מציגים את LFM3: שישה מודלים של 2B, שלד אחד, וחלון של 256 טוקנים שאינו מהווה הקשר

משפחת LFM3 של Liquid AI הגיעה ב-27 באוקטובר 2026 כשישה צ׳קפוינטים בדרג 2B ולא כמודל דגל יחיד: LFM3-1.7B לטקסט, LFM3-VL-2B לראייה, LFM3-Audio-2B לדיבור, LFM3-Omni-2B לכל המשימות בבת אחת, ובנוסף שני מודלי החלטה, d1-2B וd1-omni-2B. כל השישה מסתעפים מעמוד שדרה יחיד שאומן מראש, LFM3-1.7B-Base, שאותו Liquid גם שחררה. המסגור של החברה הוא "אינטליגנציה מתמחה" — סירוב מכוון להשיק מודל כללי קטן ולהתחרות בציר הלא נכון.

בתוך יום מההכרזה, מספר אחד מהמסמך הטכני כבר פורש לא נכון. הארכיטקטורה של LFM3 מפרטת שכבות תשומת־לב עם חלון מחליק בגודל 256 טוקנים. זו הגאומטריה של תשומת־הלב בכל שכבה, לא אורך ההקשר של המודל. מודל הטקסט מקבל 256K טוקנים של הקשר. קוראים שעברו במהירות על טבלת השכבות והסיקו ש-Liquid השיקה מודל 2026 עם זיכרון של 256 טוקנים מחזיקים בראש מודל שגוי, וכדאי לתקן זאת לפני שדבר אחר בקטע הזה יהיה הגיוני.

מהי למעשה הארכיטקטורה התלת-היברידית

LFM3 מחליף את המיזוג הדו-כיווני של LFM2 בשלושה סוגי שכבות הנערמים בגוף בן 24 שכבות. שלוש-עשרה שכבות הן קונבולוציות קצרות עם שער, חמש הן קשב בחלון מחליק עם חלון של 256 אסימונים, ושש הן קשב גלובלי מלא. גרעין הקונבולוציה מתרחב מ-3 ל-7. שלושה שינויים קטנים יותר מתלווים לכך: שער סיגמואידי שמשנה את קנה המידה של הפלט של כל ראש קשב באופן בלתי תלוי, הטמעות רוטציוניות חלקיות בשכבות הגלובליות שמסובבות רק את המחצית בעלת התדירות הגבוהה ביותר של כל ראש, ונרמול סנדוויץ' שמתנה גם את הקלט וגם את הפלט של כל בלוק.

ההימור הוא שקונבולוציות קצרות נושאות את רוב המבנה המקומי בזול, קשב דליל מטפל בטווח הביניים, ופרוסה דקה של קשב גלובלי מחברת את כל חלון ה-256K יחד. לכן מטמון ה-KV נשאר קטן מספיק כדי להיות משמעותי — Liquid מדווחת על מטמון מלא של 128K טוקנים בנפח 1.6 GB, לעומת 4.3 GB עבור Qwen3.5-4B ו-5.6 GB עבור MiniCPM5-2B באותה מדידה. מודל הטקסט עצמו נכנס בנפח של כ-1 GB ברמת דיוק של 4 סיביות.

האימון התבצע בארבעה שלבים: 22 טריליון טוקנים של אימון מקדים, שלב אימון אמצעי בנפח 3.5 טריליון טוקנים שהיה עתיר עקבות סוכניות וקריאות לכלים ואף הרחיב את חלון ההקשר ל-256K, כיוונון עדין מפוקח על 1.75 טריליון טוקנים, ולאחר מכן למידת חיזוק משולבת עם זיקוק מקוון (on-policy) רב-תחומי משישה מורים מומחים. אוצר המילים כולל 128K טוקנים, משותף עם LFM2.5-8B-A1B ונבנה כך שיטוקן מערכות כתב שאינן לטיניות ביעילות רבה יותר מקודמו.

ששת המודלים, ולאן הולך ההקשר שלהם

Liquid מבהירה במפורש שאלה אחים, לא דרגות. כל אחד מהם משתמש באותו שלד ועובר אימון נוסף עבור צורת פלט שונה.

• LFM3-1.7B — מודל צפוף לטקסט ולסוכנים, 1.73B פרמטרים, הקשר של 256K, הפעלת כלים מקורית ופלט מובנה.

• LFM3-VL-2B — חזותי-לשוני, 1.9B פרמטרים, עם מקודד חזותי פנימי שלדברי Liquid זקוק לכשליש בערך מעומס החישוב של SigLIP2.

• LFM3-Audio-2B — ASR, TTS, תרגום דיבור והבנת אודיו, באמצעות מקודד פנימי בתוספת LiquidCodec.

• LFM3-Omni-2B — מודל האומני הראשון של Liquid: טקסט, תמונה, וידאו ואודיו בקלט; טקסט או דיבור בפלט.

