Модели LFM3: Liquid AI выпустила шесть открытых нейросетей для локальных агентов — 1 ГБ памяти и русский язык
Liquid AI показала новое поколение маленьких моделей, которые работают на ноутбуке и телефоне. Разбираем, что входит в семейство, что говорят цифры компании и где ограничения.
- В линейке текст, зрение с видео, аудио, первая «омни»-модель и две модели для быстрых решений — все на одной базе LFM3-1.7B-Base.
- Веса уже на Hugging Face, есть поддержка llama.cpp, MLX, vLLM, Ollama и LM Studio; русский язык в списке поддерживаемых.
- Лицензия открытая, но с оговоркой: бесплатное коммерческое использование только для компаний с выручкой меньше $10 млн в год.
Liquid AI 27 октября выпустила модели LFM3 — семейство из шести открытых нейросетей около 2 млрд параметров, которые работают прямо на ноутбуке или телефоне. Текстовая версия в 4-битном виде занимает около 1 ГБ, держит контекст 256 тыс. токенов и, по тестам самой компании, в агентных задачах обходит модели в несколько раз крупнее.
Что произошло
Liquid AI — та самая команда, чью локальную модель для агентов LFM2.5-24B-A2B мы разбирали две недели назад. Теперь компания показала новое поколение. По официальному анонсу, базу обучали на 22 трлн токенов, а архитектуру перестроили под агентов: из 24 слоёв 13 — короткие свёртки, 5 — внимание со скользящим окном и 6 — глобальное внимание.
Подбирали архитектуру «с железом в цикле»: модель гоняли на 14 комбинациях устройств, включая смартфоны Samsung Galaxy S26 Ultra и OnePlus 15, Raspberry Pi 5, ноутбуки на Apple M4 Max и AMD Ryzen AI. Итог, по словам компании, — LFM3-1.7B сильнее прошлой LFM2.5-2.6B при на 35% меньшем числе параметров.
Модели LFM3: что входит в семейство
Все шесть моделей ответвлены от одной базы, поэтому выбираешь под задачу, а не тащишь одну тяжёлую универсальную сеть:
- LFM3-1.7B — текст, контекст 256 тыс. токенов, дообучена для агентных оболочек вроде Hermes Agent, Pi и OpenClaw.
- LFM3-VL-2B — картинки и впервые видео на входе, умеет рассуждать по шагам.
- LFM3-Audio-2B — распознавание и синтез речи, перевод, вызов инструментов голосом.
- LFM3-Omni-2B — видит, слышит и отвечает голосом в одной модели.
- d1-2B и d1-Omni-2B — модели, которые не пишут текст, а за один проход отвечают на список вопросов с калиброванной вероятностью.
По данным блога на Hugging Face, каждую модель можно дообучить на одной видеокарте. Компания показывает пример: за несколько часов на одной A100 визуальную модель научили находить дефекты на фото лопастей ветряков, и точность классификации выросла до 67%.
Маленькая локальная модель, которая не отправляет твои данные в облако, — это не игрушка, а самый честный способ держать агента рядом с кошельком.
Что говорят цифры
Все бенчмарки — от самой Liquid AI, независимых проверок пока нет, поэтому держи это в голове. Компания утверждает, что LFM3-1.7B лидирует по следованию инструкциям и вызову функций на BFCL и ToolSandbox и обгоняет Qwen3.5-9B на длинных задачах в браузере и бизнес-приложениях. При этом Liquid сама признаёт: в агентном программировании и задачах на знания крупные модели всё ещё сильнее, а поиск лишь сокращает разрыв.
Есть и сторонний отзыв, который приводит Liquid в анонсе. Инженер MacPaw сравнил LFM3-1.7B с Qwen3.5-2B на 65 повседневных задачах в macOS: успех 64% против 48%, на 58% меньше токенов на задачу, а «зависала» модель меньше чем в 1% попыток против 15%. Это всё равно цитата из релиза, а не независимый тест.
По скорости: в llama.cpp на 4-битной версии с контекстом 32 тыс. токенов модель, по данным компании, декодирует в 1,8–2,8 раза быстрее ближайших соперников. Полный контекст в 128 тыс. токенов требует 1,6 ГБ кэша против 4,3 ГБ у Qwen3.5-4B. Через API Liquid, как пишет VentureBeat, текстовая модель стоит $0,08 за миллион входных токенов и $0,20 за миллион выходных. Учти: в облачной версии лимит контекста — 128 тыс. токенов, а не 256 тыс., как у скачиваемой. И ещё одна честная строчка из документации, которую цитирует VentureBeat: для агентного программирования и сложных многошаговых рассуждений модель не рекомендуют из-за её размера.
Что это значит для тебя
Для криптана это прежде всего способ запустить ИИ-агента локально, не отдавая переписку, адреса и торговые заметки в чужое облако. Модель на 1 ГБ спокойно живёт на ноутбуке, понимает русский и умеет вызывать инструменты. Можно собрать помощника, который читает твои уведомления, сортирует почту или парсит отчёты проектов. Похожую логику «маленькая модель — локально» мы видели у MiniCPM-V 4.7.
Но не путай агента с банкиром. Модель на 2 млрд параметров всё ещё ошибается, а если дать ей доступ к кошельку и подписи транзакций, любая ошибка или вредная подсказка со страницы станет твоей потерей. Держи агента на чтении, а подпись — у себя. Ещё один момент — лицензия LFM Open License v1.0: если твоя компания зарабатывает $10 млн в год и больше, коммерческое использование по ней не разрешено.
FAQ
Где скачать модели LFM3? На Hugging Face в коллекции LiquidAI, есть версии GGUF, ONNX и MLX. Ещё их можно попробовать в Playground и через API Liquid AI.
Понимает ли модель русский? Да, русский есть в списке языков текстовой модели LFM3-1.7B.
Нужна ли мощная видеокарта? Для запуска — нет, текстовая модель в 4 битах занимает около 1 ГБ. Для дообучения хватит одной GPU.
Можно ли использовать бесплатно? Да, если ты частное лицо или компания с выручкой меньше $10 млн в год.
Итог: модели LFM3 — сильная заявка на локальных ИИ-агентов: маленькие, быстрые, с русским и открытыми весами. Цифры пока из первых рук, так что проверь на своих задачах, прежде чем доверять агенту что-то важное.
Материал не является инвестиционной рекомендацией. Крипта — высокий риск, решения принимаешь сам.
