LFM3의 개요
LFM3는 Liquid AI의 3세대 소형 모델로, 2026년 10월 27일 공개됐습니다. 파라미터 약 20억(2 billion) 개 규모의 모델 6종으로, 모두 같은 LFM3-1.7B-Base 체크포인트에서 갈라져 나왔습니다. 텍스트용 LFM3-1.7B, 이미지와 동영상용 LFM3-VL-2B, 음성 입출력용 LFM3-Audio-2B, 한 모델로 보고 듣고 말하는 LFM3-Omni-2B, 그리고 의사결정 모델 d1-2B와 d1-Omni-2B입니다. 베이스 자체도 공개됐습니다. 모든 모델은 22조(22 trillion) 토큰으로 사전 학습한 같은 24레이어 백본(게이트 짧은 합성곱 13개, 슬라이딩 윈도 어텐션 레이어 5개, 전역 어텐션 레이어 6개)을 씁니다.
텍스트 모델은 파라미터 17.3억(1.73 billion) 개, 컨텍스트 256K 토큰이며 추론은 기본으로 켜져 있고, Hermes Agent, Pi, OpenClaw 같은 에이전트 하네스 안에서 사후 학습했습니다. LFM3-VL-2B(1.92B)는 새 비전 인코더를 더해 동영상을 초당 2프레임으로 읽으며 컨텍스트는 128K입니다. LFM3-Audio-2B(2B)와 LFM3-Omni-2B(2.17B)는 텍스트, 24 kHz 음성 또는 둘 다로 답하며 컨텍스트는 32K입니다. Omni는 추론하지 않습니다.
두 의사결정 모델은 텍스트를 전혀 쓰지 않습니다. LFM3-VL-2B 기반의 d1-2B와, LFM3-Omni-2B 기반에 오디오를 더한 d1-Omni-2B는 순전파 한 번으로 확률이 붙은 타입 지정 답을 돌려줍니다. 이 사이트가 의사결정 카테고리로 분류하는 종류의 모델입니다. 모든 가중치는 LFM Open License v1.0을 따르며, 연 매출 $10 million(1,000만 달러) 이상인 조직의 상업 이용을 금지합니다.
LFM3, 쓸 만한 가치가 있습니까?
LFM3는 Liquid가 내놓은 소형 모델 제품군 중 가장 완성도가 높고, 자체 테스트에서 텍스트 모델은 2B를 훨씬 넘는 성능을 냅 니다. Liquid 카드에 따르면 LFM3-1.7B는 LiveClaw 45.60(Qwen3.5-9B 35.77), AutomationBench 41.29(15.10), BFCL V4 71.39(62.83)이고, 표 전체의 비가중 평균은 49.37로 Qwen3.5-9B의 47.24, MiniCPM5-2B의 39.19보다 높습니다. Liquid가 모든 모델을 vLLM으로 직접 돌렸고, VentureBeat는 벤치마크가 독립 검증 없는 Liquid 보고 결과라고 지적합니다. 우리가 확인한 시점에 Artificial Analysis는 평가하지 않았습니다.
한계는 크기가 대개 발목을 잡는 곳에 있습니다. Qwen3.5-9B가 SWE-bench Verified에서 51.20 대 43.40, GPQA Diamond에서 80.40 대 63.37, 128K 토큰 RULER에서 87.11 대 65.56으로 앞서며, Liquid 자체 카드도 에이전트 코딩과 복잡한 다단계 추론에는 쓰지 말라고 권합니다. 지식 항목 하나는 자세히 볼 만합니다. AA-Omniscience에서 정답률은 7.07%에 불과하지만 92.93%는 환각을 피하며, Qwen3.5-4B는 13.64%입니다. 지어내기보다 대체로 답을 거절하므로 검색 결합은 사실상 필수입니다.
의사결정 모델은 이번 출시에서 덜 눈에 띄는 절반입니다. d1-2B는 Jev와 같은 choice, score, yes/no 질문을 받고, 텍스트·숫자·날짜 추출, 객체 주변 박스, 구간이 붙은 추정을 더합니다. Liquid는 JevBench v1.4.1에서 77.9, H100에서 판단당 5.7 ms를 보고하며 자사의 이전 d1-3B를 앞선다고 하지만, d1-2B를 다른 d1 모델과만 비교합니다. 호스팅 d1 의사결정 모델은 입력 100만 토큰당 $0.02이며, VentureBeat는 호스팅 버전의 이름이 다운로드 모델과 같은 모델이 아닐 수 있다고 주의를 줍니다.
