LFM3とは？
LFM3は、2026年10月27日に公開されたLiquid AIの第3世代の小型モデルです。約20億パラメータのモデルが6つあり、すべて同じLFM3-1.7B-Baseチェックポイントから分岐しています。テキスト用のLFM3-1.7B、画像と動画用のLFM3-VL-2B、音声の入出力用のLFM3-Audio-2B、1つのモデルで見て、聞いて、話すLFM3-Omni-2B、そして2つの判定モデルd1-2Bとd1-Omni-2Bです。ベース自体も公開されています。すべてのモデルが同じ24層のバックボーン（ゲート付き短畳み込み13層、スライディングウィンドウ・アテンション5層、グローバル・アテンション6層）を使い、22兆トークンで事前学習されています。
テキストモデルはパラメータ17.3億、コンテキストは256Kトークンで、推論は既定でオンです。事後学習はHermes Agent、Pi、OpenClawなどのエージェントのハーネス内で行われました。LFM3-VL-2B（1.92B）は新しいビジョンエンコーダーを加え、動画を毎秒2フレームで読み、コンテキストは128Kです。LFM3-Audio-2B（2B）とLFM3-Omni-2B（2.17B）はテキスト、24 kHzの音声、またはその両方で答え、コンテキストは32Kです。Omniは推論しません。
2つの判定モデルはテキストをまったく書きません。LFM3-VL-2Bを基にしたd1-2Bと、LFM3-Omni-2Bを基にして音声を加えたd1-Omni-2Bは、1回のフォワードパスで確率付きの型付きの答えを返します。当サイトが判定カテゴリーに分類する種類のモデルです。重みはすべてLFM Open License v1.0で、年間売上1,000万ドル以上の組織による商用利用を禁じています。
LFM3は使う価値があるか？
LFM3はLiquidがこれまでに出した中で最も充実した小型モデルのファミリーで、自社のテストではテキストモデルが2Bを大きく超える力を見せています。Liquidのモデルカードでは、LFM3-1.7BはLiveClawで45.60（Qwen3.5-9Bは35.77）、AutomationBenchで41.29（同15.10）、BFCL V4で71.39（同62.83）で、表全体の単純平均は49.37です。Qwen3.5-9Bは47.24、MiniCPM5-2Bは39.19でした。Liquidはすべてのモデルを自らvLLMで動かしており、VentureBeatは、ベンチマークはLiquidの報告値で独立した検証がないと指摘しています。私たちが確認した時点でArtificial Analysisは採点していませんでした。
上限は、サイズが効いてくるいつもの場所にあります。Qwen3.5-9BはSWE-bench Verifiedで51.20対43.40、GPQA Diamondで80.40対63.37、128KトークンのRULERで87.11対65.56とリードしており、Liquid自身のモデルカードもエージェント型のコーディングや複雑な多段階の推論には勧めていません。知識の1行はよく見る価値があります。AA-Omniscienceでモデルが正解するのは7.07%だけですが、92.93%の場合にハルシネーションを避けており、Qwen3.5-4Bは13.64%です。でっち上げるより答えを控えることが多いため、検索との組み合わせはほぼ必須です。
判定モデルは、今回の公開で目立たない方の半分です。d1-2BはJevと同じchoice、score、yes/noの質問を受け付け、さらにテキスト、数値、日付の抽出、物体を囲むボックス、区間付きの推定を加えています。LiquidはJevBench v1.4.1で77.9、H100で判定1件あたり5.7 msと報告しており、自社の旧モデルd1-3Bを上回るとしています。ただし、d1-2Bを比較しているのは他のd1モデルとだけです。ホスト型のd1判定モデルは入力100万トークンあたり$0.02で、VentureBeatは、ホスト型の名前がダウンロード版と同じモデルとは限らないと注意しています。
重みは小さく、4ビットのテキストGGUFは1.10 GB、BF16は3.47 GBです。Liquidによれば、128Kのフルコンテキストに必要なKVキャッシュは1.6 GBで、Qwen3.5-4Bは4.3 GBです。ライセンスはLFM2.5と同じLFM Open License v1.0で、商用の権利は年間売上1,000万ドル未満に限られます。一方、Gemma 4とMinistral 3はApache 2.0で配布されています。Liquidは自社のページでAPI料金を公表していないため、VentureBeatがサインイン後のコンソールで読み取った100万トークンあたり$0.08と$0.20が、入手できる唯一の数値です。
真価を発揮する場面
12人のアプリスタジオのモバイル開発者
依頼を聞き取って声で答えるオフラインの音声アシスタントを出荷する
LFM3-Omni-2Bは音声、画像、動画を受け取り、テキストか24 kHzの音声で答えるため、音声認識、言語、音声合成の個別のモデルを置き換えられます。4ビットのGGUFは1.10 GBで、これに0.54 GBのQ8のビジョン・音声プロジェクターが加わります。32Kのコンテキストのため長いセッションには限界があり、売上が1,000万ドルに達したらスタジオは個別契約が必要です。
サポートソフトウェア企業でチケットを振り分けるプラットフォームエンジニア
LLMによる分類の呼び出しを、高速なローカルの判定に置き換える
d1-2Bは1件のチケットについて名前付きの複数の質問に1回のパスで答え、選択肢ごとに確率を返します。Liquidの数値ではH100で5.7 ms、バッチ処理で毎秒1,132状態です。ホスト型のd1モデルは入力100万トークンあたり$0.02で出力は無料なので、月10億トークン の入力で約$20です。Liquidの助言どおり、しきい値は自社のチケットで較正します。
売上2億ドル（$200 million）の小売業者のエンジニアリングマネージャー
データを外に出さずに、社員のノートPCでブラウザとツールのエージェントを動かす
