LFM3-1.7B en Ollama: un solo comando y una tarjeta de evaluación que se divide en dos

En el momento de escribir esto, la página de Ollama para lfm3 llevaba aproximadamente una hora en línea y había registrado 45 descargas. Eso es la totalidad de su uso público hasta ahora. El modelo que hay detrás, LiquidAI/LFM3-1.7B, se anunció un día antes, el 27 de octubre de 2026, como el miembro de texto de la familia LFM3, construido a partir de LFM3-1.7B-Base como columna vertebral —junto con los modelos de visión, audio, omni y dos de decisión que Liquid AI lanzó en el mismo lote. Lo que cambió el 28 de octubre no es el modelo. Es la entrega: ollama run lfm3 sustituye a la búsqueda de una compilación de llama.cpp compatible con LFM3, que era la ruta del día del lanzamiento.

La razón por la que vale más que una línea de registro de cambios es la tabla de benchmarks. LFM3-1.7B ocupa uno de los marcadores más desiguales de la categoría de modelos pequeños: supera a Qwen3.5-9B —un modelo más de cinco veces su tamaño— en automatización del navegador, llamada de herramientas y seguimiento de instrucciones, y pierde frente a él por un margen de dos dígitos en conocimiento general y recuperación de contexto largo. Todas las cifras de esa tabla son de Liquid AI. Nada de eso ha sido reproducido de forma independiente todavía.

¿Qué cambió realmente el 28 de octubre?

Ollama enumera cinco etiquetas para lfm3, todas registradas dentro de la misma hora, todas con una línea de contexto de 256K y entrada solo de texto. La predeterminada es la que la mayoría de la gente descargará.

• lfm3:latest y lfm3:1.7b — 1,7 GB, el artefacto predeterminado de clase Q4, y el mismo digest bajo ambos nombres

• lfm3:1.7b-mlx-bf16 — 3,5 GB, MLX de precisión completa para Apple silicon

• lfm3:1.7b-mxfp8 — 2,1 GB, MLX de 8 bits

• lfm3:1.7b-nvfp4 — 1.7 GB, y este es el que hay que leer detenidamente

Esa última etiqueta lleva el digest {{1}}2012d88e202f{{/1}} — el artefacto idéntico que hay detrás de :latest. Descargar {{2}}lfm3:1.7b-nvfp4{{/2}} a través de Ollama no te da el checkpoint NVFP4; el real es un repositorio aparte en Hugging Face, publicado para servir en GPU en lugar de para una descarga local. Que la etiqueta sea un marcador de posición o un error de publicación no es algo que documente la página de Ollama. Los digests se pueden comprobar, y son idénticos, que es lo que importa si contabas con ahorros de memoria FP4 en un portátil.

La página de Ollama en sí no es una carga de la comunidad. La ficha del modelo de Liquid AI nombra a Ollama como uno de los motores GGUF compatibles, junto a llama.cpp y LM Studio, así que se trata de la vía especificada por el proveedor que llega tarde, no de una compilación de un desconocido. El texto de la ficha del modelo en la página es de Liquid: «LFM3-1.7B es un modelo tri-híbrido para agentes locales y aplicaciones especializadas».

La arquitectura, en los términos que deciden si encaja

LFM3-1.7B tiene 1.73B de parámetros repartidos en 24 capas, y solo seis de esas capas realizan atención completa. Trece son convoluciones cortas con compuertas y un tamaño de kernel de siete, frente a tres de la generación anterior, y cinco son atención de ventana deslizante con una ventana de 256 tokens. La mayoría de los tokens de un prompt largo nunca llegan a una matriz de atención global, y de ahí surge la historia de la memoria.

