит от масштаба развёртывания.

Локальный запуск позволяет отказаться от оплаты за токены в API, но не отменяет расходов на лицензию, оборудование, электричество и обслуживание. Локально работающий ИИ-агент также может передавать информацию через подключённые инструменты — поиск в интернете, обмен сообщениями и другие внешние сервисы, — даже если инференс выполняется на оборудовании компании.

Начните с измеримой бизнес-задачи

Для технических руководителей разумная отправная точка — ограниченный рабочий процесс с измеримым результатом: извлечение поля из документа, присвоение категории заявке или последовательность разрешённых вызовов инструментов. Нужно проверить точность и задержку развёрнутой версии, а затем учесть лицензирование, оборудование, обслуживание и проверку человеком.

Результаты Liquid дают основание испытать, сколько полезной работы может выполнить небольшая модель. Роль LFM3 в производственной среде будет зависеть от того, насколько надёжно она справится с конкретной задачей компании.