가중치는 작습니다. 4비트 텍스트 GGUF는 1.10 GB, BF16은 3.47 GB이며, Liquid는 128K 전체 컨텍스트의 KV 캐시를 1.6 GB로, Qwen3.5-4B의 4.3 GB와 비교합니다. 라이선스는 LFM2.5와 같은 LFM Open License v1.0으로 상업 권리는 연 매출 $10 million 미만에만 있고, Gemma 4와 Ministral 3는 Apache 2.0으로 나옵니다. Liquid는 자사 페이지에 API 가격을 공개하지 않았으므로, VentureBeat가 로그인한 콘솔에서 읽은 100만 토큰당 $0.08과 $0.20이 유일한 수치입니다.
제 역할을 하는 곳
12명 규모 앱 스튜디오의 모바일 개발자
요청을 듣고 소리 내어 답하는 오프라인 음성 어시스턴트 출시하기
LFM3-Omni-2B는 음성, 이미지, 동영상을 받아 텍스트나 24 kHz 음성으로 답하므로, 별도의 음성 인식, 언어, 음성 합성 모델을 대신합니다. 4비트 GGUF는 1.10 GB이고 여기에 0.54 GB Q8 비전·오디오 프로젝터가 더해집니다. 32K 컨텍스트가 긴 세션을 제한하며, 매출이 $10 million에 이르면 스튜디오는 별도 계약이 필요합니다.
지원 소프트웨어 회사에서 티켓을 라우팅하는 플랫폼 엔지니어
LLM 분류 호출을 빠른 로컬 의사결정으로 대체하기
d1-2B는 티켓 하나에 대한 이름 붙은 질문 여러 개에 한 번에 답하고 선택지마다 확률을 돌려주며, Liquid 수치로 H100에서 5.7 ms, 배치 시 초당 1,132개 상태를 처리합니다. 호스팅 d1 모델은 입력 100만 토큰당 $0.02, 출력 무료라 월 입력 10억(1 billion) 토큰은 약 $20입니다. Liquid의 권고대로 자체 티켓으로 임계값을 보정합니다.
매출 $200 million(2억 달러)인 소매업체의 엔지니어링 매니저
데이터를 밖으로 보내지 않고 직원 노트북에서 브라우저·도구 에이전트 운영하기
LFM3-1.7B는 Hermes Agent, Pi, OpenClaw에서 학습했고 약 1 GB로 노트북에 들어가지만, 매출 $10 million 이상이면 오픈 라이선스가 상업 이용을 허용하지 않습니다. 영업팀을 통해 배포 규모별로 가격이 매겨지는 Liquid 기업 라이선스 예산을 잡거나, 보도된 100만 토큰당 입력 $0.08, 출력 $0.20의 호스팅 API를 씁니다.
도입 전 확인할 점
- 설정
- 텍스트 모델은 trust_remote_code를 쓴 Transformers, vLLM, SGLang, Ollama, LM Studio, MLX, ONNX Runtime에서 돌아갑니다. llama.cpp는 LFM3 호환 빌드가 필요합니다. d1 모델은 Transformers 5.19 이상과 자체 모델 코드가 필요하며, llama.cpp는 choice, score, yes/no 질문만 지원합니다.
- 연동
- 도구 호출은 XML로 나오며, 채팅 템플릿은 도구 검색이 있는 하네스를 위해 지연 도구 로딩을 지원합니다. Liquid는 Hermes Agent, OpenClaw, Pi 설정을 문서화합니다. 모델은 Liquid API와 Playground에 있으며, 우리가 확인한 시점에 LFM3는 OpenRouter에 없었습니다.
- 데이터와 개인정보
- 셀프 호스팅하면 데 이터가 로컬에 남습니다. LFM Open License v1.0은 연 매출 $10 million 미만에서만 상업 이용을 허용하며, 비영리 연구는 예외입니다. 가격 페이지의 학습 미사용 약속은 맞춤 배포에 대한 것이며, API 보관 조건은 그곳에 공개돼 있지 않습니다.