Liquid coloca una caché KV de 128K tokens en 1.6 GB. La misma cifra para Qwen3.5-4B es 4.3 GB y para MiniCPM5-2B es 5.6 GB. Esa diferencia, no el número de parámetros, es la razón por la que un modelo de 1.7B puede mantener un contexto largo en hardware donde uno de 4B no puede. Hay otras dos cifras que conviene retener: 22T tokens de preentrenamiento y una etapa final de entrenamiento intermedio de 3.5T tokens, ponderada hacia trazas agénticas y llamadas a herramientas. Esa última etapa es la explicación más clara de todo lo que aparece en las dos secciones siguientes.

La tarjeta también enumera 16 idiomas, un vocabulario de 128K compartido con LFM2.5-8B-A1B y el modo de pensamiento activado por defecto — Ollama lo expone como una etiqueta de capacidad, no como un indicador oculto. El contexto de 256K es real en el sentido de la configuración, pero la tarjeta solo publica la cifra de KV a 128K; en los 256K completos, la caché escala con la ventana, así que considera el extremo superior de ese rango como una configuración de centro de datos y no de portátil.

Donde las puntuaciones son sólidas

El patrón es consistente en todas las tareas que recompensan hacer algo con una herramienta en lugar de saber algo sobre el mundo. Se trata de cifras reportadas por el proveedor, y los comparadores son los que eligió Liquid AI.

• WebArena-Verified — 38,42 para LFM3-1.7B, 3,02 para LFM2.5-2.6B y 28,94 para Qwen3.5-9B

• AutomationBench — 41,29, frente a 0,94 de LFM2.5-2.6B y 15,10 de Qwen3.5-9B

• BFCL V4 tool calling — 71.39, frente a 55.89 y 62.83 para los mismos dos

IFBench — 73.03, frente a 48.84 de Qwen3.5-9B

• IFEval — 96.66, el más alto de la tabla de Liquid

• LiveCodeBench v6 — 73.46, por delante de 69.86 de Qwen3.5-9B

La fila más interesante no es la más grande. AA-Omniscience es un benchmark que se puntúa en parte por si un modelo se niega a responder en lugar de adivinar, y LFM3-1.7B registra 92,93 en no alucinación frente a 52,59 de Qwen3.5-9B. Su precisión en el mismo conjunto es 7,07. Leídos en conjunto, esos dos números describen un modelo que en su mayoría dice que no sabe —una propiedad subestimada en un agente que está a punto de realizar una acción, y una mala en un asistente del que se espera que responda preguntas.

Donde pierde, a veces bastante mal

La misma tabla, leída al revés.

• GPQA Diamond — 63,37, frente a 80,40 de Qwen3.5-9B y 65,15 de MiniCPM5-2B, un modelo de 2B que lo supera

• Humanity's Last Exam, sin herramientas — 7.17, frente a 16.41 de Qwen3.5-9B

• RULER 128K — 65,56, frente a 84,63 de Qwen3.5-4B y 87,11 de Qwen3.5-9B

• Razonamiento de contexto largo AA-LCR — 52.83, frente a 62.00 de Qwen3.5-9B

• MCP-Atlas — 32,57, frente a 41,37 de Qwen3.5-4B y 42,67 de Qwen3.5-9B

• SWE-bench Verified — 43,40, frente a 51,20 de Qwen3.5-9B

• Terminal-Bench 2.1 — 12,92, frente a 17,98 para Qwen3.5-9B

La fila RULER merece su propia frase: el modelo cuya especificación estrella es una ventana de 256K es el recuperador de contexto largo más débil de su propia tabla comparativa, superado por modelos que anuncian una cuarta parte de eso. Una ventana larga y la capacidad de encontrar algo en ella son habilidades distintas, y LFM3-1.7B ha comprado la primera sin la segunda. Cualquiera que tenga previsto usarlo con un repositorio grande o un contrato largo debería poner a prueba esa fila antes de confiar en la ficha técnica.

MCP-Atlas y el par de SWE-bench son la misma lección en un registro distinto. LFM3-1.7B es bueno manejando una sola herramienta con un contrato claro. Está por detrás en el trabajo de varios pasos y varias herramientas para el que realmente están diseñados los frameworks de agentes, y aún más atrás cuando el trabajo exige saber qué hace una base de código.

