LFM3-1.7B sur Ollama : une seule commande, et un bulletin qui se divise en deux

Au moment de la rédaction, la page Ollama de lfm3 était en ligne depuis environ une heure et avait enregistré 45 téléchargements. C’est là tout son usage public à ce jour. Le modèle derrière elle, LiquidAI/LFM3-1.7B, a été annoncé un jour plus tôt, le 27 octobre 2026, comme membre texte de la famille LFM3 construit à partir du socle LFM3-1.7B-Base — aux côtés des modèles vision, audio, omni et des deux modèles de décision que Liquid AI a livrés dans le même lot. Ce qui a changé le 28 octobre, ce n’est pas le modèle. C’est la mise à disposition : ollama run lfm3 remplace la recherche d’une compilation de llama.cpp compatible avec LFM3, qui était la voie du jour du lancement.

La raison qui vaut plus qu’une ligne de journal des modifications, c’est le tableau de benchmarks. LFM3-1.7B affiche l’un des bilans les plus déséquilibrés de la catégorie des petits modèles : il bat Qwen3.5-9B — un modèle plus de cinq fois plus gros — sur l’automatisation du navigateur, l’appel d’outils et le suivi d’instructions, et perd face à lui de plus de dix points sur les connaissances générales et la récupération en contexte long. Chiffre par chiffre, ce tableau provient de Liquid AI elle-même. Aucun de ces résultats n’a encore été reproduit de manière indépendante.

Qu’est-ce qui a réellement changé le 28 octobre ?

Ollama liste cinq tags pour lfm3, tous horodatés dans la même heure, tous accompagnés d'une ligne de contexte de 256K et d'une entrée texte uniquement. Le tag par défaut est celui que la plupart des gens vont récupérer.

• lfm3:latest et lfm3:1.7b — 1,7 Go, l’artefact par défaut de classe Q4, et le même digest sous les deux noms

• lfm3:1.7b-mlx-bf16 — 3,5 Go, MLX en pleine précision pour Apple silicon

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

• lfm3:1.7b-nvfp4 — 1,7 Go, et c’est celui qu’il faut lire attentivement

Ce dernier tag porte le digest 2012d88e202f — exactement le même artefact que celui derrière :latest. Récupérer lfm3:1.7b-nvfp4 via Ollama ne vous donne pas le checkpoint NVFP4 ; le vrai se trouve dans un dépôt séparé sur Hugging Face, publié pour le service sur GPU plutôt que pour un pull local. Que le tag soit un espace réservé ou une erreur de publication, la page d’Ollama ne le documente pas. Les digests sont vérifiables, et ils sont identiques, ce qui est l’élément important si vous comptiez sur les économies de mémoire FP4 sur un ordinateur portable.

La page Ollama elle-même n’est pas un ajout communautaire. La fiche modèle de Liquid AI cite Ollama parmi les moteurs GGUF pris en charge, aux côtés de llama.cpp et LM Studio ; il s’agit donc du chemin spécifié par le fournisseur qui arrive tardivement, et non de la compilation d’un inconnu. Le texte de la fiche modèle sur la page est celui de Liquid : « LFM3-1.7B est un modèle tri-hybride pour agents locaux et applications spécialisées. »

L'architecture, dans les termes qui déterminent si elle convient

LFM3-1.7B compte 1,73 milliard de paramètres répartis sur 24 couches, et seules six de ces couches effectuent une attention complète. Treize sont des convolutions courtes à portes avec une taille de noyau de sept, contre trois dans la génération précédente, et cinq sont de l’attention à fenêtre glissante avec une fenêtre de 256 jetons. La plupart des jetons d’un long prompt n’atteignent jamais de matrice d’attention globale, d’où l’aspect mémoire.

Liquid place un cache KV de 128K tokens à 1,6 Go. Le même chiffre pour Qwen3.5-4B est de 4,3 Go et pour MiniCPM5-2B, de 5,6 Go. C’est cet écart, et non le nombre de paramètres, qui explique pourquoi un modèle 1,7B peut tenir un long contexte sur du matériel où un modèle 4B en est incapable. Deux autres chiffres méritent d’être retenus : 22T tokens de pré-entraînement, et une phase finale de mid-training de 3,5T tokens, davantage axée sur les traces agentiques et les appels d’outils. Cette dernière phase est l’explication la plus claire de tout ce qui figure dans les deux sections suivantes.

