LFM3: la nueva generación de modelos multimodales para desarrolladores

¿Qué es LFM3?

LFM3 es la última familia de Liquid Foundation Models (LFMs) de Hugging Face. Integra cinco modalidades –texto, visión, audio, omni y decisión– en un mismo backbone de 2 B parámetros, pensado para que cualquier profesional pueda especializarlo con sus propios datos.

Principales novedades respecto a LFM2

• Más capacidad por parámetro: la arquitectura tri‑hybrid y el nuevo recipe permiten que LFM3‑1.7B supere a LFM2.5‑2.6B usando un 35 % menos de parámetros.
• Una sola columna vertebral para todas las modalidades: seis modelos de 2 B‑class (texto, visión, audio, omni y decisión) parten de LFM3‑1.7B‑Base, incluyendo el primer modelo omni y entrada de vídeo para visión.
• Diseñado para el edge: el modelo de texto ocupa ~1 GB a 4‑bit, los nuevos codificadores de visión y audio reducen el cómputo, y la ventana de contexto de 256 K tokens permite agentes en dispositivos.
• Listo para la especialización: cada variante se afina en una única GPU, facilitando la adaptación a dominios concretos.

Detalles técnicos de la arquitectura

LFM3‑1.7B‑Base cuenta con 24 capas y combina 13 convoluciones cortas con puerta, 5 capas de sliding‑window attention (ventana de 256 tokens) y 6 capas de atención global. Introduce head‑wise gated attention, partial RoPE y sandwich norm para mantener activaciones bien escaladas y mejorar la cuantización.

Codificadores de visión y audio

El codificador de visión, 164 M parámetros, usa 3 × menos cómputo que el anterior SigLIP2 y alcanza la precisión de Qwen3.5‑2B con 2.2 × menos FLOPs. Para vídeo, agrupa pares de frames en una “temporal slice”. El codificador de audio combina atención deslizante y convoluciones, es causal y alcanza time‑to‑first‑token de 50 ms; el tokenizador LiquidCodec genera discurso a 87 × velocidad real en un solo hilo CPU.

Rendimiento y casos de uso

En tareas agentic, LFM3‑1.7B supera a LFM2.5‑2.6B y a Qwen3.5‑9B en pruebas de largo contexto como WebArena‑Verified (38.42 vs 3.02). Es ideal para agentes locales, llamadas a herramientas, salidas estructuradas y fine‑tuning de dominios específicos.

💡 Opinión iaPasión

LFM3 es una excelente opción para emprendedores y developers que necesiten modelos multimodales ligeros y personalizables en dispositivos locales. No aportará tanto a quienes buscan modelos gigantes sin necesidad de edge computing.