Temukan minat Anda, bersama

Promo pilihan, ulasan jujur, dan cerita belanja dari mereka yang seminat dengan Anda — setiap hari di Kuybeli.

Temukan minat Anda, bersamaPromo pilihan, ulasan jujur, dan cerita belanja dari mereka yang seminat dengan Anda — setiap hari di Kuybeli.

LFM3 Hadir dalam Enam Model 2B: Teks, Audio, dan Gambar

LFM3 Hadir dalam Enam Model 2B: Teks, Audio, dan Gambar
Minat|Eksplorasi Aplikasi AI

Satu keluarga, enam spesialis

Model LFM3 adalah keluarga enam checkpoint AI kelas 2B dari Liquid AI untuk tugas teks, visi, audio, multimodal, dan pengambilan keputusan, yang dibangun dari satu backbone pra-latih bersama. Dirilis pada 27 Oktober 2026, keluarga ini mencakup LFM3-1.7B untuk teks, LFM3-VL-2B untuk visi, LFM3-Audio-2B untuk ucapan, LFM3-Omni-2B untuk beragam modalitas, serta d1-2B dan d1-omni-2B untuk keputusan. Keenamnya berangkat dari LFM3-1.7B-Base, tetapi jangan menyamakan label “kelas 2B” dengan kemampuan atau kebutuhan perangkat yang identik. Liquid menyebut konteks 256K untuk model teks dan model dasar; angka itu bukan spesifikasi konteks yang diumumkan untuk setiap varian.

Arsitektur tri-hybrid keluarga ini menggabungkan 13 lapisan konvolusi pendek bergerbang, lima lapisan atensi jendela geser, dan enam lapisan atensi global dalam badan 24 lapisan. Jendela 256 token pada atensi geser adalah bagian dari rancangan lapisan, bukan batas konteks keseluruhan. Pembagian varian ini masuk akal untuk pengguna yang membutuhkan komponen khusus dalam pipeline, bukan satu model kecil yang dipaksa mengerjakan semua hal. Model teks ringan dapat menangani klasifikasi, ekstraksi, atau panggilan alat, sementara model lain dipilih ketika tugas membutuhkan persepsi visual atau percakapan suara.

LFM3 Hadir dalam Enam Model 2B: Teks, Audio, dan Gambar

Audio terbuka lebih berguna daripada demo saja

LFM3-Audio-2B menonjol karena dapat diunduh dan diuji, bukan hanya didengarkan lewat contoh. Checkpoint 2B ini tersedia di repositori terbuka dengan build 2,1 GB; berkas yang disebutkan mencakup checkpoint BF16, konversi 4-bit GGUF dan MLX, tokenizer, serta bobot codec di direktori terpisah. Itu memberi pengembang pilihan nyata untuk menjalankan atau menyesuaikan model pada perangkat yang sesuai. Namun, ukuran unduhan bukan jaminan bahwa setiap laptop dapat menjalankan semua format dengan nyaman; kebutuhan aktual bergantung pada presisi, runtime, dan memori yang tersedia.

Perbedaannya terlihat saat dibandingkan dengan Dessa: materi yang tersedia untuk model Block itu berupa formulir daftar tunggu dan klip demo, tanpa bobot yang dapat diunduh. Jadi perbandingan kemampuan suara langsung belum adil atau dapat direproduksi secara mandiri. Bagi tim yang harus menguji, melakukan fine-tuning, dan mengukur performa sendiri, akses checkpoint LFM3-Audio-2B jauh lebih bernilai daripada demo yang menarik tetapi tertutup. Tetap perlu kehati-hatian: sumber yang tersedia belum memberikan evaluasi independen untuk kualitas model audio ini.

LFM3 Hadir dalam Enam Model 2B: Teks, Audio, dan Gambar

VL: benchmark penting, lisensi lebih penting

Untuk tugas gambar, LFM3-VL-2B bersaing di kelas ukuran yang berdekatan dengan MiniCPM-V 4.7 1B, tetapi lisensi dapat menjadi penentu sebelum skor benchmark diperiksa. LFM3-VL-2B memakai LFM Open License v1.0 dengan ketentuan komersial, sedangkan MiniCPM-V berlisensi Apache 2.0. Bagi penggunaan komersial, jangan menganggap label bobot terbuka berarti kebebasan penggunaan yang sama; baca syarat lisensi dan cocokkan dengan rencana penerapan.