La fiche indique aussi 16 langues, un vocabulaire de 128K partagé avec LFM2.5-8B-A1B, et la réflexion activée par défaut — Ollama l’expose comme une étiquette de capacité, pas comme un indicateur caché. Le contexte de 256K est bien réel au sens de la configuration, mais la fiche ne publie le chiffre KV qu’à 128K ; à 256K complet, le cache évolue avec la fenêtre, alors considérez le haut de cette plage comme un réglage de centre de données plutôt que d’ordinateur portable.

Là où les scores sont forts

Le schéma est le même pour toutes les tâches qui récompensent le fait d'accomplir quelque chose à l'aide d'un outil plutôt que de savoir quelque chose sur le monde. Ce sont des chiffres communiqués par le fournisseur, et les comparateurs sont ceux qu'a choisis Liquid AI.

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

• AutomationBench — 41,29, contre 0,94 pour LFM2.5-2.6B et 15,10 pour Qwen3.5-9B

• Appel d’outils BFCL V4 — 71,39, contre 55,89 et 62,83 pour les deux mêmes

• IFBench — 73,03, contre 48,84 pour Qwen3.5-9B

• IFEval — 96,66, le score le plus élevé du tableau de Liquid

• LiveCodeBench v6 — 73,46, devant les 69,86 de Qwen3.5-9B

La ligne la plus intéressante n’est pas la plus grande. AA-Omniscience est un benchmark dont le score dépend en partie du fait qu’un modèle refuse de répondre plutôt que de deviner, et LFM3-1.7B obtient 92,93 en non-hallucination contre 52,59 pour Qwen3.5-9B. Sa précision sur le même ensemble est de 7,07. Lus ensemble, ces deux chiffres décrivent un modèle qui dit surtout qu’il ne sait pas — ce qui est une propriété sous-estimée chez un agent sur le point d’agir, et une mauvaise chez un assistant censé répondre à des questions.

Là où il perd, parfois gravement

Le même tableau, lu dans l'autre sens.

• GPQA Diamond — 63,37, contre 80,40 pour Qwen3.5-9B et 65,15 pour MiniCPM5-2B, un modèle 2B qui le surpasse

• Humanity's Last Exam, sans outils — 7,17, contre 16,41 pour Qwen3.5-9B

• RULER 128K — 65,56, contre 84,63 pour Qwen3.5-4B et 87,11 pour Qwen3.5-9B

Raisonnement sur contexte long AA-LCR — 52,83, contre 62,00 pour Qwen3.5-9B

• MCP-Atlas — 32,57, contre 41,37 pour Qwen3.5-4B et 42,67 pour Qwen3.5-9B

• SWE-bench Verified — 43,40, contre 51,20 pour Qwen3.5-9B

• Terminal-Bench 2.1 — 12,92, contre 17,98 pour Qwen3.5-9B

La ligne RULER mérite sa propre phrase : le modèle dont la caractéristique phare est une fenêtre de 256K est le plus faible en recherche dans un contexte long de son propre tableau comparatif, battu par des modèles qui n’en annoncent qu’un quart. Une longue fenêtre et la capacité d’y trouver quelque chose sont deux compétences distinctes, et LFM3-1.7B a acquis la première sans la seconde. Quiconque envisage de l’orienter vers un grand dépôt ou un long contrat devrait tester cette ligne avant de se fier à la fiche technique.

MCP-Atlas et le duo SWE-bench sont la même leçon dans un registre différent. LFM3-1.7B est bon pour piloter un seul outil avec un contrat clair. Il est en retard sur le travail multi-étapes et multi-outils pour lequel les frameworks d’agents sont réellement conçus, et davantage encore lorsque le travail exige de savoir ce que fait une base de code.

