※本記事は一次情報をもとにAI支援によって構成・作成し、事実関係の照合を行っています。
発表内容（事実）
2026年10月28日、Liquid AIは新しい世代のLiquid Foundation Models（LFMs）である「LFM3」を発表しました。LFM3は、テキスト、ビジョン、音声、オムニ、意思決定モデルを約2Bパラメータの範囲で1つの共通バックボーンに統合し、独自のデータを用いて単一のGPU上で微調整を行い、アプリケーションの稼働環境にデプロイできる基盤として構築されています。
LFM2ファミリと比較した主な変更点として、より少ないパラメータでの高い性能、共通のバックボーンによる6つの2Bクラスモデルの展開、エッジデバイスへの最適化、そして単一GPUでの特化型ファインチューニングが挙げられています。LFM3-1.7B-Baseは24層を持ち、13個のゲート付き短距離畳み込み（コンボリューション）、256トークンのウィンドウを持つ5個のスライディングウィンドウアテンション（SWA）層、6個のグローバルアテンション層を組み合わせた新しいトライハイブリッドアーキテクチャを採用しています。また、畳み込みのカーネルサイズはLFM2の3から7へと拡大されました。
LFM3-1.7B-Baseは22兆トークンで事前学習され、最後の3.5Tトークンはエージェントの軌跡やツールコールの割合を高めたキュレーションデータによるミッドトレーニングステージに充てられ、コンテキストウィンドウが256Kトークンへと拡張されています。すべてのLFM3モデルはLFM3-1.7B-Baseから分岐しており、テキスト、LFM3-VL-2B、LFM3-Audio-2B、LFM3-Omni-2B、d1-2B、d1-omni-2Bの6つのモデルが提供されます。
この記事のポイント
- パラメータ効率の向上：新しいトライハイブリッドアーキテクチャと学習レシピにより、LFM3-1.7BはLFM2.5-2.6Bを上回る性能を発揮しながら、パラメータ数を35%削減しています。
- 1つの共通バックボーン：テキスト、ビジョン、音声、オムニ、意思決定の6つの2BクラスモデルがLFM3-1.7B-Baseから学習されています。
- エッジデバイスへの対応：テキストモデルは4ビット量子化で約1GBに収まり、256Kのコンテキストウィンドウによってエッジデバイス上でのエージェント動作を可能にします。
- 単一GPUでのファインチューニング：すべてのモデルが単一GPU上で適応可能であり、独自のデータや環境に合わせて特化させることができます。
【図解】LFM3のモデル構成とバックボーンの仕組み
%%{init: {'theme': 'base', 'themeVariables': {'fontFamily': 'Hiragino Kaku Gothic ProN, Yu Gothic, Meiryo, sans-serif', 'fontSize': '14px', 'primaryColor': '#ffffff', 'primaryBorderColor': '#8a6a50', 'primaryTextColor': '#3e2a1b', 'lineColor': '#8a6a50'}, 'flowchart': {'useMaxWidth': false, 'htmlLabels': true}, 'sequence': {'useMaxWidth': false}, 'class': {'useMaxWidth': false}, 'state': {'useMaxWidth': false}, 'er': {'useMaxWidth': false}, 'gantt': {'useMaxWidth': false}, 'journey': {'useMaxWidth': false}, 'pie': {'useMaxWidth': false}, 'mindmap': {'useMaxWidth': false}, 'timeline': {'useMaxWidth': false}}}%%
flowchart TD
A["LFM3-1.7B-Base (22T tokens ・ 256K context)"] --> B["LFM3 (Text)"]
A --> C["LFM3-VL-2B (Vision encoder)"]
A --> D["LFM3-Audio-2B (Audio encoder & LiquidCodec)"]
A --> E["LFM3-Omni-2B (Vision & Audio encoders・decoder)"]
C --> F["d1-2B (Calibrated answers)"]
E --> G["d1-omni-2B (Calibrated answers)"]
考察（筆者の見解）
事実として、LFM3-1.7BはWebArena-Verifiedにおいて38.42を記録し、LFM2.5-2.6Bの3.02を大きく上回る性能を示しています。また、ハードウェアインザループのアーキテクチャ探索により、スマートフォンやRaspberry Pi 5、ノートPC、クラウドCPU、GPU、Qualcomm Hexagon NPUなど14のデバイス・バックエンドの組み合わせに対応するように設計されています。
推測ですが、トライブリッド層の混合やヘッドごとのゲート付きアテンション、部分的RoPEなどの細かな工夫により、量子化時の活性化外れ値の抑制や長文脈推論時の高速化が図られていることから、今後のエッジAIやオンデバイスAIエージェントの領域において、推論コストを大幅に抑えつつ複雑なタスクをこなす選択肢として普及していく可能性が高いと考えられます。
意見として、筆者は、開発者が単一GPUでカスタムデータを用いたファインチューニングを行える点や、主要な推論エンジンおよびHugging Faceのtransformersライブラリに早期から対応している点が、実務への導入ハードルを大きく下げる強力な強みになると評価しています。
実践するには
LFM3モデルはtransformersライブラリで動作します。最新のtransformersをインストールした上で、以下のようにパイプラインを読み込んで実行可能です。
pip install -U transformers
from transformers import pipeline
generator = pipeline(
"text-generation",
model="LiquidAI/LFM3-1.7B",
trust_remote_code=True,
)
messages = [{
"role": "user",
"content": "What is C. elegans?"
}]
output = generator(
messages,
do_sample=True,
temperature=0.1,
top_k=50,
repetition_penalty=1.1,
max_new_tokens=2048,
)
print(output[0]["generated_text"][-1]["content"])
ローカルエージェントのセットアップについては、公式のAgent Harnessesガイドを参照してください。
考えられる実例
公式に示されている利用例として、Hermes Agent、Pi、OpenClawなどのエージェントハーネスでの動作や、Webブラウザ・ビジネスアプリにおける長時間のタスク実行、ローカルエージェント、ツールコール、構造化出力の生成、ドメイン特化型ファインチューニングのベースモデルとしての活用が挙げられます。
筆者が考える活用例としては、インターネット接続が制限された環境やプライバシー要件が厳しいオンプレミス環境において、音声入力や視覚情報を組み合わせたマルチモーダルな自律業務アシスタントを単一のGPU環境で構築・運用するといったシナリオが考えられます。
コメント