LFM3-Omni-2B: het Omni-model dat spreekt, en de leak die zei dat het dat niet kon

LFM3-Omni-2B antwoordt met een stem. Die ene zin is het nieuws, want een week geleden zei het beste openbare bewijs het tegenovergestelde. Toen de LFM3-familie opdook via een niet-samengevoegde SGLang-pull request, waren de checkpoints alleen voor tekstuitvoer ingericht, en onze eigen analyse van dat lek concludeerde, destijds terecht, dat "LFM3 spreekt" onbewezen was. Op 27 oktober 2026 publiceerde Liquid AI de familieaankondiging en de modelkaart, en de kaart beslecht het: 24 kHz spraakuitvoer, gegenereerd via een component genaamd LiquidCodec, sneller dan realtime gestreamd. Een onbewezen model zou op dag één geen dragende rol moeten hebben. automatische failover Verkeer kan op basis van regels worden verplaatst, en een falend pad schakelt over zonder codewijziging.

Alles aan deze release is rustiger dan die correctie doet vermoeden. De aankondiging van Liquid behandelt zes modellen, en LFM3-Omni-2B krijgt daarin drie zinnen — geen benchmarktabel, geen contextlengte, geen parameteraantal. Het kwantitatieve verslag staat volledig in de Hugging Face-kaart, en daar komen alle onderstaande cijfers vandaan. Die splitsing is het waard om te begrijpen voordat je rond het model plant: de positionering is marketing, de cijfers zijn een repository, en niets van beide is onafhankelijk getest.

Wat er daadwerkelijk is verzonden, en wanneer

De repository is aangemaakt op 21 oktober 2026 om 16:58 UTC. De kaart is voor het laatst gewijzigd op 27 oktober om 17:25 UTC, dezelfde dag als het bericht over de familie. Op het moment van schrijven toonde Hugging Face 83 downloads en 17 likes — bescheiden aantallen die passen bij een checkpoint dat is gepubliceerd als één branch van een familie van zes modellen, eerder dan als een release die de aandacht trekt. De zusterrepositories vertellen hetzelfde verhaal: LFM3-VL-2B is aangemaakt op 19 oktober, LFM3-Audio-2B op 8 september, en ze zijn allemaal bijgewerkt op 27 oktober.

Dus dit is geen onaangekondigd model in de zin die de briefing suggereert. Liquid heeft de familie aangekondigd, de zes takken benoemd en beschreven wat het omni-model doet. Wat het bedrijf niet heeft gedaan, is LFM3-Omni-2B als op zichzelf staande aankondiging naar buiten brengen. Er is geen aparte post, geen evaluatieverslag op de lanceringsdag, geen prijspagina omdat er geen gehost endpoint is, en geen onafhankelijke benchmark. De kloof tussen "aangekondigd" en "gedocumenteerd" is waar dit artikel zich bevindt.

De volledige kaart

De checkpoint is één enkele BF16-build van 2.166.928.384 parameters, die de kaart afrondt op 2,17B. Hij rust op de LFM3-1.7B-Base-trunk — dezelfde tri-hybride backbone als de rest van de familie, waarbij gated korte convoluties de meeste lagen dragen en globale aandacht is voorbehouden aan een handvol. Bovenop die trunk bevinden zich een vision-encoder, een causale audio-encoder en de LiquidCodec-tokenizer die gegenereerde tokens weer omzet in golfvorm.

• Invoer — tekst, afbeeldingen op oorspronkelijke resolutie, video met 2 frames per seconde voor 4 tot 384 frames, en audio van 16 kHz. Video-invoer kan een eigen geluidsspoor bevatten.

• Uitvoer — tekst, 24 kHz spraak, of beide in hetzelfde antwoord.

• Context — 32.768 tokens voor invoer en uitvoer samen.

• Afbeeldingsbudget — een maximum van 2.048 visuele tokens per afbeelding, ongeacht de resolutie.

• Talen — de kaart vermeldt 16 teksttalen en 19 spraaktalen of -locales; de metadata van de repository claimt 23. De twee cijfers komen op de pagina niet met elkaar overeen.

• Licentie — LFM Open License v1.0, de eigen voorwaarden die Liquid sinds LFM2 gebruikt, geen OSI-licentie.