Ce que ces chiffres sont, et ce qu’ils ne sont pas

Chaque chiffre ci-dessus provient de la propre campagne d’évaluation de Liquid AI, publiée en même temps que le lancement. La méthodologie ne figure pas dans l’annonce : aucune configuration de banc d’essai par test, aucune indication du nombre de tentatives moyennées, aucune indication permettant de savoir si les modèles comparateurs ont été exécutés par Liquid ou repris de leurs propres fiches. Un tableau de 27 lignes avec un seul propriétaire est un argument, pas une mesure.

Il n'existe pas d'entrée LFM3-1.7B sur Artificial Analysis au 28 octobre, donc aucun chiffre tiers à comparer à celui du fournisseur. Cela changera, et lorsque ce sera le cas, la comparaison la plus instructive portera sur les lignes agentiques, où les marges du fournisseur sont les plus larges et ont donc le plus besoin d'un second avis.

Un détail joue en sens inverse et mérite d’être salué. Liquid a entraîné un checkpoint de distillation tenant compte de la quantification spécifiquement pour récupérer la précision que coûte la quantification Q4_0, et le livre sous forme de fichier GGUF distinct. Publier les chiffres des petits modèles à la précision que les gens utiliseront réellement, c’est plus que ce que font la plupart des fournisseurs, et cela rend les chiffres en 4 bits légèrement plus dignes de confiance qu’une quantification a posteriori ne le ferait.

L’exécuter, et les paramètres qui comptent

La commande en une ligne est ollama run lfm3, et la valeur par défaut de 1,7 Go est le bon point de départ sur une machine de 16 Go. La page présente aussi quatre lanceurs en une ligne qui intègrent le modèle à un harnais d'agent existant — ollama launch claude --model lfm3, et le même schéma pour OpenCode, Hermes Agent et OpenClaw. C'est l'élément le plus utile de la page : le modèle peut être inséré dans une boucle d'agent que vous utilisez déjà sans écrire de client, ce qui abaisse la barre par rapport à la plupart des lancements de modèles locaux.

Deux profils d'échantillonnage figurent sur la fiche et ils ne sont pas interchangeables : température 0,1 avec top_k 50 et pénalité de répétition 1,1 pour le chat, l'utilisation d'outils, les agents et le codage ; température 1,0 avec top_p 0,95 et top_k 20 pour les maths et les sciences. Utiliser le profil agent sur un problème de maths est la façon la plus courante de faire paraître ce modèle moins bon qu'il ne l'est.

Si vous récupérez GGUF directement plutôt que via Ollama, les tailles de fichiers s’agencent utilement. Le checkpoint QAD Q4_0 fait 1,05 Go, légèrement plus petit que Q4_K_M à 1,1 Go, et c’est celui qui est entraîné à survivre à la quantification. Q6_K fait 1,43 Go et Q8_0 fait 1,85 Go si la marge existe ; BF16 fait 3,47 Go et vaut rarement le coup à cette taille.

La licence est la LFM Open License v1.0 — essentiellement Apache 2.0, avec un ajout : l’utilisation commerciale est gratuite en dessous de 10 millions de dollars de chiffre d’affaires annuel et nécessite une licence payante à partir de ce seuil. Le seuil est agrégé à l’échelle d’un groupe de sociétés et il suit les fine-tunes, de sorte qu’un dérivé renommé n’y échappe pas. Les organisations à but non lucratif et les utilisateurs de la recherche en sont exonérés quel que soit leur chiffre d’affaires. Si vous êtes proche de cette limite, lisez le texte de la licence plutôt qu’un résumé, y compris celui-ci.

Ce que le profil fractionné implique pour la manière dont vous le déployez

Un modèle qui est performant sur le suivi des instructions et les contrats d’outils, faible sur les connaissances paramétriques et la récupération en contexte long, et assez peu coûteux pour tourner sur un ordinateur portable n’est pas un assistant généraliste. C’est un exécuteur. L’architecture qui lui convient est une boucle locale — le modèle décide quel outil appeler, formate les arguments, respecte le schéma —, les étapes gourmandes en connaissances et véritablement à contexte long étant confiées à quelque chose de plus grand.

