LFM3-Omni-2B: 말하는 Omni 모델, 그리고 말할 수 없다고 말한 유출

LFM3-Omni-2B는 음성으로 답한다. 그 한 문장이 뉴스다. 일주일 전만 해도 가장 좋은 공개 증거는 반대를 말했기 때문이다. LFM3 패밀리가 병합되지 않은 SGLang 풀 리퀘스트를 통해 드러났을 때, 체크포인트는 텍스트 출력 전용으로 연결되어 있었고, 그 유출에 관한 우리 자체 분석 글은 당시로서는 올바르게도 "LFM3가 말한다"는 것이 입증되지 않았다고 결론지었다. 2026년 10월 27일, Liquid AI는 패밀리 발표와 모델 카드를 공개했고, 그 카드는 이를 확정한다: LiquidCodec이라는 구성 요소를 통해 생성된 24 kHz 음성 출력이 실시간보다 빠르게 스트리밍된다. 입증되지 않은 모델이 첫날부터 중추적인 역할을 해서는 안 된다. 자동 장애 조치 트래픽은 규칙에 따라 이동할 수 있으며, 장애가 발생한 경로는 코드 변경 없이 페일오버된다.

이번 릴리스에 관한 다른 모든 것은 그 정정이 시사하는 것보다 더 조용하다. Liquid의 발표는 여섯 개 모델을 다루며, LFM3-Omni-2B는 그 안에서 세 문장을 차지한다 — 벤치마크 표도, 컨텍스트 길이도, 파라미터 수치도 없다. 정량적 기록은 전적으로 Hugging Face 카드에 있으며, 아래의 모든 수치는 바로 그곳에서 나온다. 그 분리는 모델을 중심으로 계획을 세우기 전에 이해할 가치가 있다: 포지셔닝은 마케팅이고, 수치는 저장소이며, 둘 중 어느 것도 독립적으로 테스트되지 않았다.

실제로 출시된 것과 그 시기

저장소는 2026년 10월 21일 16:58 UTC에 생성되었습니다. 카드는 10월 27일 17:25 UTC에 마지막으로 수정되었으며, 이는 패밀리 게시물과 같은 날입니다. 이 글을 쓰는 시점에 Hugging Face에는 다운로드 83회와 좋아요 17개가 표시되었습니다. 이는 대표 릴리스라기보다 6개 모델 패밀리의 한 브랜치로 공개된 체크포인트에 어울리는 적당한 수치입니다. 형제 저장소들도 같은 이야기를 보여줍니다. LFM3-VL-2B는 10월 19일에, LFM3-Audio-2B는 9월 8일에 생성되었으며, 모두 10월 27일에 수정되었습니다.

그러니까 이것은 브리프가 암시하는 의미에서의 미공개 모델이 아니다. Liquid는 해당 제품군을 발표했고, 여섯 개 브랜치의 이름을 밝혔으며, 옴니 모델이 무엇을 하는지 설명했다. 회사가 하지 않은 것은 LFM3-Omni-2B를 독자적인 발표로 알리는 일이었다. 독립적인 게시물도, 출시일 평가 기사도, 호스팅 엔드포인트가 없으므로 가격 페이지도, 독립적 벤치마크도 없다. "발표됨"과 "문서화됨" 사이의 간극이 바로 이 기사가 있는 자리다.

카드 전체

체크포인트는 2,166,928,384개 파라미터의 단일 BF16 빌드이며, 카드에서는 이를 2.17B로 반올림합니다. 이는 LFM3-1.7B-Base 트렁크, 즉 패밀리의 나머지와 동일한 tri-hybrid 백본 위에 있으며, 게이트된 짧은 컨볼루션이 대부분의 레이어를 담당하고 글로벌 어텐션은 소수에만 할당됩니다. 그 트렁크 위에는 비전 인코더, 인과 오디오 인코더, 그리고 생성된 토큰을 다시 파형으로 바꾸는 LiquidCodec 토크나이저가 있습니다.

• 입력 — 텍스트, 원본 해상도의 이미지, 4~384프레임에 대해 초당 2프레임으로 처리되는 비디오, 16kHz 오디오. 비디오 입력에는 자체 사운드트랙이 포함될 수 있습니다.

• 출력 — 텍스트, 24kHz 음성 또는 동일한 응답에서 둘 다.

• 컨텍스트 — 입력과 출력을 합쳐 32,768토큰입니다.

• 이미지 예산 — 해상도에 관계없이 이미지당 최대 2,048개의 시각적 토큰입니다.

• 언어 — 카드에는 16개의 텍스트 언어와 19개의 음성 언어 또는 로캘이 나열되어 있지만, 리포지토리 메타데이터는 23개라고 표시합니다. 이 두 수치는 페이지에서 서로 맞지 않습니다.

• 라이선스 — LFM Open License v1.0은 Liquid가 LFM2부터 사용해 온 맞춤형 약관이며, OSI 라이선스가 아닙니다.

