LFM3-1.7B su Ollama: un solo comando e una pagella che si divide in due

Al momento della stesura, la pagina Ollama di lfm3 era online da circa un'ora e aveva registrato 45 download. Questo è tutto il suo utilizzo pubblico finora. Il modello alla base, LiquidAI/LFM3-1.7B, è stato annunciato un giorno prima, il 27 ottobre 2026, come membro testuale della famiglia LFM3, costruito a partire dal LFM3-1.7B-Base backbone — insieme ai modelli visione, audio e omni e ai due modelli decisionali che Liquid AI ha rilasciato nello stesso lotto. Ciò che è cambiato il 28 ottobre non è il modello. È la modalità di distribuzione: ollama run lfm3 sostituisce la ricerca di una build di llama.cpp compatibile con LFM3, che era la strada del giorno del lancio.

Il motivo che vale più di una riga di changelog è la tabella dei benchmark. LFM3-1.7B registra uno dei tabelloni più sbilanciati della categoria dei modelli piccoli: supera Qwen3.5-9B — un modello più di cinque volte più grande — nell'automazione del browser, nel tool calling e nell'instruction following, e perde contro di esso con uno scarto a due cifre su conoscenze generali e recupero a contesto lungo. Ogni cifra in quella tabella è di Liquid AI. Nessuna di esse è ancora stata riprodotta in modo indipendente.

Che cosa è cambiato davvero il 28 ottobre

Ollama elenca cinque tag per lfm3, tutti contrassegnati nella stessa ora, tutti con una riga di contesto da 256K e input solo testuale. Il default è quello che la maggior parte delle persone scaricherà.

• lfm3:latest e lfm3:1.7b — 1,7 GB, l'artefatto predefinito di classe Q4, e lo stesso digest con entrambi i nomi

• lfm3:1.7b-mlx-bf16 — 3,5 GB, MLX a piena precisione per Apple silicon

• lfm3:1.7b-mxfp8 — 2,1 GB, MLX a 8 bit

• lfm3:1.7b-nvfp4 — 1,7 GB, ed è questo quello da leggere attentamente

Quel tag finale riporta il digest 2012d88e202f — l'artefatto identico dietro :latest. Eseguire il pull di lfm3:1.7b-nvfp4 tramite Ollama non ti dà il checkpoint NVFP4; quello vero è un repository separato su Hugging Face, pubblicato per il serving su GPU anziché per il pull locale. Che il tag sia un segnaposto o una svista di pubblicazione non è qualcosa che la pagina di Ollama documenti. I digest sono verificabili, e sono identici, che è la parte che conta se contavi sui risparmi di memoria FP4 su un laptop.

La pagina di Ollama stessa non è un caricamento della community. La model card di Liquid AI indica Ollama come uno dei motori GGUF supportati, accanto a llama.cpp e LM Studio, quindi questo è il percorso specificato dal fornitore che arriva in ritardo, non la build di uno sconosciuto. Il testo della model card sulla pagina è di Liquid stesso: "LFM3-1.7B è un modello tri-ibrido per agenti locali e applicazioni specializzate."

L’architettura, nei termini che stabiliscono se è adatta.

LFM3-1.7B ha 1,73 miliardi di parametri su 24 layer, e solo sei di questi layer eseguono l'attenzione completa. Tredici sono convoluzioni corte con gating con una dimensione del kernel di sette, rispetto a tre nella generazione precedente, e cinque sono attenzione a finestra scorrevole con una finestra di 256 token. La maggior parte dei token in un prompt lungo non raggiunge mai una matrice di attenzione globale, ed è da qui che deriva il discorso sulla memoria.

