Liquid AI: modelo pequena LFM3 resolveu 64% das tarefas de agente no Mac, contra 48% do Qwen3.5-2B
A Liquid AI abriu os pesos da LFM3, uma família de seis modelos de cerca de 2 bilhões de parâmetros que rodam em celulares e notebooks sem depender da nuvem. No teste da MacPaw, com 65 tarefas cotidianas de agente em um macOS real, a LFM3-1.7B somente texto (1,7 bilhão de parâmetros) concluiu 64% das tarefas, contra 48% do Qwen3.5-2B, e gastou 58% menos tokens. Por isso, para agentes locais, vale a pena testar modelos pequenos nas suas próprias tarefas.
Processado por IA de Hacker News AI; editado por Hamidun News
Um agente que organiza e-mails, mantém a agenda e navega pelos aplicativos costuma exigir um modelo grande na nuvem e cobrança por cada token. A Liquid AI afirma que, com o lançamento da LFM3, muitas dessas tarefas podem ser resolvidas por um modelo de cerca de 2 bilhões de parâmetros, que roda diretamente no notebook ou no celular. O teste da MacPaw ilustra o resultado: em 65 tarefas cotidianas de agente em um macOS real, a LFM3-1.7B somente texto (versão de 1,7 bilhão de parâmetros) concluiu 64% delas, enquanto a Qwen3.5-2B concluiu 48%. Além disso, a LFM3 gastou 58% menos tokens e ficou presa em menos de 1% das tentativas, contra 15% do concorrente.
O que há na família
O primeiro lançamento da LFM3 inclui seis modelos, todos derivados de uma mesma base, a LFM3-1.7B-Base. Quatro aceitam tipos diferentes de entrada: texto, imagens e vídeo, áudio, ou todos esses formatos juntos (um modelo omni). Os outros dois são os chamados "modelos de decisão", versões especializadas baseadas nos modelos de visão e omni. Os pesos das versões base e ajustadas são abertos.
A proposta da Liquid é não usar um único modelo grande e generalista, e sim escolher um modelo estreito adequado, ajustá-lo para a sua tarefa e executá-lo localmente. Para a versão textual, a empresa fala em um ajuste fino curto em uma única placa de vídeo. Como os tokens no próprio dispositivo não têm custo, dezenas de agentes podem rodar em segundo plano o tempo todo. Para demonstrar isso, a Liquid executou mais de 300 mil agentes LFM3-1.7B em paralelo para analisar o arquivo de e-mails da Enron.
Como o modelo é construído e por que é rápido
A arquitetura é híbrida: das 24 camadas, 13 são convoluções curtas (baratas e rápidas), 5 são atenção com janela deslizante de 256 tokens e 6 são atenção global completa. Esse esquema foi definido por uma busca automática que mediu a velocidade em 14 combinações de dispositivos e backends: Samsung Galaxy S26 Ultra, OnePlus 15, Raspberry Pi 5, Apple M4 Max, AMD Ryzen AI, processadores Arm e x86 em nuvem, placas de vídeo e NPUs Qualcomm Hexagon. Na geração anterior, a LFM2, a verificação incluiu apenas os processadores de um celular e de um notebook.
A vantagem prática aparece em contextos longos. O contexto completo de 128K tokens ocupa 1,6 GB de cache, contra 4,3 GB do Qwen3.5-4B e 5,6 GB do MiniCPM5-2B. Nos testes com llama.cpp, quantização Q4_0 e contexto de 32K, o modelo decodifica de 1,8 a 2,8 vezes mais rápido que o concorrente mais próximo nos três dispositivos e usa a menor quantidade de memória. Em uma única NVIDIA B300 com SGLang, ele gera 3,6 bilhões de tokens por dia com 1.024 requisições simultâneas.
O treinamento usou 22 trilhões de tokens. Os últimos 3,5 trilhões foram uma etapa com dados selecionados, com grande proporção de rastros de agentes e chamadas de ferramentas, etapa que também ampliou a janela de contexto para 256K. Depois disso, o modelo passou por quatro estágios de ajuste fino, incluindo a destilação de seis especialistas estreitos (código, matemática, ferramentas, contexto longo, trabalho de agente e cenários corporativos) em um único modelo.
