Por Redacción Pangea IA · 28 de octubre de 2026
Liquid AI publicó el 27 de octubre LFM3, una familia de seis modelos compactos que cubre texto, imágenes, vídeo, audio y decisiones estructuradas. Los pesos ya están disponibles para descarga y la propuesta se dirige a empresas que quieren especializar una IA y ejecutarla en un portátil, un dispositivo industrial o infraestructura propia, sin depender siempre de un modelo gigante en la nube.
La familia comparte una base de 1.700 millones de parámetros y se divide en variantes cercanas a los 2.000 millones. Liquid AI afirma que pueden ajustarse con una sola GPU. Eso no convierte a LFM3 en sustituto de los modelos frontera: su ventaja potencial está en tareas concretas, repetitivas y sensibles al coste, la latencia o la privacidad.
Seis modelos para entradas distintas
LFM3 no es un único chatbot. Liquid AI ha partido del mismo núcleo para crear especialistas que reciben distintos tipos de datos y producen texto, voz o decisiones calibradas. Esta es la composición inicial:
| Modelo | Entrada | Salida principal |
|---|---|---|
| LFM3-1.7B | Texto | Texto y uso de herramientas |
| LFM3-VL-2B | Texto, imágenes y vídeo | Texto |
| LFM3-Audio-2B | Texto y audio | Texto y voz |
| LFM3-Omni-2B | Texto, imágenes, vídeo y audio | Texto y voz |
| d1-2B | Texto, imágenes y vídeo | Decisiones con probabilidades |
| d1-Omni-2B | Texto, imágenes, vídeo y audio | Decisiones con probabilidades |
Los dos modelos d1 no están pensados para redactar respuestas largas. Reciben información y una lista de preguntas para clasificar, localizar, extraer o estimar resultados en una sola pasada. Por ejemplo, pueden decidir a qué equipo enviar una incidencia, extraer campos de una factura o detectar si una imagen cumple una regla.
Qué significa ejecutar IA cerca de los datos
Liquid AI sostiene que el modelo de texto ocupa alrededor de 1 GB con cuantización de 4 bits y admite una ventana de contexto de 256.000 tokens en la versión descargable. La familia incorpora soporte anunciado para herramientas como llama.cpp, MLX y vLLM, con despliegues sobre hardware de Apple, AMD, NVIDIA y Qualcomm, entre otros socios.
Eso abre usos como clasificación de documentos en un ordenador, reconocimiento visual próximo a una cámara, enrutamiento de llamadas en un dispositivo de borde o automatizaciones con conectividad limitada. La idea conecta con WebAI de Opera y su apuesta por ejecutar modelos dentro del navegador, aunque LFM3 proporciona pesos para construir aplicaciones más variadas.
Ejecutar en local no significa coste cero. La empresa sigue necesitando hardware, integración, mantenimiento y controles de seguridad. Tampoco garantiza privacidad por sí solo: una aplicación puede enviar datos fuera del dispositivo aunque el modelo se ejecute allí. El diseño completo del producto determina qué información sale y quién puede acceder a ella.
Usos prácticos para empresas y autónomos
- Documentos: extraer fechas, importes y campos de facturas sin enviar cada archivo a un proveedor externo.
- Atención al cliente: clasificar consultas, detectar intención y proponer el siguiente paso antes de escalar a una persona.
- Visión industrial: etiquetar imágenes o revisar reglas sencillas en cámaras y equipos próximos al lugar de trabajo.
- Voz: convertir llamadas o notas de audio en acciones estructuradas con menos viajes a la nube.
- Agentes locales: organizar correo, calendario o búsquedas cuando la tarea no exija razonamiento complejo.
La posibilidad de ajustar cada variante con una sola GPU puede interesar a equipos con vocabulario técnico o flujos muy específicos. Frente a modelos generalistas, la apuesta consiste en entrenar un especialista pequeño con ejemplos propios y medirlo sobre el trabajo real. Esa orientación difiere de Nanbeige4.3-33B, enfocado en agentes de programación: la documentación de LFM3 desaconseja su modelo de texto para programación autónoma y razonamientos de muchos pasos.
Las cifras aún son del fabricante
Liquid AI comunica mejoras frente a su generación anterior y comparaciones favorables con modelos mayores en algunas pruebas de navegación web, herramientas y procesamiento multimodal. Sin embargo, VentureBeat advierte que esos resultados son proporcionados por la compañía y no equivalen a una evaluación independiente completa.
Los datos publicados también muestran límites. LFM3 puede rendir bien en automatizaciones y llamadas a herramientas concretas, pero queda por detrás de alternativas mayores en conocimiento, programación y algunos ejercicios de contexto largo. Una ventana de 256.000 tokens describe capacidad máxima, no la precisión con la que recuperará información en cualquier punto del contexto.
Pesos abiertos no significa ausencia de condiciones
Los modelos se distribuyen con la licencia LFM Open License, no con una licencia permisiva estándar como Apache 2.0. Antes de incorporarlos a un producto, una empresa debe revisar las condiciones comerciales, las obligaciones aplicables y la compatibilidad con su forma de distribución. También conviene comprobar precios y límites actuales si se utiliza la API, porque la disponibilidad anunciada no sustituye una tarifa contractual estable.
Una familia para pilotos medibles
LFM3 amplía las opciones para construir IA multimodal pequeña y especializada. El enfoque más prudente es escoger una variante, probarla con datos representativos y medir precisión, velocidad, memoria, consumo y tasa de escalado a un modelo mayor. Para un autónomo o una pyme, un piloto acotado puede revelar si el ahorro de nube compensa el trabajo de mantener el sistema.
Su valor no dependerá de ganar una tabla de pruebas, sino de resolver una tarea delimitada con suficiente fiabilidad y a menor coste o con mayor control sobre los datos. La disponibilidad inmediata de los pesos permite comenzar esa evaluación sin esperar a una futura apertura.
Fuentes
- Liquid AI: presentación oficial de LFM3, 27 de octubre de 2026. Consultado el 28 de octubre de 2026.
- Hugging Face: guía y composición de la familia LFM3, 27 de octubre de 2026. Consultado el 28 de octubre de 2026.
- VentureBeat: análisis de usos empresariales y límites, 27 de octubre de 2026. Consultado el 28 de octubre de 2026.
- TSN: disponibilidad y carácter abierto de los seis modelos, 27 de octubre de 2026. Consultado el 28 de octubre de 2026.
- AI Reiter: revisión de acceso, licencia y ejecución local, actualizado el 27 de octubre de 2026. Consultado el 28 de octubre de 2026.
Deja una respuesta