• Redenering — geen. De kaart vermeldt dat de denkmodus niet wordt ondersteund en dat enable_thinking=True niet kan worden gebruikt.

Twee van die regels zijn belangrijker dan de rest. De eerste is de context van 32K, die klein is voor een multimodaal model uit 2026 en een direct gevolg van het doel om op het apparaat te draaien: elk token context kost geheugen op een telefoon. De tweede is de licentie. LFM Open License v1.0 is geen Apache-2.0, en de voorwaarden bevatten een omzetdrempel die bepaalt wie de gewichten commercieel mag gebruiken zonder een aparte overeenkomst. Als je dit model evalueert voor een product, lees de licentie voordat je de benchmarks leest.

De cijfers die niemand aankondigde

De post van Liquid doet één vergelijkende bewering over {{1}}LFM3-Omni-2B{{/1}}: dat het modellen tot {{2}}10,7B parameters{{/2}} verslaat, "zoals {{3}}Qwen2.5-Omni-7B{{/3}}," op {{4}}Daily-Omni{{/4}}, {{5}}WorldSense{{/5}} en {{6}}AV-SpeakerBench{{/6}}. Bij die zin staan geen scores. De kaart levert ze, en ze zijn zelf gemeten door Liquid AI — een leveranciersevaluatie, niet een onafhankelijke, en de enige evaluatie die bestaat.

Op de drie benchmarks die het bericht noemt, rapporteert de modelkaart Daily-Omni 70.09, WorldSense 47.10 en AV-SpeakerBench 46.79. OmniBench komt in totaal op 46.32, met 48.25 op de spraaksubset. Voor gesproken visuele vraagbeantwoording — de hoofdtruc van het model, waarbij je hardop een vraag over een afbeelding stelt — vermeldt de modelkaart RealWorldQA 64.68, MMStar 51.79, POPE 83.78, ERQA 39.43 en EmbSpatial 67.59. De audioregels zijn Engelse ASR met 6.36 woordfoutpercentage, meertalige ASR met 6.72, Engelse spraaksynthese met 3.80 UTMOSv2, VoiceBench 64.73 en audiobegrip MMAR 51.40. Zijn visiescores met alleen tekst zijn, voor de volledigheid, DocVQA 92.47, OCRBench 806 van de 1,000, MMMU-validatie 42.44 en MathVista mini 62.50.

Als geheel gelezen beschrijven de scores een model dat overal bekwaam en nergens uitmuntend in is. Een 46,79 op AV-SpeakerBench en een 47,10 op WorldSense zijn geen cijfers die een leaderboard winnen; het zijn cijfers die suggereren dat een 2,2B-model zich staande kan houden bij audiovisueel redeneren zonder uit elkaar te vallen. De DocVQA-score is de uitschieter in de andere richting en het meest interessante afzonderlijke cijfer in de tabel — 92,47 van een 2,2B omni-model is hoog, en het is de enige rij waar deze checkpoint duidelijk beter presteert dan Liquid's eigen gespecialiseerde visiemodel, dat 91,1 rapporteert.

Wat het lek goed had, en het enige wat het fout had

De SGLang-pull request die deze familie publiekelijk zichtbaar maakte, klopte voor bijna alles wat structureel was. Hij noemde de vier checkpoints correct, beschreef de gedeelde backbone correct en had gelijk dat het 256-token sliding window een attention-instelling is en niet de contextlimiet. Het was ook terecht om voorzichtig te zijn: de pull request was niet gemerged, drie CI-checks faalden en twee van de tweeëntwintig omni-validatiechecks faalden nog steeds bij ROUGE-vergelijkingen met development-checkpoints.

Waar het misleidde — en waar wij het herhaalden — was uitvoermodaliteit. Het runtimepad dat het aan elkaar knoopte, retourneerde tekst. Er was geen vertakking voor audio-uitvoer in die code, en de redelijke gevolgtrekking was dat de familie spraaksynthese misschien had laten vallen, of dat de eerste runtimeversie alleen tekst was. Het uitgebrachte model doet beide. De les is niet dat de leak slordig was; het is dat een serving-integratie het pad beschrijft dat iemand heeft geïmplementeerd, niet de capaciteit van de checkpoint erachter. Een PR is bewijs over een runtime, en wij behandelden het als bewijs over een model.

