Apresentando o LFM3: seis modelos de 2B, um backbone e uma janela de 256 tokens que não é contexto

A família LFM3 da Liquid AI chegou em 27 de outubro de 2026 como seis checkpoints da classe 2B, em vez de um único modelo principal: LFM3-1.7B para texto, LFM3-VL-2B para visão, LFM3-Audio-2B para fala, LFM3-Omni-2B para tudo ao mesmo tempo, além de dois modelos de decisão, d1-2B e d1-omni-2B. Todos os seis derivam de um único backbone pré-treinado, LFM3-1.7B-Base, que a Liquid também lançou. O posicionamento da empresa é "inteligência especializada" — uma recusa deliberada a lançar um generalista pequeno e competir no eixo errado.

Um dia após o anúncio, um número do texto técnico já estava sendo interpretado erroneamente. A arquitetura do LFM3 lista camadas de atenção de janela deslizante com uma janela de 256 tokens. Essa é a geometria de atenção por camada, não o comprimento de contexto do modelo. O modelo de texto aceita 256K tokens de contexto. Leitores que passaram os olhos pela tabela de camadas e concluíram que a Liquid havia lançado um modelo de 2026 com memória de 256 tokens têm o modelo errado em mente, e vale corrigir isso antes que qualquer outra coisa neste texto faça sentido.

O que a arquitetura tri-híbrida realmente é

O LFM3 substitui a mistura bidirecional do LFM2 por três tipos de camada empilhados em um corpo de 24 camadas. Treze camadas são convoluções curtas com gate, cinco são atenção de janela deslizante com uma janela de 256 tokens e seis são atenção global completa. O kernel de convolução aumenta de 3 para 7. Três mudanças menores vêm junto: um gate sigmoide que escala a saída de cada cabeça de atenção independentemente, embeddings rotatórios parciais nas camadas globais que rotacionam apenas a metade de maior frequência de cada cabeça, e uma normalização sanduíche que condiciona tanto a entrada quanto a saída de cada bloco.

A aposta é que convoluções curtas carregam a maior parte da estrutura local de forma barata, a atenção esparsa lida com a distância intermediária, e uma fina fatia de atenção global costura toda a janela de 256K. É por isso que o cache KV permanece pequeno o suficiente para importar — a Liquid relata um cache completo de 128K tokens em 1,6 GB, contra 4,3 GB para o Qwen3.5-4B e 5,6 GB para o MiniCPM5-2B na mesma medição. O modelo de texto em si cabe em cerca de 1 GB com precisão de 4 bits.

O treinamento ocorreu em quatro etapas: 22 trilhões de tokens de pré-treinamento, uma fase de mid-training de 3,5 trilhões de tokens com forte ênfase em traços agênticos e chamadas de ferramentas que também ampliou o contexto para 256K, ajuste fino supervisionado em 1,75 trilhão de tokens, depois aprendizado por reforço misto combinado com destilação on-policy multidomínio de seis professores especialistas. O vocabulário tem 128K tokens, compartilhado com o LFM2.5-8B-A1B e construído para tokenizar scripts não latinos com mais eficiência do que seu antecessor.

Os seis modelos, e para onde vai o contexto deles

A Liquid deixa explícito que estes são irmãos, não níveis. Cada um usa a mesma espinha dorsal e é pós-treinado para um formato de saída diferente.

• LFM3-1.7B — modelo denso de texto e para agentes, 1,73B de parâmetros, contexto de 256K, chamada nativa de ferramentas e saída estruturada.

• LFM3-VL-2B — visão-linguagem, 1,9 bilhão de parâmetros, com um codificador visual próprio que a Liquid diz precisar de aproximadamente um terço da computação do SigLIP2.

• LFM3-Audio-2B — ASR, TTS, tradução de fala e compreensão de áudio, usando um codificador interno além do LiquidCodec.

