Liquid AI השיקה את LFM3: מודלי בסיס tri-hybrid לבנייה מולטימודלית ממוקדת

עם LFM3, Liquid AI מנסה להשתלט על הקצה היעיל והממוקד של השוק. במקום לרדוף אחרי היכולות הכלליות של המודלים המובילים, החברה מציגה את המודל כבסיס למפתחים שרוצים לבנות מודלים multimodal ייעודיים שרצים בזול, ולעיתים קרובות ישירות על המכשיר.

השינוי הטכני המרכזי הוא ארכיטקטורה tri-hybrid, שממשיכה את התכנונים ההיברידיים הקודמים של Liquid שאינם מבוססי transformer, לצד encoders חדשים ל-multimodal. Liquid טוענת כבר זמן רב ששילוב של attention עם רכיבי מידול רצפים אחרים נותן פרופיל זיכרון ו-latency טוב יותר מ-transformer טהור בגדלים קטנים, וזה קריטי ל-deploy על edge ולמערכות רגישות ל-latency.

ההשקה משתלבת במגמה ברורה. Exowatt דיווחה השבוע ב-case study של AWS ש-fine-tune ממוקדי משימה ניצחו את המודלים המובילים בעלות נמוכה עד פי 49, ונתוני סקר של Futurum מראים שארגונים מתכנסים בפרודקשן למשפחות פתוחות קטנות כמו Gemma, Phi ו-Nemotron. LFM3 מתחרה ישירות על המקום הזה. Hugging Face הגבירה את ההשקה, ו-1,340 השיתופים מעידים על עניין רב במחנה המודלים הפתוחים. הסתייגויות: הבלוג מתמקד במיצוב ולא ב-benchmarks עצמאיים, וארכיטקטורות היברידיות לפעמים מפגרות בתמיכת כלים (quantization, שרתי inference). כדאי לעקוב אחרי תמיכה ב-vLLM וב-llama.cpp, השוואות מול המודלים הקטנים של Gemma ו-Qwen, ותנאי הרישוי ל-fine-tune מסחרי.