LFM3-1.7BはHermes Agent、Pi、OpenClawで訓練され、約1 GBでノートPCに収まりますが、売上が1,000万ドルを超えるとオープンライセンスは商用利用をカバーしません。営業経由で導入規模に応じて価格が決まるLiquidのエンタープライズライセンスの予算を見込むか、報じられた100万トークンあたり入力$0.08、出力$0.20でホスト型APIを使います。
導入前に確認すること
- 導入
- テキストモデルは、trust_remote_codeを指定したTransformers、vLLM、SGLang、Ollama、LM Studio、MLX、ONNX Runtimeで動きます。llama.cppにはLFM3対応のビルドが必要です。d1モデルには独自のモデルコードとTransformers 5.19以降が必要で、llama.cppが対応するのはchoice、score、yes/noの質問だけです。
- 連携
- ツール呼び出しはXMLで出力され、チャットテンプレートはツール検索を持つハーネス向けに遅延ツール読み込みに対応します。LiquidはHermes Agent、OpenClaw、Piの設定を文書化しています。モデルはLiquid APIとPlaygroundにあり、私たちが確認した時点でLFM3はOpenRouterにありませんでした。
- データとプライバシー
- セルフホストならデータはローカルにとどまります。LFM Open License v1.0は年間売上1,000万ドル未満にのみ商用利用を認め、非営利の研究は例外として認めています。料金ページにあるLiquidの学習に使わないという約束はカスタム導入向けのもので、APIの保存条件はそこに公表されていません。
- 大規模利用時のコスト
- VentureBeatが報じた料金では、月に入力10億トークンと出力1億トークンで、LFM3-1.7Bは約$100、LFM3-VL-2Bは$150です。AudioとOmniでは、音声トークンが別途100万トークンあたり入力$2、出力$10かかります。セルフホストでは、4ビットで1.05から1.10 GB、Q8_0で1.85 GB、BF16で3.47 GBが必要です。LiquidはB300 1基で1日36億トークンと報告しています。
- 制限
- ホスト型のLFM3モデルのコンテキストは128,000トークンで、オープンなテキストモデルの256Kの半分です。利用上限は組織のAPIキー全体で共有されます。難しいタスクでは推論をオフにする設定が確実に効かず、Omniは推論できず、d1-2Bは状態が約64Kトークンを超えると信頼性が下がります。
良い点
- LiveClawで45.60、Qwen3.5-9Bは35.77（自己申告）
- Q4_K_Mで1.10 GB、128KでKVキャッシュは1.6 GB（Liquid）
- テキスト、ビジョン、音声、オムニ、判定のモデルが1つのバックボーンに揃います
- d1-2BはH100で5.7 msで型付きの答えを返します（Liquid）
気になる点
- 年間売上1,000万ドル以上では商用ライセンスがありません
- SWE-bench Verified、GPQA、長いコンテキストでQwen3.5-9Bに劣ります
- API料金がLiquid自身の料金ページに載っていません
- 独立したベンチマークやリーダーボードのスコアはまだありません
おすすめの人
スマートフォン、ノートPC、GPU 1基で動かす必要のあるオンデバイスのエージェント、音声機能、高速な分類器を作る、売上1,000万ドル未満の開発者と企業。
LFM3の代替
LFM3：よくある質問
- LFM3は使う価値があるか？
- エージェントから音声、型付き判定まで、それぞれ約1ギガバイトに収まる有能な2Bモデルが6つあります。ただしライセンスは、相変わらず売上1,000万ドル（$10 million）で打ち切られます。 評価は5点満点中4.0点です。
- LFM3の料金は？
- 重みはLFM Open Licenseで無料（商用利用は年間売上1,000万ドル（$10M）未満のみ）。VentureBeatがサインイン後のコンソールから報じたLiquid APIの料金：LFM3-1.7Bは100万（1M）トークンあたり入力$0.08／出力$0.20、VLは$0.10／$0.50、AudioとOmniは$0.10／$1.00に音声トークンの料金が加わります。ホスト型のd1判定は入力100万トークンあたり$0.02で、出力は無料です。
- LFM3の欠点は？
- 年間売上1,000万ドル以上では商用ライセンスがありません; SWE-bench Verified、GPQA、長いコンテキストでQwen3.5-9Bに劣ります; API料金がLiquid自身の料金ページに載っていません; 独立したベンチマークやリーダーボードのスコアはまだありません.
- LFM3は誰に向いているか？
- スマートフォン、ノートPC、GPU 1基で動かす必要のあるオンデバイスのエージェント、音声機能、高速な分類器を作る、売上1,000万ドル未満の開発者と企業。
- チームや本番環境でLFM3を使うと費用はいくらか？
- VentureBeatが報じた料金では、月に入力10億トークンと出力1億トークンで、LFM3-1.7Bは約$100、LFM3-VL-2Bは$150です。AudioとOmniでは、音声トークンが別途100万トークンあたり入力$2、出力$10かかります。セルフホストでは、4ビットで1.05から1.10 GB、Q8_0で1.85 GB、BF16で3.47 GBが必要です。LiquidはB300 1基で1日36億トークンと報告しています。
- LFM3は企業データを扱っても安全か？
- セルフホストならデータはローカルにとどまります。LFM Open License v1.0は年間売上1,000万ドル未満にのみ商用利用を認め、非営利の研究は例外として認めています。料金ページにあるLiquidの学習に使わないという約束はカスタム導入向けのもので、APIの保存条件はそこに公表されていません。
- LFM3の代わりになるものは？
- 当サイトでレビューした中で最も近い代替はMiniCPM5-2B, Gemma 4, Ministral 3 (3B, 8B and 14B), LFM2.5-24B-A2B 、 Perplexity Decider (pplx-decider)です。
回答確認日：2026年10月28日