• LFM3-Omni-2B — O primeiro modelo omni da Liquid: texto, imagem, vídeo e áudio como entrada, texto ou fala como saída.

• d1-2B — um modelo de decisão construído a partir do ramo de visão que responde a perguntas estruturadas numa única passagem direta, com probabilidades calibradas em vez de prosa livre.

• d1-omni-2B — a mesma interface de decisão no branch omni.

As janelas de contexto não são uniformes, e esse é o detalhe que a maior parte da cobertura de lançamento deixou de lado. A Liquid publica uma janela para o modelo de texto e o modelo base — 256K, entrada e saída combinadas — e para nenhum dos outros quatro. Nem o anúncio nem a documentação do modelo informam um comprimento de contexto para LFM3-VL-2B, LFM3-Audio-2B, LFM3-Omni-2B ou qualquer um dos modelos de decisão. Artigos de terceiros divulgaram 128K para o modelo de visão e 32K para o modelo omni, e esses números podem muito bem estar certos, mas, em 28 de outubro, eles não estão nas páginas da própria Liquid. Se você está planejando um agente que lê documentos longos e também examina capturas de tela, atualmente não consegue dimensionar o contexto do modelo omni a partir da documentação oficial de forma alguma. Essa é uma lacuna que vale a pena nomear, em vez de preencher com base em um blog que a preencheu a partir de algum outro lugar.

A tabela de benchmarks, lida com honestidade

Todos os números de desempenho abaixo são da própria Liquid, produzidos no harness próprio da Liquid, e nenhum deles foi reproduzido de forma independente. Em 28 de outubro de 2026, não há entrada do LFM3 no Artificial Analysis — nenhum Intelligence Index, nenhuma medição de velocidade ou latência por uma parte neutra. Isso importa mais do que o normal aqui porque a comparação em que o lançamento se apoia é uma comparação no mesmo harness, que favorece o modelo para o qual o harness foi ajustado.

O LFM3-1.7B obtém 49,37 na média de 27 benchmarks da Liquid. O próprio LFM2.5-2.6B da empresa obtém 31,55 no mesmo conjunto, que é de onde vem a alegação de "35% menos parâmetros". As linhas interessantes não são a média:

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

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

• Codificação agêntica — SWE-bench Verified 43,40, SWE-bench Multilingual 23,00, Terminal-Bench 2.1 com 12,92.

• Seguimento de instruções — IFEval 96,66, IFStruct 93,72, IFBench 73,03, Multi-IF 89,10.

• Conhecimento — GPQA Diamond 63,37, HLE 7,17 sem ferramentas e 13,90 com elas.

• Contexto longo — RULER 128K 65,56, AA-LCR 52,83.

Lido como uma forma, e não como um total, o perfil é coerente: aderência às instruções muito forte, chamadas de ferramentas em turno único respeitáveis e uma queda acentuada assim que uma tarefa exige muitos passos sequenciais. Terminal-Bench 2.1 com 12,92 e SWE-bench Multilingual com 23,00 não são números sobre os quais se constrói um agente de codificação autônomo. A Liquid não esconde isso — o card do modelo orienta os usuários a evitar raciocínio complexo e codificação em várias etapas, o que é uma peça de posicionamento incomumente direta de um fornecedor no dia do lançamento.

As alegações de eficiência são a outra metade do argumento de venda. Em Q4_0 e contexto de 32K, a Liquid afirma que o LFM3-1.7B foi o modelo mais rápido nos três dispositivos de teste, de 1,8× a 2,8× mais rápido que o próximo concorrente, com o menor consumo de memória. Em uma única NVIDIA B300 com SGLang em BF16, ele atendeu 3,6 bilhões de tokens por dia com 1.024 solicitações simultâneas. A empresa também executou mais de 300.000 agentes LFM3-1.7B em paralelo sobre o arquivo de e-mails da Enron como demonstração de estresse. São números do fornecedor, não auditados, mas são o tipo de número difícil de inflar discretamente.