Wat is er nog niet bevestigd

Drie dingen, en het zijn precies de drie die een productie-uitrol zouden beslissen.

Ten eerste is er geen enkele vorm van onafhankelijke evaluatie. Elk cijfer hierboven is geproduceerd door het bedrijf dat het model heeft gebouwd, met zijn eigen harness, zonder gepubliceerde methodologie. Er is geen Artificial Analysis-vermelding, geen LMArena-resultaat, geen reproductie door derden. Beschouw de benchmarktabel als een specificatie van intentie, niet als een meting.

Ten tweede is spraaklevering niet gedocumenteerd buiten het eigen pad van de leverancier. De kaart zegt dat SGLang-ondersteuning tekstuitvoer omvat en documenteert niet hoe de spraaktak wordt geleverd. Als je plan "één model, gesproken antwoorden, op onze eigen hardware" is, geeft de kaart je geen referentie voor de tweede helft van die zin. De repository vermeldt op het moment van schrijven geen enkele inferentieprovider.

Ten derde, de taalaantallen komen niet met elkaar overeen. Zestien teksttalen, negentien spraaklocales, drieëntwintig in de metadata. Dat zijn waarschijnlijk drie verschillende definities van hetzelfde, maar niemand heeft gepubliceerd welke de juiste is.

Waarom een omni-model van 2,2 miljard een andere weddenschap is

De gebruikelijke manier om in 2026 een spraakassistent te bouwen is een pipeline: een ASR-model zet spraak om in tekst, een taalmodel denkt na, een visionmodel verwerkt de camera en een TTS-model spreekt het antwoord uit. Elke fase is een apart checkpoint, een apart latencybudget en een apart faalmechanisme. De belofte van LFM3-Omni-2B is dat alle vier samenvallen in één BF16-bestand van 4,3 GB dat op een telefoon past en die nooit verlaat.

Dat is een echt architectuurargument, en het is de reden waarom de benchmarkscores minder belangrijk zijn dan de vorm van het geheel. Een pipeline van vier kleine gespecialiseerde modellen verslaat meestal een enkele generalist bij elke afzonderlijke taak. Wat het niet kan, is representaties delen: het omni-model hoort de toon van een vraag over een afbeelding, en het antwoord is op beide tegelijk gebaseerd. Of dat betere antwoorden oplevert, is precies wat geen enkele onafhankelijke evaluatie heeft getest.

De praktische manier om een checkpoint als dit te gebruiken zolang het nog niet bewezen is, is het buiten je kritieke pad te houden. De routing-DSL van OrcaRouter is voor dat patroon gebouwd — een gespecialiseerd pad en een experimenteel pad achter één endpoint, zodat een nieuw model verkeer kan ontvangen in verhouding tot zijn betrouwbaarheid in plaats van alles in één keer, met automatische failover wanneer het fouten geeft. LFM3-Omni-2B staat vandaag niet in onze catalogus, dus niets hier is een bewering dat je het via ons kunt aanroepen. Wanneer een model als dit er wel komt, is dat de vorm van implementatie die erbij past: beschikbaar, gemeten en niet dragend totdat het dat verdient.

Wat te kijken

Het volgende signaal is niet nog een benchmarktabel. Het is de vraag of iemand buiten Liquid er een publiceert. Een 2.2B omni-model dat op Daily-Omni daadwerkelijk 70.09 vasthoudt, is een opmerkelijk resultaat voor on-device werk, en een onafhankelijke reproductie — zelfs een gedeeltelijke — zou meer waard zijn dan het volledige scoreblad van de leverancier. Het tweede signaal is de SGLang-merge: zodra het spraakpad in een serving-stack is gedocumenteerd, houdt het model op een repository te zijn en begint het infrastructuur te worden.

Tot dan is de eerlijke samenvatting beperkt. LFM3-Omni-2B bestaat, het is kleiner dan vrijwel alles waarmee het concurreert, het neemt vier modaliteiten op en geeft er twee terug, en het is het eerste Liquid-model dat hardop antwoord kan geven. Het lek zei dat het niet kon. De kaart zegt dat het wel kan, en voorlopig is de kaart de enige getuige.