Intensivo Grátis 21–22/11Intensivo gratuito de 2 dias em Vibecoding (21–22/11 às 16:00 MSK) · Turma 3 começa 23/11Inscrever-se grátis →Turma 3 (23/11)
LançamentoAnálise · No radarHacker News AI→ original

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
Liquid AI: modelo pequena LFM3 resolveu 64% das tarefas de agente no Mac, contra 48% do Qwen3.5-2B
Fonte: Hacker News AI. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalHacker News AI ↗
Editor-chefe
Dado-chave #1Ficou presa em menos de 1% das tentativas; o Qwen3.5-2B ficou em 15%
Cache de contexto de 128K tokens1,6 GB contra 4,3 GB do Qwen3.5-4B
Dado-chave #3Decodificação nos dispositivos 1,8 a 2,8 vezes mais rápida que o concorrente mais próximo

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.

História

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.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Unified AI Workspace · Nomad

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.

Try Nomad AI →Launch Nomad Agent
O que você acha?
Carregando comentários…