Liquid colloca una cache KV da 128K token a 1,6 GB. Lo stesso dato per Qwen3.5-4B è 4,3 GB e per MiniCPM5-2B è 5,6 GB. È questo divario, non il numero di parametri, il motivo per cui un modello da 1,7B può mantenere un contesto lungo su hardware su cui un modello da 4B non può. Vale la pena tenere a mente altri due numeri: 22T token di pre-training e una fase finale di mid-training da 3,5T token, ponderata verso tracce agentiche e chiamate agli strumenti. Quest'ultima fase è la spiegazione più chiara di tutto ciò che compare nelle prossime due sezioni.

La scheda elenca anche 16 lingue, un vocabolario da 128K condiviso con LFM2.5-8B-A1B e la modalità thinking attiva per impostazione predefinita — Ollama la espone come tag di capacità, non come flag nascosto. Il contesto da 256K è reale in senso configurativo, ma la scheda pubblica il valore KV solo a 128K; a 256K pieni la cache scala con la finestra, quindi trattare il limite superiore di tale intervallo come un'impostazione da datacenter anziché da laptop.

Dove i punteggi sono elevati

Lo schema è coerente in ogni attività che premia il fare qualcosa con uno strumento anziché il sapere qualcosa sul mondo. Questi sono dati dichiarati dal fornitore, e i termini di confronto sono quelli scelti da Liquid AI.

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

• AutomationBench — 41,29, contro 0,94 per LFM2.5-2.6B e 15,10 per Qwen3.5-9B

• BFCL V4 tool calling — 71,39, contro 55,89 e 62,83 per gli stessi due

• IFBench — 73.03, contro 48.84 di Qwen3.5-9B

• IFEval — 96,66, il valore più alto nella tabella di Liquid

• LiveCodeBench v6 — 73.46, davanti ai 69.86 di Qwen3.5-9B

La riga più interessante non è quella più grande. AA-Omniscience è un benchmark valutato in parte sulla capacità di un modello di rifiutarsi di rispondere invece di tirare a indovinare, e LFM3-1.7B registra 92,93 in non-allucinazione contro 52,59 di Qwen3.5-9B. La sua accuratezza sullo stesso set è 7,07. Letti insieme, questi due numeri descrivono un modello che per lo più dichiara di non sapere — una proprietà sottovalutata in un agente che sta per compiere un'azione, e pessima in un assistente da cui ci si aspetta che risponda alle domande.

Dove perde, a volte anche gravemente

La stessa tabella, letta nell'altro senso.

• GPQA Diamond — 63,37, rispetto a 80,40 di Qwen3.5-9B e 65,15 di MiniCPM5-2B, un modello da 2B che lo supera

• Humanity's Last Exam, senza strumenti — 7,17, contro 16,41 per Qwen3.5-9B

• RULER 128K — 65,56, rispetto a 84,63 per Qwen3.5-4B e 87,11 per Qwen3.5-9B

• AA-LCR ragionamento su contesto lungo — 52,83, contro 62,00 di Qwen3.5-9B

• MCP-Atlas — 32,57, contro 41,37 di Qwen3.5-4B e 42,67 di Qwen3.5-9B

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

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

La riga RULER merita una frase a sé: il modello la cui specifica di punta è una finestra da 256K è il retriever a contesto lungo più debole nella sua stessa tabella comparativa, superato da modelli che ne dichiarano un quarto. Una finestra lunga e la capacità di trovare qualcosa al suo interno sono competenze separate, e LFM3-1.7B ha acquisito la prima senza la seconda. Chiunque intenda puntarlo su un repository di grandi dimensioni o su un contratto lungo dovrebbe testare quella riga prima di fidarsi della scheda tecnica.

MCP-Atlas e la coppia SWE-bench sono la stessa lezione in un registro diverso. LFM3-1.7B è bravo ad azionare un singolo strumento con un contratto chiaro. È indietro sul lavoro a più passaggi e con più strumenti per cui i framework di agenti sono effettivamente costruiti, e ancora più indietro quando il lavoro richiede di sapere cosa fa una base di codice.