Licença e quanto custa executar

Os pesos estão no Hugging Face em builds BF16, FP8, NVFP4, GGUF, MLX e ONNX, com suporte desde o primeiro dia em vLLM, SGLang, Transformers, llama.cpp, MLX, ONNX Runtime, Ollama e LM Studio. A licença é a LFM Open License v1.0: uso comercial livre de royalties abaixo de US$ 10 milhões em receita anual, com um acordo separado acima desse valor. Esse limite, e não a contagem de parâmetros, é a linha que define se o LFM3 é gratuito para uma determinada empresa.

O Liquid também oferece uma API hospedada, e nela o registro público é mais escasso do que o lançamento sugere. A documentação lista o ID do modelo e um limite de 256K para entrada mais saída, mas não traz uma tabela de preços. Relatos de terceiros indicam que a tarifa hospedada do LFM3-1.7B é de aproximadamente US$ 0,08 por milhão de tokens de entrada e US$ 0,20 por milhão de saída, com as variantes de visão, áudio, omni e decisão custando mais; o Liquid não publicou esses valores em suas próprias páginas, então trate-os como relatados, e não confirmados. A auto-hospedagem, por outro lado, não tem preço por token algum — o custo é a máquina, e em 4 bits essa máquina pode ser um celular.

Onde o OrcaRouter se encaixa — e onde não

O LFM3 não está no catálogo do OrcaRouter, e não vamos fingir o contrário. É software de pesos abertos que você executa por conta própria ou chama através da API própria da Liquid. O que o roteador oferece de bom é a camada à sua volta. Um especialista de 1,7B raramente é o único modelo num pipeline: ele trata da chamada de ferramentas, da classificação ou da extração, e algo maior trata do turno que exige discernimento. O OrcaRouter coloca esses modelos hospedados por trás de uma única chave com 0% de markup — preço de tabela do fornecedor repassado diretamente — para que o caminho de escalonamento do LFM3 para um modelo de ponta seja uma regra de roteamento e não um segundo contrato. O failover automático dele é mais importante exatamente para a carga de trabalho visada pelo LFM3, em que um único modelo pequeno é a única coisa que separa uma solicitação de um erro.

A DSL de roteamento é o encaixe mais interessante. Compor um especialista com um generalista numa única chamada — trabalho no formato LFM3 encaminhado para um modelo pequeno, e todo o resto passando para um hospedado — é o padrão de implantação para o qual esta família foi criada. Todo o argumento da Liquid é que um modelo de 2B supera um modelo de fronteira numa tarefa restrita a uma fração do custo. Um roteador é como você captura essa economia sem apostar o pipeline nele.

O que assistir

A questão em aberto não é se o LFM3 é bom naquilo que alega. É se as alegações sobrevivem a um harness que a Liquid não escreveu. Os números agênticos da família são os primeiros a serem retestados, porque WebArena-Verified em 38,42 e AutomationBench em 41,29 ficam muito acima do que um modelo de 1,7B tem historicamente conseguido, e benchmarks agênticos são os mais sensíveis a scaffolding de prompt e política de novas tentativas. Uma execução independente que fique a poucos pontos da tabela da Liquid tornaria o LFM3 a escolha padrão para chamada de ferramentas no dispositivo. Uma execução que fique dez pontos abaixo o tornaria um bom seguidor de instruções com uma narrativa agêntica superestimada.

Até que essa execução exista, o resumo honesto é este: o LFM3 é uma família de modelos pequenos bem projetada e excepcionalmente franca, com uma combinação de camadas genuinamente inovadora, uma vantagem real de memória, pesos publicados em um limite de licença viável e nenhuma verificação independente de qualquer benchmark de destaque. A janela de 256 tokens na tabela de arquitetura não é o comprimento de contexto. Todo o resto no lançamento merece ser aceito pelo valor de face até que alguém prove o contrário — e merece ser medido por você mesmo antes de colocá-lo diante dos usuários.