استارتاپ Liquid AI از مدل‌های هوش مصنوعی LFM3 رونمایی کرد؛ اجرای روان مدل‌های چندوجهی روی گوشی و لپ‌تاپ

مقدمه

LFM3 نسل جدید مدل‌های بنیادین مایع (LFMs) از استارتاپ Liquid AI است که در تاریخ ۲۷ اکتبر ۲۰۲۶ با هدف ارائه هوشمندی تخصصی روی دستگاه‌های لبه (Edge) معرفی شد. نخستین نسخه منتشرشده از این مجموعه شامل شش مدل با حدود ۲ میلیارد پارامتر است که همگی از یک ستون فقرات مشترک به نام LFM3-1.7B-Base منشعب شده‌اند: مدل‌های متنی، بینایی، صوتی و همه‌منظوره (Omni)، به‌همراه دو مدل تصمیم‌گیری (Decision Models) که بر پایه نسخه‌های بینایی و چندوجهی تخصصی شده‌اند.

برای دسترسی به جزئیات رسمی می‌توانید به صفحه اختصاصی رونمایی LFM3 در وبلاگ Liquid AI و وبلاگ آموزشی Hugging Face مراجعه کنید. وزن‌های پایه و نسخه‌های بهینه‌سازی‌شده این مدل‌ها به‌صورت متن‌باز در Hugging Face، پلتفرم تعاملی Liquid Playground و رابط برنامه‌نویسی Liquid AI API در دسترس قرار گرفته‌اند.

بررسی فنی

نکات کلیدی

1. یک معماری پایه برای تمامی حالات ورودی: به‌جای اجرای یک مدل عظیم و عمومی، می‌توانید مدل حدوداً ۲ میلیارد پارامتری متناسب با نوع داده ورودی خود را انتخاب کرده و آن را به‌طور اختصاصی بازآموزی کنید.
2. معماری نوین: این خانواده از معماری و روش آموزش سه‌گانه هیبریدی (Tri-hybrid) بهره می‌برد؛ استارتاپ Liquid AI اعلام کرده است که مدل LFM3-1.7B با وجود حدود ۳۵ درصد پارامتر کمتر، مدل پیشین یعنی LFM2.5-2.6B را پشت سر می‌گذارد. این نسخه پایه روی حدود ۲۲ تریلیون توکن پیش‌آموزش دیده است.
3. طراحی‌شده برای پردازش لبه: مدل متنی در فرمت ۴ بیتی تنها حدود ۱ گیگابایت فضا اشغال می‌کند و به‌راحتی روی لپ‌تاپ‌ها و گوشی‌های همراه اجرا می‌شود؛ پنجره متنی این نسخه برای پردازش اسناد طولانی به ۲۵۶ هزار توکن می‌رسد.
4. مدل بینایی LFM3-VL-2B: این مدل در ارزیابی مجموعه ۶۲ بنچمارک بینایی Liquid AI به امتیاز میانگین ۷۱.۴ دست یافته و بنابر آمارهای اعلام‌شده توسط سازنده، عملکردی هم‌تراز با مدل Gemma 4 12B با ابعادی نزدیک به ۶ برابر بزرگ‌تر ارائه می‌دهد.
5. انکودرهای اختصاصی جدید برای صوت و تصویر: تمامی مدل‌های این خانواده به انکودرهای تازه طراحی‌شده مجهز هستند و می‌توان هر یک از آن‌ها را تنها با یک پردازنده گرافیکی (GPU) شخصی بازآموزی و شخصی‌سازی کرد.
6. پشتیبانی گسترده اکوسیستم از روز نخست: سازگاری با ابزارهای محبوب llama.cpp، MLX، vLLM و SGLang در پردازنده‌های اپل، AMD، انویدیا و کوالکام فراهم شده است؛ علاوه بر این، مدل‌ها از طریق سرویس‌هایی مانند OpenRouter نیز در دسترس هستند.

دلایل اهمیت این رونمایی

معرفی رسمی خانواده LFM3 و بازتاب گسترده آن میان پژوهشگران شاخص هوش مصنوعی توجه کارشناسان را به خود جلب کرده است؛ به‌ویژه آنکه نسل قبلی این سری تنها با نام LFM2.5 شناخته می‌شد و اکنون جهش معناداری در عملکرد و تنوع مدل‌ها به وجود آمده است.

کاربردها و راهنمای راه‌اندازی

شروع به کار با مدل‌ها

1. برای بررسی اهداف و کاربردهای دقیق هر یک از این ۶ مدل، به وبلاگ رسمی Liquid AI مراجعه کنید.
2. وزن‌های مدل‌ها نظیر LFM3-1.7B و LFM3-VL-2B را از صفحه رسمی شرکت Liquid AI در Hugging Face دریافت کرده یا آن‌ها را به‌صورت آنلاین در محیط Liquid Playground آزمایش کنید.
3. مدل‌ها را با فرمت GGUF و ابزار llama.cpp اجرا کنید، یا با MLX روی تراشه‌های اختصاصی اپل و از طریق vLLM و SGLang روی سرورها راه‌اندازی نمایید.
4. برای انطباق دقیق با نیازهای سازمانی، از راهنمای رسمی بازآموزی تکمیلی کمک بگیرید تا مدل را با داده‌های خود روی یک کارت گرافیک بهینه‌سازی کنید.
5. جهت پیاده‌سازی در چارچوب‌های هوش مصنوعی عاملی، مستندات رسمی اجرای LFM3 را در فریمورک‌هایی مانند Hermes Agent و Pi بررسی نمایید؛ همچنین امکان تجربه دموی درون‌مرورگری مدل‌ها با Transformers.js و شتاب‌دهنده WebGPU وجود دارد.

سناریوهای کاربردی ایده‌آل

• توسعه برنامه‌های محلی با اولویت حفظ حریم خصوصی داده‌ها و نیاز به کمترین تأخیر در پاسخ‌دهی.
• تیم‌های توسعه‌دهنده‌ای که قصد دارند مدل‌های کوچک را برای وظایف تخصصی مانند استخراج اطلاعات اسناد، درک گفتار یا مسیریابی و بینایی ربات‌ها به کار بگیرند.

نکات مهم و محدودیت‌ها

• نتایج بنچمارک‌ها در حال حاضر توسط تیم سازنده گزارش شده و نیازمند صحت‌سنجی مستقل توسط سایر مراجع تخصصی است.
• این مدل‌ها تحت مجوز LFM Open License نسخه ۱.۰ عرضه شده‌اند؛ از این رو پیش از استفاده در پروژه‌های تجاری، بررسی شرایط حقوقی آن ضروری است.