• 추론 — 없음. 카드에는 사고 모드가 지원되지 않으며 enable_thinking=True를 사용할 수 없다고 명시되어 있습니다.

그 줄들 중 두 가지는 나머지보다 더 중요하다. 첫 번째는 32K 컨텍스트로, 2026년 멀티모달 모델치고는 작으며 온디바이스 타깃의 직접적인 결과다. 휴대폰에서는 컨텍스트의 모든 토큰이 메모리 비용을 발생시킨다. 두 번째는 라이선스다. LFM Open License v1.0은 Apache-2.0이 아니며, 약관에는 별도 계약 없이 누가 가중치를 상업적으로 사용할 수 있는지를 결정하는 매출 기준이 있다. 이 모델을 제품용으로 평가하고 있다면, 벤치마크를 읽기 전에 라이선스를 읽어라.

아무도 발표하지 않은 숫자들

Liquid의 게시물은 {{1}}LFM3-Omni-2B{{/1}}에 대해 한 가지 비교 주장을 담고 있습니다. 즉, Daily-Omni, WorldSense, AV-SpeakerBench에서 {{2}}Qwen2.5-Omni-7B{{/2}}와 같은 최대 10.7B 매개변수 모델을 능가한다는 것입니다. 그 문장에는 점수가 함께 제시되지 않습니다. 카드가 그 점수들을 제공하며, 이는 Liquid AI가 자체 측정한 것입니다 — 공급업체 평가이지 독립적인 평가가 아니며, 존재하는 유일한 평가입니다.

게시물이 언급한 세 가지 벤치마크에서 카드는 Daily-Omni 70.09, WorldSense 47.10, AV-SpeakerBench 46.79를 보고합니다. OmniBench는 전체 46.32, 음성 하위 집합에서 48.25를 기록합니다. 음성 기반 시각 질의응답 — 이미지에 대해 소리 내어 질문하는 모델의 대표 기능 — 의 경우 카드는 RealWorldQA 64.68, MMStar 51.79, POPE 83.78, ERQA 39.43, EmbSpatial 67.59를 나열합니다. 오디오 항목은 영어 ASR 단어 오류율 6.36, 다국어 ASR 6.72, 영어 음성 합성 UTMOSv2 3.80, VoiceBench 64.73, 오디오 이해 MMAR 51.40입니다. 참고로 텍스트 전용 비전 점수는 DocVQA 92.47, OCRBench 1,000점 만점에 806, MMMU validation 42.44, MathVista mini 62.50입니다.

점수들을 하나의 집합으로 읽으면, 이 모델은 모든 것에 유능하지만 어느 것에도 탁월하지는 않은 모델을 보여준다. AV-SpeakerBench의 46.79와 WorldSense의 47.10은 리더보드에서 승리하는 숫자가 아니다. 이는 2.2B 모델이 무너지지 않고 오디오-시각 추론에서 제 몫을 할 수 있음을 시사하는 숫자다. DocVQA 점수는 반대 방향의 이상치이며 표에서 가장 흥미로운 단일 수치다. 2.2B 옴니 모델에서 나온 92.47은 높은 수치이고, 이 체크포인트가 91.1을 보고하는 Liquid 자체의 전용 비전 모델을 분명히 능가하는 유일한 행이다.

그 유출이 맞힌 것, 그리고 단 하나 틀린 것

이 모델 패밀리를 대중의 시야에 알린 SGLang 풀 리퀘스트는 구조적인 측면에 관해서는 거의 모든 부분에서 정확했습니다. 네 개의 체크포인트를 올바르게 명시했고, 공유 백본을 올바르게 설명했으며, 256토큰 슬라이딩 윈도가 컨텍스트 한도가 아니라 어텐션 설정이라는 점도 맞게 짚었습니다. 신중했던 것 역시 옳았습니다: 해당 풀 리퀘스트는 병합되지 않았고, 세 개의 CI 검사가 실패 중이었으며, 스물두 개의 옴니 검증 검사 중 두 개는 개발 체크포인트와의 ROUGE 비교에서 여전히 실패했습니다.

오해를 낳은 지점, 그리고 우리가 그것을 되풀이한 지점은 출력 모달리티였다. 그것이 연결한 런타임 경로는 텍스트를 반환했다. 그 코드에는 오디오 출력 분기가 없었고, 모델 계열이 음성 합성을 버렸을 수도 있다거나 첫 런타임 버전이 텍스트 전용이었을 것이라는 합리적인 추론이 가능했다. 출시된 모델은 둘 다 한다. 교훈은 그 유출이 부주의했다는 것이 아니라, 서빙 통합은 누군가 구현한 경로를 설명할 뿐 그 뒤에 있는 체크포인트의 역량을 설명하지 않는다는 것이다. PR은 런타임에 대한 증거인데, 우리는 그것을 모델에 대한 증거로 취급했다.