• d1-2B — מודל החלטה שנבנה מענף הראייה, שעונה על שאלות מובנות במעבר קדימה יחיד עם הסתברויות מכוילות ולא בפרוזה חופשית.

• d1-omni-2B — אותו ממשק החלטה בענף ה-omni.

חלונות ההקשר אינם אחידים, וזה הפרט שרוב סיקור ההשקה השמיט. Liquid מפרסמת חלון עבור מודל הטקסט ומודל הבסיס — 256K, קלט ופלט יחד — ולא עבור אף אחד מארבעת האחרים. לא ההודעה ולא תיעוד המודל מציינים אורך הקשר עבור LFM3-VL-2B, ‏LFM3-Audio-2B, ‏LFM3-Omni-2B או עבור מי משני מודלי ההחלטה. פרסומים של צד שלישי הפיצו 128K עבור מודל הראייה ו-32K עבור מודל ה-Omni, והנתונים האלה בהחלט עשויים להיות נכונים, אך נכון ל-28 באוקטובר הם אינם מופיעים בדפים של Liquid עצמה. אם אתם מתכננים סוכן שקורא מסמכים ארוכים וגם מסתכל על צילומי מסך, כיום אינכם יכולים לאמוד את חלון ההקשר של מודל ה-Omni מתיעוד של צד ראשון כלל. זהו פער שראוי לתת לו שם, ולא למלא אותו מתוך בלוג שמילא אותו ממקום אחר.

טבלת הבנצ'מרק, בקריאה כנה

כל נתון ביצועים שלהלן הוא של Liquid עצמה, הופק באמצעות ההרנס של Liquid עצמה, ואף לא אחד מהם שוחזר באופן בלתי־תלוי. נכון ל־28 באוקטובר 2026 אין ערך LFM3 ב-Artificial Analysis — אין Intelligence Index, אין מדידת מהירות או השהיה מצד גורם ניטרלי. זה חשוב כאן יותר מהרגיל משום שההשוואה שההשקה נשענת עליה היא השוואה באותו הרנס, מה שמחמיא למודל שההרנס כוונן עבורו.

LFM3-1.7B משיג 49.37 בממוצע 27 המבחנים של Liquid. המודל LFM2.5-2.6B של החברה עצמה משיג 31.55 על אותה קבוצה, ומכאן מגיעה הטענה של "35% פחות פרמטרים". השורות המעניינות אינן הממוצע:

• שימוש בכלים — BFCL V4 71.39, ToolSandbox 80.36, τ³-bench 68.01, MCP-Atlas 32.57.

• ווב סוכני — WebArena-Verified 38.42, AutomationBench 41.29, BrowseComp-Plus 37.00, LiveClaw 45.60.

• קידוד אגנטי — SWE-bench Verified 43.40, SWE-bench Multilingual 23.00, Terminal-Bench 2.1 ב-12.92.

• עמידה בהוראות — IFEval 96.66, IFStruct 93.72, IFBench 73.03, Multi-IF 89.10.

• ידע — GPQA Diamond 63.37, HLE 7.17 ללא כלים ו-13.90 איתם.

• הקשר ארוך — RULER 128K 65.56, AA-LCR 52.83.

כשקוראים את הפרופיל כצורה ולא כסכום כולל, הוא קוהרנטי: עמידה חזקה מאוד בהוראות, קריאה לכלים ברמה מכובדת בסבב בודד, וצניחה תלולה ברגע שמשימה דורשת צעדים רצופים רבים. Terminal-Bench 2.1 עם 12.92 ו-SWE-bench Multilingual עם 23.00 אינם מספרים שעליהם בונים סוכן קידוד אוטונומי. Liquid לא מסתירה זאת — כרטיס המודל מכוון משתמשים הרחק מהיסק מורכב וקידוד רב-שלבי, וזהו מהלך מיצוב ישיר באופן יוצא דופן מצד ספק ביום ההשקה.

טענות היעילות הן החצי השני של הפיץ'. ב-Q4_0 וב-32K הקשר, Liquid אומרת ש-LFM3-1.7B היה הדגם המהיר ביותר בכל שלושת מכשירי הבדיקה, מהיר פי 1.8 עד 2.8 מהמתחרה הבא בתור, עם טביעת הרגל הזיכרון הנמוכה ביותר. על NVIDIA B300 בודד עם SGLang ב-BF16 הוא שירת 3.6 מיליארד טוקנים ביום ב-1,024 בקשות במקביל. החברה גם הריצה יותר מ-300,000 סוכני LFM3-1.7B במקביל על ארכיון האימייל של Enron כדemonstration עומס. אלה נתוני ספק, לא מבוקרים, אבל אלה סוג של נתונים שקשה לנפח בשקט.

