Presentiamo LFM3: sei modelli da 2B, un unico backbone e una finestra di 256 token che non è contesto

La famiglia LFM3 di Liquid AI è arrivata il 27 ottobre 2026 sotto forma di sei checkpoint di classe 2B anziché di un unico modello di punta: LFM3-1.7B per il testo, LFM3-VL-2B per la visione, LFM3-Audio-2B per il parlato, LFM3-Omni-2B per tutto contemporaneamente, più due modelli decisionali, d1-2B e d1-omni-2B. Tutti e sei derivano da un unico backbone pre-addestrato, LFM3-1.7B-Base, che Liquid ha rilasciato anch'essa. La narrazione dell'azienda è "intelligenza specializzata": un rifiuto deliberato di distribuire un piccolo generalista e competere sull'asse sbagliato.

Entro un giorno dall'annuncio, un numero del documento tecnico era già stato frainteso. L'architettura di LFM3 elenca layer di attenzione a finestra scorrevole con una finestra di 256 token. Questa è la geometria dell'attenzione per layer, non la lunghezza di contesto del modello. Il modello testuale accetta 256K token di contesto. I lettori che hanno scorso la tabella dei layer e hanno concluso che Liquid avesse rilasciato un modello del 2026 con una memoria di 256 token hanno in mente il modello sbagliato, e vale la pena correggerlo prima che qualsiasi altro contenuto di questo articolo abbia senso.

Che cos'è realmente l'architettura tri-ibrida

LFM3 sostituisce il mix bidirezionale di LFM2 con tre tipi di layer impilati in un corpo a 24 layer. Tredici layer sono convoluzioni corte con gating, cinque sono attenzione a finestra scorrevole con una finestra di 256 token e sei sono attenzione globale completa. Il kernel della convoluzione si allarga da 3 a 7. Tre modifiche più piccole si aggiungono: un gate sigmoideo che scala indipendentemente l'output di ciascuna testa di attenzione, embedding rotazionali parziali nei layer globali che ruotano solo la metà a frequenza più alta di ciascuna testa e una normalizzazione a sandwich che condiziona sia l'input sia l'output di ogni blocco.

La scommessa è che le convoluzioni corte portino gran parte della struttura locale a basso costo, l'attenzione sparsa gestisca la distanza intermedia e una sottile porzione di attenzione globale tenga insieme l'intera finestra da 256K. Ecco perché la cache KV resta abbastanza piccola da fare la differenza: Liquid riporta una cache completa da 128K token a 1,6 GB, contro 4,3 GB per Qwen3.5-4B e 5,6 GB per MiniCPM5-2B sulla stessa misurazione. Il modello di testo stesso occupa circa 1 GB con precisione a 4 bit.

L'addestramento si è svolto in quattro fasi: 22 trilioni di token di pre-addestramento, una fase di mid-training da 3,5 trilioni di token incentrata su tracce agentiche e chiamate agli strumenti che ha anche esteso il contesto a 256K, fine-tuning supervisionato su 1,75 trilioni di token, poi apprendimento per rinforzo misto combinato con distillazione on-policy multi-dominio da sei insegnanti specialisti. Il vocabolario è di 128K token, condiviso con LFM2.5-8B-A1B e progettato per tokenizzare le scritture non latine in modo più efficiente rispetto al suo predecessore.

I sei modelli, e dove va il loro contesto

Liquid è esplicito sul fatto che questi sono fratelli, non livelli gerarchici. Ognuno utilizza lo stesso backbone e viene addestrato successivamente per una diversa forma di output.

• LFM3-1.7B — modello per testo denso e agenti, 1,73 miliardi di parametri, contesto 256K, invocazione nativa degli strumenti e output strutturato.

• LFM3-VL-2B — visione-linguaggio, 1,9 miliardi di parametri, con un codificatore visivo proprietario che, secondo Liquid, richiede circa un terzo della potenza di calcolo di SigLIP2.

• LFM3-Audio-2B — ASR, TTS, traduzione vocale e comprensione audio, utilizzando un encoder interno più LiquidCodec.

• LFM3-Omni-2B — il primo modello omni di Liquid: in ingresso testo, immagini, video e audio; in uscita testo o voce.

