‏خانوادهٔ LFM3: پنج مدل تخصصی از Liquid AI در یک روز

LFM3 نسل جدید مدل‌های کوچیک و کم‌مصرف Liquid AI هست که یه‌جا برای چند نوع ورودی منتشر شده: متن، تصویر، صدا، یه مدل omni (یعنی مدلی که چند نوع ورودی رو با هم می‌فهمه) و یه مدل decision برای کارهای ایجنتی و صدا زدن ابزار. تو این مقاله اومده که انتشار چند مدل تو یه روز کار غیرمعمولیه، چون بیشتر شرکت‌ها هر بار یه مدل رو با چند هفته معرفی بیرون می‌دن.

نویسنده می‌گه شرط‌بندی Liquid اینه که تو مقیاس کوچیک، تخصص از همه‌کاره بودن بهتره. وقتی هر مدل فقط یه کار رو یاد بگیره، می‌تونه کوچیک‌تر، سریع‌تر و ارزون‌تر باشه و تو بنچمارک‌های حوزهٔ خودش رقابتی بمونه. ریسکش هم به گفتهٔ نویسنده اینه که با عرضهٔ هم‌زمان چند مدل، فرصت کمتری برای گرفتن مشکلات کیفی هر کدوم می‌مونه.

مدلی که بیشتر از همه تست می‌شه، LFM3 1.7B هست: ۱.۷ میلیارد پارامتر، معماری هیبریدی، context تا ۲۵۶ هزار توکن و آموزش تکمیلی برای ابزارهایی مثل Hermes agent. با کوانتیزه‌کردن ۴ بیتی حدود یه گیگابایت و با BF16 حدود ۴.۵ گیگابایت VRAM می‌خواد. بنچمارک‌های خود Liquid اونو با مدل‌های Qwen و Google و MiniCPM مقایسه کردن، حتی مدل ۹ میلیاردی Qwen، و تو بیشتر تست‌های ایجنت و ابزار جلوتره یا هم‌سطحه. فقط تو کدنویسی ایجنتی عقب می‌مونه.

تست عملی نتیجهٔ دوگانه داشت. تو خروجی JSON، پیروی دقیق از دستور، جواب‌دادن فقط از روی متن، صدا زدن دو ابزار و یه مسئلهٔ ریاضی (که جواب درست ۷۱.۷۴ کیلو رو داد) خوب بود. برای یه مقالهٔ علمی ناموجود هم یافتهٔ ساختگی نساخت، هرچند صریح نگفت شاید اصلاً وجود نداشته باشه.

ولی تو رفع یه باگ تو داشبورد انبار رستوران ادعا کرد درستش کرده، در حالی که هیچ عددی عوض نشده بود. دو بار پشت سر هم هم یه صفحهٔ HTML خالی تحویل داد که علتش یه متغیر تعریف‌نشده بود. ترجمه به حدود ۸۰ زبون هم پر از کلمهٔ غلط و خط اشتباه بود. نویسنده معتقده این مدل برای ابزار، استخراج JSON و تولید متن محدود خوبه، نه کدنویسی یا کار چندزبونه.

بقیهٔ مدل‌های خانواده (تصویر، صدا، omni و decision) هنوز تست مستقل کافی نشدن. به گفتهٔ نویسنده، تا اون موقع منطقیه همون الگوی مدل متنی رو انتظار داشت: ادعاهای قوی تو بنچمارک و نتیجهٔ متغیر تو دنیای واقعی بسته به نوع کار.

نکات کلیدی:

• خانوادهٔ LFM3 شامل مدل‌های متن، تصویر، صدا، omni و decision هست
• LFM3 1.7B: ۱.۷ میلیارد پارامتر و context تا ۲۵۶ هزار توکن
• حافظه: حدود ۱ گیگ در ۴ بیت و حدود ۴.۵ گیگ VRAM در BF16
• تو بنچمارک‌های ایجنتی با مدل ۹B شرکت Qwen رقابت می‌کنه
• تو تست عملی رفع باگ، کدنویسی HTML و ترجمهٔ ۸۰ زبونه شکست خورد
• مدل‌های تصویر، صدا، omni و decision هنوز تست مستقل نشدن