Liquid AI presenta LFM3, familia de modelos abiertos de 2B parámetros para agentes, visión, audio y omni
Hecho Qué ha ocurrido
Liquid AI ha presentado LFM3, una nueva generación de modelos fundacionales de texto, visión, audio, omni y decisión, todos de unos 2B parámetros y con una base común. Según la empresa, LFM3-1.7B supera a su predecesor LFM2.5-2.6B con un 35% menos de parámetros y obtiene 38,42 frente a 3,02 en WebArena-Verified. Los modelos están disponibles en Hugging Face como pesos abiertos.
Resumen generado mediante IA a partir de Hugging Face (original en inglés). Naturaleza de la información: declaración de parte interesada.
Análisis Por qué importa
Modelos pequeños que pueden ejecutarse en dispositivos y afinarse con una sola GPU reducen coste y dependencia de APIs externas para casos de agentes y visión locales.
- Quién se ve afectado
- Equipos de desarrollo y empresas que necesiten agentes en dispositivo, robótica o modelos especializados.
- Qué puede cambiar
- Podría facilitar desplegar agentes y modelos multimodales en el propio dispositivo o en infraestructura privada, en lugar de depender de modelos grandes en la nube.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Conviene vigilar las evaluaciones independientes de los resultados que la empresa declara, la adopción por la comunidad y el rendimiento real en hardware de gama de consumo.
Recomendación Qué debería hacer una empresa
Evaluar LFM3-1.7B o LFM3-VL-2B en un piloto controlado durante los próximos 3 meses si se tienen casos de uso en dispositivo.
Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.
Enviar esta noticia por correo
Enviado. Revisa que llegue a la bandeja de entrada de quien lo reciba.
La dirección no parece válida.
Has enviado varios correos seguidos. Espera un rato.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
No se ha podido enviar. Inténtalo de nuevo en unos minutos.
Fuente original: Hugging Face (fuente primaria). La referencia es siempre el artículo original.
Ver fuente original ↗LLMmultimodalagentesvozvisión Liquid AIHugging FaceQualcommAlibaba agentes LFM3 Liquid AI modelos abiertos on-device
Relacionadas
Liquid AI lanza LFM2.5-2.6B, modelo de agentes eficiente para despliegue local
Liquid AI ha presentado LFM2.5-2.6B, un modelo de 2.6 mil millones de parámetros pre-entrenado en 34 billones de tokens con contexto extendido a 128K. El…
Por qué importaEste modelo representa un avance significativo en la accesibilidad de agentes IA locales: permite desplegar agentes capaces directamente en…
Liquid AI lanza LFM2.5-24B-A2B, un modelo abierto de razonamiento orientado a agentes en el dispositivo
Liquid AI publicó en Hugging Face LFM2.5-24B-A2B, un modelo de pesos abiertos solo de razonamiento, con ventana de contexto de 131K tokens y entrenamiento…
Por qué importaPara equipos que quieran agentes locales con privacidad, un modelo abierto de su tamaño que cumpla con llamadas a herramientas podría reducir costes…
Liquid AI lanza LFM2.5-VL-DSpark para acelerar modelos de visión y lenguaje en edge y GPU
Liquid AI presentó LFM2.5-VL-DSpark, un modelo 'draft' de decodificación especulativa de 280M de parámetros para acelerar su modelo de visión-lenguaje…
Por qué importaReducir la latencia de inferencia de modelos multimodales en dispositivos edge y GPU abarata y acelera el despliegue de aplicaciones de visión…
Liquid AI lanza LFM2.5-VL-3B, modelo multimodal eficiente para inferencia en dispositivos
Liquid AI ha anunciado LFM2.5-VL-3B, un modelo de visión-lenguaje de 3 mil millones de parámetros optimizado para ejecución en dispositivos periféricos. El…
Por qué importaRepresenta un avance en la viabilidad de modelos multimodales avanzados sin depender de infraestructura en la nube, reduciendo latencia, costes…
Tu opinión
Te hemos enviado un correo para confirmar tu dirección. El comentario se procesará cuando pulses el enlace.
Gracias. Tu comentario se publicará cuando lo revise el equipo (los primeros comentarios de cada persona se moderan).
Comentario publicado. Gracias por participar.
No se puede comentar aquí.
Indica un nombre (de 2 a 60 caracteres).
El correo no parece válido.
El comentario debe tener entre 10 y 2.000 caracteres.
Demasiados enlaces en el comentario.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
Has alcanzado el límite diario de comentarios.
Demasiados comentarios seguidos. Espera un rato.
No se ha podido enviar el correo de confirmación. Inténtalo de nuevo en unos minutos.