Che cosa sono questi numeri e che cosa non sono

Ogni cifra sopra proviene dalla stessa esecuzione di valutazione di Liquid AI, pubblicata in concomitanza con il lancio. La metodologia non è nell'annuncio: nessuna configurazione dell'harness per singolo test, nessuna dichiarazione di quante prove siano state mediate, nessuna indicazione se i modelli di confronto siano stati eseguiti da Liquid o citati dalle loro stesse schede. Una tabella di 27 righe con un unico proprietario è un'argomentazione, non una misurazione.

Non esiste alcuna voce LFM3-1.7B su Artificial Analysis al 28 ottobre, quindi non c'è alcun dato di terze parti da confrontare con quello del fornitore. La situazione cambierà, e quando accadrà il confronto più informativo sarà quello sulle righe agentiche, dove i margini del fornitore sono più ampi e quindi maggiormente bisognosi di una seconda opinione.

Un dettaglio gioca a favore e merita di essere riconosciuto. Liquid ha addestrato un checkpoint di distillazione consapevole della quantizzazione appositamente per recuperare l'accuratezza che la quantizzazione Q4_0 fa perdere, e lo distribuisce come file GGUF separato. Pubblicare i numeri del modello piccolo alla precisione che le persone useranno effettivamente è più di quanto faccia la maggior parte dei fornitori, e rende le cifre a 4 bit leggermente più affidabili di quanto farebbe una quantizzazione post-hoc.

Eseguirlo, e le impostazioni che contano

Il comando in una riga è ollama run lfm3, e il valore predefinito da 1,7 GB è il punto di partenza giusto su una macchina da 16 GB. La pagina contiene anche quattro launcher da una riga che collegano il modello a un agent harness esistente — ollama launch claude --model lfm3, e lo stesso schema per OpenCode, Hermes Agent e OpenClaw. È la cosa più utile della pagina: significa che il modello può essere inserito in un ciclo di agent che già esegui senza scrivere un client, il che è una soglia più bassa di quanto superino la maggior parte dei lanci di modelli locali.

Sulla scheda sono presenti due profili di campionamento e non sono intercambiabili: temperatura 0.1 con top_k 50 e penalità di ripetizione 1.1 per chat, uso degli strumenti, agenti e programmazione; temperatura 1.0 con top_p 0.95 e top_k 20 per matematica e scienze. Eseguire il profilo agente su un problema di matematica è il modo più comune per far sembrare questo modello peggiore di quanto sia.

Se scarichi GGUF direttamente invece che tramite Ollama, le dimensioni dei file si dispongono in modo utile. Il checkpoint QAD Q4_0 è di 1,05 GB, marginalmente più piccolo di Q4_K_M a 1,1 GB, ed è quello addestrato per sopravvivere alla quantizzazione. Q6_K è di 1,43 GB e Q8_0 è di 1,85 GB se c'è margine; BF16 è di 3,47 GB e raramente vale la pena a queste dimensioni.

La licenza è la LFM Open License v1.0 — nella sostanza Apache 2.0, con un'aggiunta: l'uso commerciale è gratuito sotto i 10 milioni di dollari di fatturato annuo e richiede una licenza a pagamento pari o superiore a tale soglia. La soglia è aggregata a livello di gruppo societario e si trasferisce ai fine-tuning, quindi un derivato rinominato non la elude. Le organizzazioni senza scopo di lucro e gli utenti di ricerca sono esenti indipendentemente dal fatturato. Se sei vicino a quella soglia, leggi il testo della licenza invece di un riassunto, incluso questo.

Che cosa significa il profilo split per il modo in cui lo distribuisci

Un modello forte nel seguire istruzioni e contratti degli strumenti, debole nella conoscenza parametrica e nel recupero su contesti lunghi, e abbastanza economico da girare su un laptop non è un assistente general-purpose. È un esecutore. L’architettura che gli si addice è un ciclo locale — il modello decide quale strumento chiamare, formatta gli argomenti, rispetta lo schema — con i passaggi ad alto contenuto di conoscenza e autenticamente a contesto lungo affidati a qualcosa di più grande.