רישיון וכמה עולה להפעיל אותו

המשקולות זמינות ב-Hugging Face בגרסאות BF16, FP8, NVFP4, GGUF, MLX ו-ONNX, עם תמיכה מהיום הראשון ב-vLLM, SGLang, Transformers, llama.cpp, MLX, ONNX Runtime, Ollama ו-LM Studio. הרישיון הוא LFM Open License v1.0: שימוש מסחרי ללא תמלוגים מתחת ל-10 מיליון דולר בהכנסות שנתיות, עם הסכם נפרד מעל לכך. הסף הזה, ולא מספר הפרמטרים, הוא הקו שקובע אם LFM3 בחינם עבור חברה נתונה.

Liquid מפעילה גם API מתארח, ושם המידע הציבורי דליל יותר מכפי שההשקה מרמזת. התיעוד מפרט את מזהה המודל ומגבלה של 256K לקלט ופלט יחד, אך לא מחירון. לפי דיווחים של צדדים שלישיים, התעריף המתארח עבור LFM3-1.7B עומד על כ-0.08 דולר למיליון טוקני קלט ו-0.20 דולר למיליון טוקני פלט, כאשר גרסאות הראייה, האודיו, ה-Omni וההחלטה מתומחרות גבוה יותר; Liquid לא פרסמה את הנתונים האלה בדפים שלה, ולכן יש להתייחס אליהם כאל דיווח ולא כאל נתון מאומת. לאירוח עצמי, לעומת זאת, אין כלל מחיר לפי טוקן — העלות היא המכונה, וב-4 סיביות המכונה הזו יכולה להיות טלפון.

איפה OrcaRouter מתאים — ואיפה הוא לא

LFM3 אינו בקטלוג של OrcaRouter, ואיננו מתכוונים להעמיד פנים אחרת. מדובר בתוכנה עם משקולות פתוחות שאתם מריצים בעצמכם או קוראים לה דרך ה-API של Liquid. מה שהנתב טוב בו הוא השכבה שסביבו. מומחה בגודל 1.7B הוא לעתים רחוקות המודל היחיד בצינור עיבוד: הוא מטפל בקריאת הכלי, בסיווג או בחילוץ, ומשהו גדול יותר מטפל בתור שדורש שיקול דעת. OrcaRouter מעמיד את המודלים המתארחים האלה מאחורי מפתח אחד עם 0% תוספת מחיר — מחיר המחירון של הספק מועבר ישירות — כך שנתיב ההסלמה מ-LFM3 למודל חזיתי הוא כלל ניתוב ולא חוזה שני. מעבר הכשל האוטומטי שלו חשוב ביותר בדיוק לעומס העבודה שאליו LFM3 מכוון, שבו מודל קטן יחיד הוא הדבר היחיד שעומד בין בקשה לבין שגיאה.

ה-DSL לניתוב הוא ההתאמה המעניינת יותר. הרכבה של מומחה עם גנרליסט בקריאה אחת — עבודה בצורת LFM3 מנותבת למודל קטן, וכל השאר נופל למודל מתארח — היא דפוס הפריסה שהמשפחה הזו נבנתה עבורו. כל הטיעון של Liquid הוא שמודל 2B מנצח מודל חזיתי במשימה צרה בשבריר מהעלות. נתב הוא הדרך לתפוס את החיסכון הזה בלי להמר את כל הצינור עליו.

מה לראות

השאלה הפתוחה אינה אם LFM3 טוב במה שהוא טוען, אלא אם הטענות מחזיקות מעמד ב-harness ש-Liquid לא כתבה. המספרים האג'נטיים של המשפחה הם אלה שצריך לבדוק מחדש ראשונים, משום ש-WebArena-Verified עם 38.42 ו-AutomationBench עם 41.29 נמצאים הרחק מעל מה שמודל 1.7B הצליח היסטורית, ומדדים אג'נטיים הם הרגישים ביותר ל-scaffolding של פרומפטים ולמדיניות ניסיונות חוזרים. הרצה בלתי תלויה שמגיעה לפער של כמה נקודות בלבד מהטבלה של Liquid תהפוך את LFM3 לבחירת ברירת המחדל לקריאה לכלים על המכשיר. הרצה שמגיעה לנמוך ב-10 נקודות תהפוך אותו לעוקב הוראות טוב עם סיפור אג'נטי מוגזם.

עד שההרצה הזו תתקיים, הסיכום הכנה הוא זה: LFM3 היא משפחת מודלים קטנים מהונדסת היטב ובעלת כנות יוצאת דופן, עם שילוב שכבות חדשני באמת, יתרון זיכרון אמיתי, משקלים שפורסמו בסף רישיון מעשי, וללא אימות עצמאי של אף בנצ'מרק מרכזי. חלון 256 הטוקנים בטבלת הארכיטקטורה אינו אורך ההקשר. כל השאר בהשקה ראוי להילקח כפשוטו עד שמישהו יוכיח אחרת — וראוי למדוד בעצמך לפני שמציבים אותו מול משתמשים.