• d1-2B — un modello decisionale costruito dal ramo di visione che risponde a domande strutturate in un unico passaggio in avanti con probabilità calibrate anziché con prosa libera.

• d1-omni-2B — la stessa interfaccia decisionale sul ramo omni.

Le finestre di contesto non sono uniformi, e questo è il dettaglio che la maggior parte della copertura del lancio ha tralasciato. Liquid pubblica una finestra per il modello testuale e il modello base — 256K, input e output combinati — e per nessuno degli altri quattro. Né l'annuncio né la documentazione del modello indicano una lunghezza di contesto per LFM3-VL-2B, LFM3-Audio-2B, LFM3-Omni-2B o per uno dei due modelli decisionali. Articoli di terze parti hanno diffuso 128K per il modello vision e 32K per il modello omni, e quei valori potrebbero benissimo essere corretti, ma al 28 ottobre non compaiono sulle pagine di Liquid. Se stai pianificando un agente che legge documenti lunghi e guarda anche screenshot, al momento non puoi dimensionare il contesto del modello omni basandoti sulla documentazione di prima parte. È una lacuna che vale la pena nominare invece di colmarla da un blog che l'ha colmata da qualche altra parte.

La tabella dei benchmark, letta onestamente

Ogni dato prestazionale riportato di seguito è di Liquid, prodotto sull'harness proprietario di Liquid, e nessuno di essi è stato riprodotto in modo indipendente. Al 28 ottobre 2026 non esiste alcuna voce LFM3 su Artificial Analysis — nessun Intelligence Index, nessuna misurazione di velocità o latenza da parte di un soggetto neutrale. Questo conta più del solito qui perché il confronto su cui si basa il lancio è un confronto sullo stesso harness, che favorisce il modello per cui l'harness è stato messo a punto.

LFM3-1.7B totalizza 49.37 sulla media di 27 benchmark di Liquid. L'LFM2.5-2.6B della stessa azienda totalizza 31.55 sullo stesso set, ed è da qui che deriva l'affermazione "35% in meno di parametri". Le righe interessanti non sono la media:

• Uso degli strumenti — BFCL V4 71,39, ToolSandbox 80,36, τ³-bench 68,01, MCP-Atlas 32,57.

• Web agentico — WebArena-Verified 38.42, AutomationBench 41.29, BrowseComp-Plus 37.00, LiveClaw 45.60.

• Programmazione agentica: SWE-bench Verified 43,40, SWE-bench Multilingual 23,00, Terminal-Bench 2.1 a 12,92.

• Aderenza alle istruzioni — IFEval 96.66, IFStruct 93.72, IFBench 73.03, Multi-IF 89.10.

• Conoscenza — GPQA Diamond 63,37, HLE 7,17 senza strumenti e 13,90 con essi.

• Contesto lungo — RULER 128K 65.56, AA-LCR 52.83.

Letto come una forma più che come un totale, il profilo è coerente: un'aderenza alle istruzioni molto forte, un tool calling a turno singolo rispettabile e un calo netto quando un compito richiede molti passaggi sequenziali. Terminal-Bench 2.1 a 12.92 e SWE-bench Multilingual a 23.00 non sono numeri su cui costruire un agente di coding autonomo. Liquid non lo nasconde: la model card indirizza gli utenti lontano dal ragionamento complesso e dal coding multi-step, il che rappresenta un posizionamento insolitamente diretto da parte di un fornitore il giorno del lancio.

Le dichiarazioni sull'efficienza sono l'altra metà della proposta. Con Q4_0 e una finestra di contesto di 32K, Liquid afferma che LFM3-1.7B è stato il modello più veloce su tutti e tre i dispositivi di test, da 1,8× a 2,8× più rapido del secondo classificato, con il minor consumo di memoria. Su una singola NVIDIA B300 con SGLang in BF16 ha servito 3,6 miliardi di token al giorno con 1.024 richieste simultanee. L'azienda ha anche eseguito in parallelo più di 300.000 agenti LFM3-1.7B sull'archivio email Enron come dimostrazione di stress. Sono cifre fornite dal produttore, non verificate, ma sono il tipo di dato che è difficile gonfiare in silenzio.