Quella separazione è il caso in cui un router si guadagna il suo posto, e vale la pena essere precisi su cosa OrcaRouter copra e non copra qui. LFM3-1.7B è open-weight e gira sul tuo hardware; non è nel nostro catalogo, e nulla in questo articolo è una proposta API per esso. Quello che forniamo è l'altra metà della separazione: una chiave su oltre 200 modelli ospitati per il passo di escalation, con 0% di ricarico sui prezzi di listino dei provider, failover automatico quando un provider degrada, e un DSL di routing che compone diversi modelli in un'unica chiamata. In pratica, il modello locale resta la scelta predefinita per il loop, e le chiamate che richiedono conoscenza effettiva passano da un unico endpoint invece che da un secondo SDK e un secondo contratto.

Se stai valutando il modello invece di metterlo in produzione, il failover è il modo più economico per scoprire se regge: instrada una porzione di traffico verso di esso, mantieni configurato il fallback e confronta sui tuoi task invece che sulla tabella di Liquid AI.

Domande che il lancio lascia aperte

La build Ollama è la stessa cosa del GGUF di Hugging Face?

Non esattamente. Il default da 1,7 GB di Ollama è di classe Q4 e corrisponde al GGUF generico anziché al checkpoint consapevole della quantizzazione, che è un file separato da 1,05 GB su Hugging Face addestrato per recuperare l'accuratezza di Q4_0. Il tag nvfp4 si risolve nello stesso digest di :latest, quindi non è la build NVFP4 nonostante il nome. Se la qualità della quantizzazione è importante per il tuo compito, scarica il file QAD ed eseguilo direttamente tramite llama.cpp.

Un laptop può usare l'intera finestra da 256K?

Raramente. Il dato di 1,6 GB di cache pubblicato da Liquid si riferisce a 128K, e la memoria cache scala con la finestra, quindi i 256K completi ne richiedono all'incirca il doppio prima di contare i pesi e il runtime. Su una macchina da 16 GB un contesto di lavoro nell'intervallo tra 32K e 64K è il tetto realistico; la finestra più ampia è meglio leggerla come una dichiarazione di margine per i deployment su server che come una capacità da laptop.

Perché i punteggi degli agenti e i punteggi della conoscenza divergono così tanto?

Poiché misurano cose diverse, e l'addestramento ha favorito una delle due. La fase finale di mid-training da 3,5T token ha enfatizzato tracce agentiche e chiamate agli strumenti, poi il post-training ha aggiunto supervised fine-tuning su 1,75T token e reinforcement learning su uso degli strumenti e output strutturato. La conoscenza parametrica è ciò per cui un modello da 1,7B ha meno spazio di archiviazione, e la suddivisione AA-Omniscience — 7,07 di accuratezza contro 92,93 di non-allucinazione — suggerisce che è stato addestrato a declinare piuttosto che a indovinare. È una scelta progettuale, ed è quella giusta per un agente.

Il verdetto

LFM3-1.7B è il primo modello in questa classe di peso in cui le righe dei benchmark agentici sono il motivo per scaricarlo anziché una nota a piè di pagina. Se stai costruendo un agente locale che deve chiamare strumenti in modo affidabile, seguire uno schema e astenersi invece di inventare una risposta, ora è a un solo comando di distanza e il profilo è adatto al compito. Se ti serve un modello che sappia le cose, recuperi accuratamente da un documento lungo o affronti un'attività di ingegneria a più passaggi, la tabella dice chiaramente che dovresti guardare altrove — e la specifica 256K è la riga meno affidabile.

Il numero da tenere d'occhio non è la media di 49,37. È se un'esecuzione indipendente riproduce i margini agentici, perché quelle sono le righe in cui un modello da 1,7B afferma di battere uno da 9B e in cui l'harness proprietario di un fornitore ha il maggior spazio per lusingare.