아직 확인되지 않은 것은 무엇인가?

세 가지입니다. 그리고 그것들은 프로덕션 배포를 좌우할 세 가지입니다.

우선, 어떤 형태의 독립적인 평가도 존재하지 않습니다. 위의 모든 수치는 모델을 만든 회사가 자체 하네스에서, 공개된 방법론 없이 산출한 것입니다. Artificial Analysis 항목도, LMArena 결과도, 제3자 재현도 없습니다. 벤치마크 표는 측정값이 아니라 의도에 대한 사양으로 취급하십시오.

둘째, 음성 서빙은 공급업체 자체 경로 외에는 문서화되어 있지 않습니다. 카드에는 SGLang 지원이 텍스트 출력을 다루며 음성 분기가 어떻게 서빙되는지는 문서화하지 않는다고 나와 있습니다. 계획이 "하나의 모델, 자체 하드웨어에서의 음성 답변"이라면, 카드는 그 문장의 후반부에 대한 참고 자료를 제공하지 않습니다. 작성 시점 기준으로 저장소에는 추론 제공자가 나열되어 있지 않습니다.

셋째, 언어 수치가 서로 어긋납니다. 텍스트 언어는 열여섯 개, 음성 로캘은 열아홉 개, 메타데이터에는 스물세 개입니다. 아마 같은 대상에 대한 세 가지 다른 정의일 테지만, 어느 것이 맞는지 공개된 적은 없습니다.

2.2B 옴니 모델이 다른 베팅인 이유

2026년에 음성 비서를 만드는 일반적인 방식은 파이프라인입니다. ASR 모델이 음성을 텍스트로 바꾸고, 언어 모델이 사고하고, 비전 모델이 카메라를 처리하며, TTS 모델이 답변을 말합니다. 각 단계는 별도의 체크포인트, 별도의 지연 시간 예산, 별도의 실패 모드를 갖습니다. LFM3-Omni-2B가 내세우는 점은 이 네 가지가 모두 하나의 4.3 GB BF16 파일로 통합되어 휴대폰에 들어가고 휴대폰 밖으로 나가지 않는다는 것입니다.

그것은 실제 아키텍처적 논쟁이며, 벤치마크 점수가 그 구조의 형태보다 덜 중요한 이유이기도 하다. 네 개의 작은 전문 모델로 구성된 파이프라인은 보통 각 개별 작업에서 단일 범용 모델을 능가한다. 그것이 할 수 없는 것은 표현을 공유하는 것이다: 옴니 모델은 이미지에 관한 질문의 어조를 듣고, 답변은 두 가지 모두에 동시에 조건화된다. 그것이 더 나은 답변을 만들어내는지 여부는 바로 어떤 독립적 평가도 검증하지 않은 부분이다.

아직 검증되지 않은 이런 체크포인트를 실용적으로 사용하는 방법은 그것을 핵심 경로에서 빼두는 것입니다. OrcaRouter의 라우팅 DSL은 바로 그런 패턴을 위해 만들어졌습니다 — 전문가 경로와 실험 경로를 하나의 엔드포인트 뒤에 두어, 새 모델이 한 번에 모든 트래픽을 받는 대신 안정성에 비례해 트래픽을 받을 수 있고, 오류가 나면 자동 장애 조치가 이루어집니다. LFM3-Omni-2B는 현재 저희 카탈로그에 없으므로, 여기서 어떤 내용도 저희를 통해 이 모델을 호출할 수 있다는 주장이 아닙니다. 이런 모델이 실제로 출시되면, 그것이 적합한 배포 형태는 바로 이것입니다: 사용 가능하고, 측정되며, 스스로 자격을 입증할 때까지 핵심 부하를 지지하지 않는 것입니다.

무엇을 볼까요?

다음 신호는 또 다른 벤치마크 표가 아니다. Liquid 외부의 누군가가 그러한 표를 발표하는지 여부다. 2.2B 옴니 모델이 Daily-Omni에서 실제로 70.09를 유지한다는 것은 온디바이스 작업에서 주목할 만한 성과이며, 독립적인 재현 —哪怕是 부분적이라도 — 은 벤더의 전체 시트보다 더 가치 있을 것이다. 두 번째 신호는 SGLang 병합이다. 음성 경로가 서빙 스택에 문서화되면, 모델은 더 이상 저장소가 아니라 인프라가 되기 시작한다.

그때까지 솔직한 요약은 좁다. LFM3-Omni-2B는 존재하며, 경쟁하는 거의 모든 것보다 작고, 네 가지 모달리티를 입력받아 두 가지를 출력하며, 소리 내어 답할 수 있는 첫 번째 Liquid 모델이다. 유출된 정보는 불가능하다고 했다. 카드는 가능하다고 말하며, 당분간 그 카드만이 유일한 증인이다.