Menurut rangkaian 62 benchmark yang dilaporkan Liquid, LFM3-VL-2B memperoleh rata-rata 71,4, dibanding 57,5 untuk MiniCPM-V; sumber yang sama mencatat selisihnya turun menjadi 4,6 poin saat penalaran LFM3 dinonaktifkan. Angka itu berguna sebagai petunjuk, bukan keputusan final, karena berasal dari evaluasi vendor dan belum menggantikan pengujian pada tugas sendiri. Ukuran parameternya juga tidak sama: 1,92B untuk LFM3-VL-2B dan 1,55B untuk MiniCPM-V menurut dokumentasi OpenBMB. Konteks yang didokumentasikan adalah 128K untuk LFM3-VL dan 256K yang diklaim untuk MiniCPM-V, tetapi konfigurasi inferensi dapat membatasi pemakaian aktual. Karena itu, ukur memori pada presisi dan runtime yang akan dipakai, bukan hanya membandingkan angka konteks.

LFM3 Hadir dalam Enam Model 2B: Teks, Audio, dan Gambar

Omni berbicara; Moondream memberi koordinat

LFM3-Omni-2B lebih tepat dipahami sebagai model AI multimodal untuk memahami masukan beragam dan merespons dengan teks atau ucapan. Model ini menerima teks, gambar, video, dan audio, lalu dapat menghasilkan teks, ucapan, atau keduanya secara bergantian. Moondream 3 mengambil arah berbeda: kekuatannya ada pada keluaran visual terstruktur, seperti deteksi objek, penunjukan titik, dan segmentasi. Perbedaan paling penting bukan jumlah parameter, melainkan bentuk hasil yang dibutuhkan aplikasi.

Pada satu benchmark yang dilaporkan bersama, DocVQA, LFM3-Omni-2B mencetak 92,47 dan Moondream 3.1 9B A2B mencetak 88,6; hasil ini tidak cukup untuk menyimpulkan bahwa keduanya saling menggantikan karena tugas dan keluaran utamanya berbeda. Moondream dapat mengembalikan hingga 200 kotak deteksi, 64 titik, atau 50 mask segmentasi dalam JSON dengan koordinat ternormalisasi, sehingga hasilnya dapat langsung dipakai automator antarmuka atau perencana robot. Moondream memiliki 2B parameter aktif tetapi total 9B, yang dapat membuat kebutuhan memorinya hingga empat kali lebih besar daripada LFM3-Omni pada presisi yang sama. Pilih Omni untuk alur yang mendengar dan berbicara; pilih Moondream saat lokasi objek dan keluaran spasial terstruktur menjadi kebutuhan.

Kesimpulannya, keluarga LFM3 menawarkan pilihan yang lebih berguna daripada satu model serbaguna: teks, visi, audio, omni, dan keputusan memiliki peran masing-masing. LFM3-Audio-2B menarik karena bobotnya tersedia untuk diuji; LFM3-VL-2B perlu dinilai bersama syarat lisensi dan batas perangkat; sedangkan LFM3-Omni-2B bukan pengganti otomatis model deteksi visual. Tentukan dahulu masukan, bentuk keluaran, lisensi, dan memori yang sanggup disediakan. Setelah itu, pilih varian dan uji pada beban kerja nyata—bukan berdasarkan nama keluarga atau satu skor benchmark.

LFM3 Hadir dalam Enam Model 2B: Teks, Audio, dan Gambar

Kuybeli memperoleh komisi saat Anda berbelanja melalui tautan kami, tanpa biaya tambahan untuk Anda. Artikel ini dibuat dengan AI dari sumber yang dipublikasikan dan data produk.

You May Also Like

Comments
Tulis sesuatu...
Belum ada komentar. Jadilah yang pertama berbagi pendapat!