Visão, áudio e limitações assumidas
O LFM3-VL-2B é o primeiro da linha a aceitar vídeo: é possível fazer perguntas sobre a gravação de uma palestra ou um vídeo de câmera. Em 62 testes de visão, ele supera modelos do mesmo porte em pelo menos 7,4 pontos, empata com o Gemma 4 12B (que é mais de seis vezes maior), ultrapassa o Gemini 3.5 Flash Lite e fica atrás do GPT-5.
6 Luna por menos de 2 pontos. O codificador visual próprio, com 164 milhões de parâmetros, exige 2,2 vezes menos cálculos que o codificador do Qwen3.5-2B, com a mesma média de 55,9% em 13 testes.
Ele também usa três vezes menos cálculos que o SigLIP2 dos modelos anteriores da Liquid. O modelo de áudio aceita texto ou som e responde em texto, em fala ou nos dois formatos; ele roda localmente em notebooks e dispositivos de borda.
Há ressalvas. Em programação de agentes e em conhecimento geral, os modelos grandes ainda vencem: aqui o tamanho pesa mais do que tudo. Conectar uma busca quase dobra o resultado no Humanity's Last Exam, mas não elimina a diferença. A maioria das comparações é publicada pela própria Liquid, e o teste da MacPaw é, sobretudo, o que aparece como independente.
Para desenvolvedores, a conclusão é esta. Se o objetivo são agentes locais, análise de documentos ou uma interface de voz sem enviar dados para fora, a classe de 2 bilhões de parâmetros já é uma opção viável. Os pesos são abertos, o ajuste fino é barato e AMD, Qualcomm e Ambarella anunciaram suporte. Vale rodar o modelo nas suas próprias tarefas e ver quais delas realmente exigem um modelo grande na nuvem.
- 21 de nov. de 2026Capitã de equipe de natação entregou três tarefas ao ChatGPT pela agenda e cortou a rotina em muitas vezes
- 21 de nov. de 2026Rede neural MIRA desenha Rocket League a 20 quadros por segundo, mas o ping chega a 460 ms
- 21 de nov. de 2026Google criou uma cópia fechada da internet com bancos falsos para treinar agentes de IA do Chrome
- 21 de nov. de 2026No MLPerf Training, pela primeira vez, aparecem Nvidia Rubin e TPU Ironwood: 153 sistemas
Perguntas frequentes sobre a notícia
O que há na família?
O primeiro lançamento da LFM3 inclui seis modelos, todos derivados de uma mesma base, a LFM3-1.7B-Base. Quatro aceitam tipos diferentes de entrada: texto, imagens e vídeo, áudio, ou todos esses formatos juntos (um modelo omni). Os outros dois são os chamados "modelos de decisão", versões especializadas baseadas nos modelos de visão e omni. Os pesos das versões base e ajustadas são abertos.
Como o modelo é construído e por que é rápido?
A arquitetura é híbrida: das 24 camadas, 13 são convoluções curtas (baratas e rápidas), 5 são atenção com janela deslizante de 256 tokens e 6 são atenção global completa. Esse esquema foi definido por uma busca automática que mediu a velocidade em 14 combinações de dispositivos e backends: Samsung Galaxy S26 Ultra, OnePlus 15, Raspberry Pi 5, Apple M4 Max, AMD Ryzen AI, processadores Arm e x86 em nuvem, placas de vídeo e NPUs Qualcomm Hexagon.
O que se sabe sobre Visão, áudio e limitações assumidas?
O LFM3-VL-2B é o primeiro da linha a aceitar vídeo: é possível fazer perguntas sobre a gravação de uma palestra ou um vídeo de câmera. Em 62 testes de visão, ele supera modelos do mesmo porte em pelo menos 7,4 pontos, empata com o Gemma 4 12B (que é mais de seis vezes maior), ultrapassa o Gemini 3.5 Flash Lite e fica atrás do GPT-5.6 Luna por menos de 2 pontos.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.