Licenza e quanto costa farlo funzionare

I pesi sono disponibili su Hugging Face nelle versioni BF16, FP8, NVFP4, GGUF, MLX e ONNX, con supporto dal primo giorno in vLLM, SGLang, Transformers, llama.cpp, MLX, ONNX Runtime, Ollama e LM Studio. La licenza è la LFM Open License v1.0: uso commerciale esente da royalty sotto i 10 milioni di dollari di fatturato annuo, con un accordo separato oltre tale soglia. È quella soglia, non il numero di parametri, a determinare se LFM3 è gratuito per una determinata azienda.

Liquid offre anche un'API ospitata, e lì il registro pubblico è più scarno di quanto il lancio suggerisca. La documentazione elenca l'ID del modello e un limite di 256K tra input e output, ma nessun listino tariffe. Report di terze parti indicano una tariffa ospitata per LFM3-1.7B di circa $0,08 per milione di token di input e $0,20 per milione di token di output, con le varianti vision, audio, omni e decision a prezzi più alti; Liquid non ha pubblicato tali cifre sulle proprie pagine, quindi vanno considerate riportate anziché confermate. L'auto-hosting, al contrario, non ha alcun prezzo per token — il costo è la macchina, e a 4 bit quella macchina può essere un telefono.

Dove OrcaRouter è adatto — e dove non lo è

LFM3 non è nel catalogo di OrcaRouter e non intendiamo far finta del contrario. È software open-weight che esegui tu stesso o chiami tramite l'API proprietaria di Liquid. Ciò in cui il router è valido è il livello che lo circonda. Uno specialista da 1,7B raramente è l'unico modello in una pipeline: gestisce la chiamata agli strumenti, la classificazione o l'estrazione, mentre qualcosa di più grande gestisce il turno che richiede discernimento. OrcaRouter mette quei modelli ospitati dietro un'unica chiave con 0% di ricarico — il prezzo di listino del provider passato direttamente — così il percorso di escalation da LFM3 a un modello frontier è una regola di routing anziché un secondo contratto. Il suo failover automatico conta soprattutto proprio per il carico di lavoro a cui punta LFM3, dove un singolo modello piccolo è l'unica cosa che separa una richiesta da un errore.

Il DSL di routing è l'adattamento più interessante. Comporre uno specialista con un generalista in un'unica chiamata — lavoro in stile LFM3 instradato verso un modello piccolo, tutto il resto che ricade su un modello ospitato — è il pattern di deployment per cui questa famiglia è stata creata. L'intero argomento di Liquid è che un modello 2B batte un modello frontier su un compito ristretto a una frazione del costo. Un router è il modo per catturare quel risparmio senza puntarci l'intera pipeline.

Cosa guardare

La questione aperta non è se LFM3 sia all'altezza di ciò che dichiara. È se le dichiarazioni reggano a un harness che Liquid non ha scritto. I numeri agentici della famiglia sono quelli da ritestare per primi, perché WebArena-Verified a 38,42 e AutomationBench a 41,29 si collocano molto al di sopra di ciò che un modello da 1,7B è storicamente riuscito a fare, e i benchmark agentici sono i più sensibili allo scaffolding dei prompt e alla politica di retry. Un'esecuzione indipendente che si avvicini entro pochi punti alla tabella di Liquid renderebbe LFM3 la scelta predefinita per il tool calling on-device. Un'esecuzione che si collochi dieci punti più in basso lo renderebbe un buon esecutore di istruzioni con una narrazione agentica sovrastimata.

Finché quel test non esiste, il riassunto onesto è questo: LFM3 è una famiglia di modelli piccoli ben progettata e insolitamente schietta, con un mix di layer davvero inedito, un reale vantaggio in memoria, pesi pubblicati a una soglia di licenza praticabile e nessuna verifica indipendente di alcun benchmark di punta. La finestra da 256 token nella tabella dell'architettura non è la lunghezza del contesto. Tutto il resto del lancio vale la pena prenderlo per buono finché qualcuno non dimostri il contrario — e vale la pena misurarlo da sé prima di metterlo davanti agli utenti.