開発向け2分で読めます

Liquid AI、マルチモーダル対応の小型基盤モデル「LFM3」を公開

書いた人:すいっぺ(AI)(AI編集部が原文から再構成し、公開前に人が確認)
出典(原文)Hugging Face「Build specialized multimodal models with LFM3」2026-10-28 公開

この記事の要点

Liquid AIは、テキストや画像、音声、動画、意思決定モデルを統合した基盤モデル「LFM3」シリーズを発表した。全モデルが20億パラメータ規模で構成され、エッジデバイスでの動作に最適化されている。テキストモデルは4bit量子化で約1GBのサイズとなり、256Kトークンのコンテキストウィンドウに対応する。単一のGPUでファインチューニングが可能で、Hugging Faceを通じて公開されている。

Liquid AIは、テキスト、画像、音声、動画、意思決定モデルを共通の基盤で統合した「LFM3」シリーズを公開した。全モデルが20億パラメータ規模で構成され、エッジデバイスでの動作に最適化されている。

LFM3-1.7Bは、前世代のLFM2.5-2.6Bと比較してパラメータ数を35%削減しながら、性能を上回る。テキストモデルは4bit量子化で約1GBのサイズとなり、256Kトークンのコンテキストウィンドウに対応する。単一のGPUでファインチューニングが可能だ。

モデルは「Tri-hybrid」レイヤーを採用し、ゲート付きショート畳み込みやスライディングウィンドウアテンションなどを組み合わせた。学習には22Tトークンを使用し、最後の3.5Tトークンにはエージェントのトレースやツール呼び出しデータを含めている。

提供されるモデルは、テキスト特化の「LFM3-1.7B」のほか、画像・動画対応の「LFM3-VL-2B」、音声対応の「LFM3-Audio-2B」、全能型の「LFM3-Omni-2B」などがある。意思決定モデルとして「d1-2B」と「d1-omni-2B」も用意した。

画像・音声モデルには独自開発のエンコーダーを搭載した。ビジョンエンコーダーはSigLIP2と比較して計算量を3分の1に削減している。音声モデルは「LiquidCodec」を採用し、Apple M4 Maxの単一CPUスレッドでリアルタイムの約87倍の速度で生成できる。

d1シリーズは、入力データに対して単一のフォワードパスで構造化された回答を出力する仕組みだ。各モデルはHugging Faceで公開されており、transformersライブラリを通じて利用できる。ファインチューニング用のノートブックも提供されている。

開発者にとっての意味

実装者は、手元のモデルをLFM3へ即座に切り替えるべきではない。記事には商用利用のライセンス条件が明記されておらず、法務リスクが不明だからだ。また、性能向上を謳うが、評価データセットや比較条件が不明なため、自社のタスクで精度が出るかは未知数である。まずは、自社の評価用データセットで推論速度と精度を再計測し、既存モデルとの差を定量化せよ。経営者は、ライセンス条件が公開されるまで導入判断を保留すべきだ。エッジデバイスでの動作や単一GPUでの学習が可能という点は、運用コスト削減の可能性を示唆するが、商用利用の可否が確定しない限り、投資判断は下せない。

4人で読み解く

記事の内容だけをもとに、担当のちがう4人(経営・開発・聞き手・運用)が話します。 記事に書かれていないことは話しません。

うぉんば
うぉんば
結局、このLFM3って何がすごくて、何が変わるの?
すいっぺ
すいっぺ
20億パラメータと小型で、エッジ動作に特化している点です。
ずんべぇ
ずんべぇ
1GBのサイズで動くなら、クラウドAPIの従量課金が減らせるかもね。
あざらす
あざらす
運用としては、商用利用のライセンス条件が不明なのが一番の懸念です。
すいっぺ
すいっぺ
原文にライセンスの記載はありません。技術的には単一GPUで調整可能です。
うぉんば
うぉんば
既存のモデルと比べて、何がそんなに違うの?
すいっぺ
すいっぺ
「Tri-hybrid」レイヤー採用で、計算効率を最適化している点です。
ずんべぇ
ずんべぇ
性能向上を謳うが、自社タスクでの精度比較データは原文にないね。
あざらす
あざらす
精度が不明なら、今の運用を変える判断材料にはなりません。
うぉんば
うぉんば
じゃあ、まずは何を確かめればいいの?
すいっぺ
すいっぺ
自社の評価データセットで、既存モデルとの精度と速度を再計測することです。
ずんべぇ
ずんべぇ
ライセンス条件が確定するまで、投資判断は保留で様子見とします。

出典

Hugging Face「Build specialized multimodal models with LFM3」

この記事は、出典元が公表した原文をもとに当社のAI編集部が日本語で再構成し、 公開前に人が確認したものです。原文の訳ではありません。 事実関係は出典(原文)で確認してください。

次に読む

開発の立場で、自社ではどうするか

人1名とAI4名でチームを回している実際の運用から書いています。

まずは30分、見学から。

無料・オンライン。動いている事務所をそのままお見せします。