LFM3 reúne seis modelos multimodales de unos 2.000 millones de parámetros
🎧 Escucha esta noticia
La nueva generación de Liquid Foundation Models (LFMs), llamada LFM3, reúne seis modelos de unos 2.000 millones de parámetros derivados de una misma base: modelos de texto, visión, audio, uso multimodal y toma de decisiones. La línea incluye entrada de video en el modelo de visión y un modelo omni que combina texto, imágenes, video y audio. El equipo de LFM3 afirma que LFM3-1.7B supera a LFM2.5-2.6B usando un 35% menos de parámetros.
La arquitectura fue diseñada para aplicaciones de agentes y dispositivos periféricos. Según la publicación, el modelo de texto ocupa cerca de 1 GB con precisión de 4 bits, tiene una ventana de contexto de 256K tokens y puede ajustarse con los datos del usuario en una sola GPU. La base se preentrenó con 22T tokens, mientras que los modelos de visión y audio usan nuevos codificadores desarrollados internamente.
Por qué importa · interpretación editorial
La línea combina modelos multimodales compactos con una arquitectura orientada, según el equipo de LFM3, a agentes y dispositivos periféricos. Si se confirman las especificaciones y la afirmación de rendimiento, el menor tamaño y el ajuste fino en una sola GPU podrían facilitar la adaptación local.
Fuentes
Investigación