Qué son estos números y qué no son

Todas las cifras anteriores proceden de la propia ejecución de evaluación de Liquid AI, publicada junto con el lanzamiento. La metodología no aparece en el anuncio: no hay configuración del arnés por prueba, ni declaración de cuántos intentos se promediaron, ni indicación de si los modelos de comparación fueron ejecutados por Liquid o citados de sus propias fichas. Una tabla de 27 filas con un único responsable es un argumento, no una medición.

No hay ninguna entrada de LFM3-1.7B en Artificial Analysis a fecha de 28 de octubre, así que no hay cifra de terceros que contraponer a la del proveedor. Eso cambiará, y cuando lo haga, la comparación más informativa será la de las filas agénticas, donde los márgenes del proveedor son más amplios y, por tanto, más necesitan una segunda opinión.

Un detalle apunta en la dirección contraria y merece reconocimiento. Liquid entrenó un checkpoint de destilación consciente de la cuantización específicamente para recuperar la precisión que cuesta la cuantización Q4_0, y lo distribuye como un archivo GGUF independiente. Publicar las cifras del modelo pequeño con la precisión que la gente realmente usará es más de lo que hacen la mayoría de los proveedores, y hace que las cifras de 4 bits sean algo más fiables de lo que serían con una cuantización a posteriori.

Ejecutarlo y los ajustes que importan

El comando de una sola línea es ollama run lfm3, y el valor predeterminado de 1,7 GB es el punto de partida adecuado en una máquina de 16 GB. La página también incluye cuatro lanzadores de una sola línea que conectan el modelo a un arnés de agentes ya existente: ollama launch claude --model lfm3, y el mismo patrón para OpenCode, Hermes Agent y OpenClaw. Eso es lo más útil de la página: significa que el modelo se puede integrar en un bucle de agentes que ya ejecutas sin necesidad de escribir un cliente, lo cual supone un listón más bajo que el que superan la mayoría de los lanzamientos de modelos locales.

Hay dos perfiles de muestreo en la tarjeta y no son intercambiables: temperatura 0.1 con top_k 50 y penalización por repetición 1.1 para chat, uso de herramientas, agentes y programación; temperatura 1.0 con top_p 0.95 y top_k 20 para matemáticas y ciencias. Usar el perfil de agente en un problema de matemáticas es la forma más común de hacer que este modelo parezca peor de lo que es.

Si descargas GGUF directamente en lugar de mediante Ollama, los tamaños de los archivos se disponen de forma útil. El checkpoint QAD Q4_0 es de 1,05 GB, ligeramente más pequeño que Q4_K_M con 1,1 GB, y es el que está entrenado para sobrevivir a la cuantización. Q6_K es de 1,43 GB y Q8_0 es de 1,85 GB si existe margen; BF16 es de 3,47 GB y rara vez vale la pena a este tamaño.

La licencia es la LFM Open License v1.0 — Apache 2.0 en esencia, con una adición: el uso comercial es gratuito por debajo de $10 millones en ingresos anuales y requiere una licencia de pago a partir de ese umbral. El umbral se agrega a nivel de grupo empresarial y se traslada con los ajustes finos, de modo que un derivado renombrado no puede eludirlo. Las organizaciones sin ánimo de lucro y los usuarios de investigación están exentos independientemente de sus ingresos. Si está cerca de ese límite, lea el texto de la licencia en lugar de un resumen, incluido este.

Qué implica el perfil dividido para la forma en que lo despliegas

Un modelo que es fuerte en el seguimiento de instrucciones y los contratos de herramientas, débil en conocimiento paramétrico y recuperación de contexto largo, y lo suficientemente barato como para ejecutarse en un portátil no es un asistente de propósito general. Es un ejecutor. La arquitectura que le encaja es un bucle local —el modelo decide qué herramienta llamar, formatea los argumentos y sigue el esquema—, con los pasos de gran carga de conocimiento y de contexto genuinamente largo delegados a algo más grande.

