LFM2

O LFM2 mistura convoluções curtas com atenção de consultas agrupadas em vez de se apoiar só na atenção. Cada modelo empilha 16 blocos: 10 de convolução de curto alcance com portão duplo e 6 de atenção de consultas agrupadas. O desenho captura padrões locais a baixo custo e recorre à atenção só onde ela rende, o que mantém baixas a latência e a memória no hardware que de fato vai dentro de celulares e notebooks.

A grande promessa é a vazão, não a precisão bruta. Segundo a Liquid AI, o LFM2 faz decode e prefill duas vezes mais rápido que o Qwen3 numa CPU, e o modelo pequeno de 700M segue mais rápido que um Qwen 0.6B tanto no llama.cpp quanto no ExecuTorch mesmo carregando mais parâmetros. Essa diferença pesa num celular ou num notebook fino, onde a CPU é o único chip com que dá para contar.

A família cobre 350M, 700M, 1.2B e 2.6B de parâmetros, então você casa o modelo com o aparelho. A versão de 350M entra em wearables e alvos embarcados apertados, enquanto o checkpoint de 1.2B roda num notebook ou numa GPU avulsa e compete com modelos que carregam muito mais parâmetros. Como é uma família pensada para o limite, uma única arquitetura em vários tamanhos deixa você subir ou descer um recurso sem reescrevê-lo.

Segundo a Liquid AI, o LFM2-1.2B rende à altura do Qwen3-1.7B, um modelo com 47% mais parâmetros, e suas notas ficam perto de modelos muitas vezes maiores. O checkpoint de 700M supera o Gemma 3 1B IT, e o de 350M briga de igual para igual com o Qwen3-0.6B e o Llama 3.2 1B Instruct. Nos testes de vários turnos da própria empresa, os juízes preferiram o modelo de 1.2B em relação ao Llama 3.2 1B Instruct e ao Gemma 3 1B IT.

A Liquid AI publica os pesos no Hugging Face sob uma licença aberta baseada na Apache 2.0. O uso acadêmico e de pesquisa é grátis, e empresas com menos de US$ 10 milhões de receita podem usar os modelos comercialmente sem pagar nada. Acima desse limite, você fala com a Liquid AI para uma licença comercial, o que mantém os termos simples para equipes pequenas e deixa espaço para acordos com empresas grandes.

O LFM2 exporta para os frameworks que os desenvolvedores já usam. Roda no llama.cpp para inferência local, no PyTorch via ExecuTorch para celular e com as ferramentas padrão do Transformers para treinar. O ajuste com TRL é um caminho suportado, e as versões GGUF facilitam colocar os modelos em apps de inferência que você já tem.

Cada checkpoint lida com uma janela de contexto de 32.768 tokens, o suficiente para documentos longos e chats extensos. O treinamento usou 10 trilhões de tokens divididos em cerca de 75% de inglês, 20% multilíngue e 5% de código, com foco extra em japonês, árabe, coreano, espanhol, francês e alemão. Isso faz do LFM2 uma opção razoável para apps que atendem mais de um idioma.