LiquidAI/LFM3-1.7B · 허깅페이스

LFM3-1.7B는 로컬 에이전트, 도구 호출(tool calling), 구조화된 출력, 도메인 특화 파인튜닝에 최적화된 모델이야. 지식이 많이 필요한 작업은 검색(retrieval) 기능을 같이 써. 모델 사이즈가 작아서 에이전트 기반 코딩이나 복잡한 다단계 추론용으로는 비추천함.

오늘 바로 써볼 수 있는 더 많은 LFM3 모델들:

https://huggingface.co/LiquidAI/LFM3-VL-2B

https://huggingface.co/LiquidAI/LFM3-VL-2B-GGUF

LFM3-VL-2B는 온디바이스 시각적 이해를 위한 비전-언어 모델이야. 텍스트, 이미지, 영상을 입력받고, LFM3 언어 모델에 자체 개발한 비전 인코더를 합쳐놨어.

LFM3-VL-2B의 새로운 점:

• 영상 이해: LFM 비전 모델 최초로 영상을 입력받을 수 있어. 녹화된 강의, 폰으로 찍은 가이드 영상, 혹은 카메라 피드 영상에 대해 질문을 던져봐.

• 사고(Thinking) 능력: 답을 내놓기 전에 단계별로 추론을 거쳐. 수학, 차트 해석, 다단계 문제 같은 어려운 시각적 질문을 풀 때 특히 효과적이야.

• 공간 및 체화된 추론: 객체 위치를 파악하고 서로 어떻게 배치되어 있는지 추론할 수 있어서, 로봇 공학 애플리케이션의 강력한 기반이 돼.

https://huggingface.co/LiquidAI/LFM3-Audio-2B

LFM3-Audio-2B는 노트북이나 엣지 디바이스에서 로컬로 돌아가는, 기능 빵빵한 소형 오디오 모델이야. 텍스트나 오디오를 입력받아서 텍스트, 음성, 혹은 둘 다로 대답해 줘.

• 음성 채팅: 말로 질문하면 텍스트와 음성으로 스트리밍 답변을 받을 수 있어. 텍스트 전용 응답의 경우, 모델이 답변 전에 스스로 추론 과정을 거치기도 해.

• 다국어 음성: 18개 언어에 대해 음성 받아쓰기, 합성, 번역이 가능해.

• 오디오 이해 및 추론: 녹음 파일을 해석해서 그 안에 담긴 말, 소리, 상황에 대해 질문하면 대답해 줘.

• 도구 호출: 말로 시킨 요청을 도구 호출로 바꿔서 앱이나 기기를 제어할 수 있어. 이때 텍스트나 음성 응답을 같이 띄울 수도 있지.

LFM3-Audio-2B는 자체 개발한 오디오 인코더와 LiquidCodec 오디오 토크나이저를 도입해서, 전작인 LFM2.5-Audio보다 음성 품질이 훨씬 좋아졌어.

https://huggingface.co/LiquidAI/LFM3-Omni-2B

LFM3-Omni-2B는 Liquid AI가 내놓은 LFM3 제품군 최초의 옴니 모달 모델이야. 텍스트, 이미지, 영상, 오디오를 전부 이해하고 텍스트와 음성으로 대답하는 단일 엔드투엔드 모델이지. 온디바이스 환경을 위해 만들어졌는데, 이거 하나면 기존의 ASR 모델, 비전-언어 모델, LLM, TTS 모델을 다 대체할 수 있어.

• 입력은 자유롭게, 출력은 텍스트나 음성으로: 사진을 보고 말로 질문하거나, 음성을 받아쓰기/번역하고, 말로 대화하거나, 영상과 그 사운드트랙에 대해 동시에 질문할 수 있어.

• 보고 듣는 동시 처리: 소리가 포함된 영상의 경우, 모델이 영상과 소리를 동시에 처리하기 때문에 둘 다 알아야 풀 수 있는 질문도 척척 대답해.

• 디바이스에 딱 맞는 사이즈: 22억 파라미터로, 폰이나 노트북 같은 엣지 하드웨어에서 효율적으로 돌아가게 설계됐어.

https://huggingface.co/LiquidAI/d1-Omni-2B

d1-Omni-2B는 LFM3-Omni-2B를 기반으로 만든 텍스트, 사진, 오디오용 디시전 모델이야. 토큰을 생성하는 과정 없이, 한 번의 포워드 패스(forward pass)만으로 딱 떨어지는 정답을 내놔.

• 네이티브 오디오: 오디오 클립이나 음성 질문도 텍스트나 사진과 똑같은 과정을 거쳐서 처리돼. 학습 데이터에 없던 작업이라도 음성 질문의 정확도가 텍스트 질문과 0.5점 차이밖에 안 날 정도로 성능이 좋아.

• 분류 그 이상: 텍스트, 숫자, 날짜를 구간별로 추출하고, 사진 속 객체 위치를 찾거나, 수량을 구간으로 추정하는 것도 가능해.

• 밀리초 단위의 의사결정: NVIDIA H100에서 결정당 5.8ms, AMD MI325X에서 3.7ms가 걸리고, 10초짜리 클립을 사용하면 각각 12.4ms와 8.2ms가 소요됨.

https://huggingface.co/LiquidAI/d1-2B

d1-2B는 LFM3-VL-2B를 기반으로 만든 텍스트, 사진, 영상용 의사결정 모델임. 토큰을 생성하는 과정 없이 단 한 번의 포워드 패스(forward pass)만으로 보정된 답변을 내놓음.

• 동급 최강: 오픈 d1 모델 중 평균 성능이 가장 뛰어나고, 100개가 넘는 의사결정 벤치마크 보드에서도 d1-3B보다 덩치는 3분의 2도 안 되는데 성능은 더 앞섬.

• 분류 그 이상: 텍스트, 숫자, 날짜를 범위와 함께 추출하고, 사진 속 객체 위치를 찾아내며, 수량까지 구간별로 추정함.

• 밀리초 단위의 의사결정: NVIDIA H100에서 결정당 5.7ms, AMD MI325X에서 3.8ms가 걸리며, 한 번 호출할 때 하나의 상태에 대해 질문을 몇 개든 던질 수 있음.

https://huggingface.co/LiquidAI/LFM3-1.7B-Base

LFM3-1.7B-Base는 LFM3-1.7B의 사전 학습 체크포인트임. 새로운 트라이 하이브리드(tri-hybrid) 아키텍처를 기반으로 한 로컬 에이전트 및 특수 목적 애플리케이션용 텍스트 모델임.

• 22T 토큰으로 사전 학습: 마지막 3.5T 토큰은 에이전트 추적 데이터와 도구 호출 데이터로 학습 중간에 정제된 데이터이며, 컨텍스트 윈도우를 256K 토큰까지 확장함.

• 엣지 디바이스용 설계: 4비트 정밀도에서 메모리를 1GB 정도밖에 안 먹어서, 폰이든 노트북이든 어디든 다 돌아감.

• 특화 모델 제작용: 계속해서 사전 학습을 이어가거나 본인만의 후속 학습을 진행하기 위한 시작점으로 딱임.