Cette séparation est exactement le cas où un routeur justifie sa place, et il vaut la peine d'être précis sur ce qu'OrcaRouter couvre et ne couvre pas ici. LFM3-1.7B est à poids ouverts et tourne sur votre propre matériel ; il ne figure pas dans notre catalogue, et rien dans cet article n'est un argumentaire d'API pour ce modèle. Ce que nous fournissons, c'est l'autre moitié de la séparation : une seule clé pour plus de 200 modèles hébergés pour l'étape d'escalade, avec 0 % de marge sur les prix catalogue des fournisseurs, un basculement automatique en cas de dégradation d'un fournisseur, et un DSL de routage qui compose plusieurs modèles en un seul appel. En pratique, le modèle local reste la solution par défaut pour la boucle, et les appels qui nécessitent de véritables connaissances passent par un seul point de terminaison au lieu d'un second SDK et d'un second contrat.

Si vous évaluez le modèle plutôt que de le déployer, le basculement est le moyen le moins coûteux de savoir s’il tient la route : dirigez une partie du trafic vers lui, gardez la solution de repli configurée et comparez sur vos propres tâches plutôt que sur le tableau de Liquid AI.

Questions que le lancement laisse en suspens

La version Ollama est-elle la même chose que le GGUF de Hugging Face ?

Pas tout à fait. Le modèle par défaut de 1,7 Go d’Ollama est de classe Q4 et correspond au GGUF générique plutôt qu’au checkpoint sensible à la quantification, qui est un fichier distinct de 1,05 Go sur Hugging Face entraîné à retrouver la précision de Q4_0. Le tag nvfp4 se résout vers le même digest que :latest, donc ce n’est pas la version NVFP4 malgré son nom. Si la qualité de quantification importe pour votre tâche, récupérez le fichier QAD et exécutez-le directement via llama.cpp.

Un ordinateur portable peut-il utiliser la totalité de la fenêtre de 256K ?

Rarement. Le chiffre de 1,6 Go de cache publié par Liquid concerne 128K, et la mémoire de cache évolue avec la fenêtre, donc le 256K complet en nécessite environ le double avant de compter les poids et le runtime. Sur une machine de 16 Go, un contexte de travail dans la plage 32K à 64K constitue le plafond réaliste ; la fenêtre plus grande doit plutôt être comprise comme une revendication de marge pour les déploiements serveur que comme une capacité d’ordinateur portable.

Pourquoi les scores des agents et ceux des connaissances divergent-ils autant ?

Parce qu’ils mesurent des choses différentes, et que l’entraînement a favorisé l’un des deux. La dernière étape de mi-entraînement, sur 3,5 T de tokens, a mis l’accent sur les traces agentiques et les appels d’outils ; le post-entraînement a ensuite ajouté un affinage supervisé sur 1,75 T de tokens et de l’apprentissage par renforcement couvrant l’utilisation d’outils et les sorties structurées. C’est dans les connaissances paramétriques qu’un modèle de 1,7 B a le moins de capacité de stockage, et la répartition d’AA-Omniscience — 7,07 en exactitude contre 92,93 en non-hallucination — suggère qu’il a été entraîné à refuser de répondre plutôt qu’à deviner. C’est un choix de conception, et c’est le bon pour un agent.

Le verdict

LFM3-1.7B est le premier modèle de cette catégorie de poids où les lignes de benchmarks agentiques sont la raison de le télécharger plutôt qu’une note de bas de page. Si vous construisez un agent local qui doit appeler des outils de manière fiable, suivre un schéma et s’abstenir plutôt que d’inventer une réponse, il est désormais accessible en une seule commande et le profil correspond à la tâche. Si vous avez besoin d’un modèle qui sait des choses, extrait avec précision d’un long document ou mène à bien une tâche d’ingénierie en plusieurs étapes, le tableau dit clairement que vous devriez chercher ailleurs — et la spécification 256K est la ligne la moins fiable du tableau.

Le chiffre à surveiller n’est pas la moyenne de 49,37. C’est de savoir si une exécution indépendante reproduit les marges agentiques, car ce sont les lignes où un modèle de 1,7 B prétend battre un modèle de 9 B et où le propre harnais d’un fournisseur a le plus de latitude pour embellir les résultats.