Esa división es el caso en el que un router se gana su lugar, y vale la pena ser precisos sobre qué cubre OrcaRouter aquí y qué no. LFM3-1.7B es de pesos abiertos y se ejecuta en tu propio hardware; no está en nuestro catálogo, y nada en este artículo es una promoción de API para él. Lo que ofrecemos es la otra mitad de la división: una sola clave paramás de 200 modelos alojados para el paso de escalado, con0% de margen sobre los precios de lista de los proveedores, conmutación automática por error cuando un proveedor se degrada, y un DSL de enrutamiento que compone varios modelos en una sola llamada. La versión práctica es que el modelo local sigue siendo el predeterminado para el bucle, y las llamadas que necesitan conocimiento real salen por un único endpoint en lugar de un segundo SDK y un segundo contrato.

Si estás evaluando el modelo en lugar de desplegarlo, la conmutación por error es la forma más económica de averiguar si resiste: dirige una porción del tráfico hacia él, mantén el respaldo configurado y compara con tus propias tareas en lugar de con la tabla de Liquid AI.

Preguntas que el lanzamiento deja abiertas

¿Es la compilación de Ollama lo mismo que el GGUF de Hugging Face?

No exactamente. El valor predeterminado de 1,7 GB de Ollama es de clase Q4 y coincide con el GGUF genérico, no con el checkpoint consciente de la cuantización, que es un archivo separado de 1,05 GB en Hugging Face entrenado para recuperar la precisión de Q4_0. La etiqueta nvfp4 se resuelve en el mismo digest que :latest, así que no es la compilación NVFP4 a pesar del nombre. Si la calidad de la cuantización importa para tu tarea, descarga el archivo QAD y ejecútalo directamente con llama.cpp.

¿Puede un portátil utilizar la ventana completa de 256K?

Rara vez. La cifra de caché de 1,6 GB que publica Liquid corresponde a 128K, y la memoria de caché escala con la ventana, así que los 256K completos necesitan aproximadamente el doble de eso antes de contar los pesos y el entorno de ejecución. En una máquina de 16 GB, un contexto de trabajo en el rango de 32K a 64K es el techo realista; la ventana más grande se interpreta mejor como una afirmación de margen para despliegues en servidor que como una capacidad de portátil.

¿Por qué discrepan tanto las puntuaciones de los agentes y las de conocimiento?

Porque están midiendo cosas diferentes, y la ejecución de entrenamiento favoreció una. La etapa final de entrenamiento intermedio de 3.5T de tokens hizo hincapié en trazas agénticas y llamadas a herramientas; después, el post-entrenamiento añadió ajuste fino supervisado sobre 1.75T de tokens y aprendizaje por refuerzo en el uso de herramientas y la salida estructurada. El conocimiento paramétrico es lo que un modelo de 1.7B tiene menos espacio para almacenar, y la división AA-Omniscience —7.07 de precisión frente a 92.93 de no alucinación— sugiere que se entrenó para rechazar en lugar de adivinar. Eso es una decisión de diseño, y es la correcta para un agente.

El veredicto

LFM3-1.7B es el primer modelo de esta categoría de peso en el que las filas de benchmarks agénticos son la razón para descargarlo en lugar de una nota a pie de página. Si estás construyendo un agente local que necesita llamar a herramientas de forma fiable, seguir un esquema y abstenerse en vez de inventar una respuesta, ahora está a un solo comando de distancia y el perfil encaja con la tarea. Si necesitas un modelo que sepa cosas, que recupere información de un documento largo con precisión o que resuelva una tarea de ingeniería de varios pasos, la tabla dice claramente que deberías buscar en otra parte, y la especificación de 256K es la línea menos fiable de todas.

La cifra que hay que observar no es el promedio de 49,37. Es si una ejecución independiente reproduce los márgenes agénticos, porque esas son las filas en las que un modelo de 1,7B afirma superar a uno de 9B y donde el arnés propio de un proveedor tiene más margen para favorecerse.