- 대규모 사용 시 비용
- VentureBeat가 보도한 요금으로 월 입력 10억(1 billion), 출력 1억(100 million) 토큰은 LFM3-1.7B로 약 $100, LFM3-VL-2B로 $150이며, Audio와 Omni의 오디오 토큰은 100만 개당 입력 $2, 출력 $10이 별도입니다. 셀프 호스팅에는 4비트로 1.05~1.10 GB, Q8_0으로 1.85 GB, BF16으로 3.47 GB가 필요합니다. Liquid는 B300 한 장에서 하루 36억(3.6 billion) 토큰을 보고합니다.
- 제한
- 호스팅 LFM3 모델의 컨텍스트는 128,000 토큰으로, 오픈 텍스트 모델 256K의 절반이며, 사용 한도는 조직의 API 키 전체가 공유합니다. 어려운 작업에서는 추론 끄기가 안정적이지 않고, Omni는 추론할 수 없으며, d1-2B는 상태가 약 64K 토큰을 넘으면 신뢰도가 떨어집니다.
좋은 점
- LiveClaw 45.60, Qwen3.5-9B는 35.77(자체 보고)
- Q4_K_M 1.10 GB, 128K에서 KV 캐시 1.6 GB(Liquid)
- 하나의 백본에 텍스트, 비전, 음성, 옴니, 의사결정 모델
- d1-2B는 H100에서 5.7 ms에 타입 지정 답 반환(Liquid)
아쉬운 점
- 연 매출 $10M 이상이면 상업 라이선스 없음
- SWE-bench Verified, GPQA, 긴 컨텍스트에서 Qwen3.5-9B에 뒤짐
- Liquid 자체 가격 페이지에 API 가격 없음
- 아직 독립 벤치마크나 리더보드 점수 없음
추천 대상
휴대폰, 노트북, GPU 한 장에서 돌아가야 하는 온디바이스 에이전트, 음성 기능, 빠른 분류기를 만드는 매출 $10 million 미만의 개발자와 회사.
LFM3 대안
LFM3: 자주 묻는 질문
- LFM3, 쓸 만한 가치가 있습니까?
- 에이전트부터 음성, 타입 지정 의사결정까지 각각 약 1기가바이트에 들어가는 쓸 만한 2B 모델 6종이지만, 라이선스는 여전히 매출 $10 million에서 멈춥니다. 평점은 5점 만점에 4.0점입니다.
- LFM3의 가격은 얼마입니까?
- LFM Open License에 따른 무료 가중치(상업 이용은 연 매출 $10M 미만만). VentureBeat가 로그인한 콘솔에서 확인해 보도한 Liquid API 가격: LFM3-1.7B 1M 토큰당 입력 $0.08 / 출력 $0.20, VL $0.10 / $0.50, Audio와 Omni $0.10 / $1.00에 오디오 토큰 별도. 호스팅 d1 의사결정은 입력 1M당 $0.02, 출력 무료.
- LFM3의 단점은 무엇입니까?
- 연 매출 $10M 이상이면 상업 라이선스 없음; SWE-bench Verified, GPQA, 긴 컨텍스트에서 Qwen3.5-9B에 뒤짐; Liquid 자체 가격 페이지에 API 가격 없음; 아직 독립 벤치마크나 리더보드 점수 없음.
- LFM3에 적합한 사람은 누구입니까?
- 휴대폰, 노트북, GPU 한 장에서 돌아가야 하는 온디바이스 에이전트, 음성 기능, 빠른 분류기를 만드는 매출 $10 million 미만의 개발자와 회사.
- 팀이나 프로덕션 환경에서 LFM3의 비용은 얼마입니까?
- VentureBeat가 보도한 요금으로 월 입력 10억(1 billion), 출력 1억(100 million) 토큰은 LFM3-1.7B로 약 $100, LFM3-VL-2B로 $150이며, Audio와 Omni의 오디오 토큰은 100만 개당 입력 $2, 출력 $10이 별도입니다. 셀프 호스팅에는 4비트로 1.05~1.10 GB, Q8_0으로 1.85 GB, BF16으로 3.47 GB가 필요합니다. Liquid는 B300 한 장에서 하루 36억(3.6 billion) 토큰을 보고합니다.
- LFM3에 회사 데이터를 맡겨도 안전합니까?
- 셀프 호스팅하면 데이터가 로컬에 남습니다. LFM Open License v1.0은 연 매출 $10 million 미만에서만 상업 이용을 허용하며, 비영리 연구는 예외입니다. 가격 페이지의 학습 미사용 약속은 맞춤 배포에 대한 것이며, API 보관 조건은 그곳에 공개돼 있지 않습니다.
- LFM3의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 MiniCPM5-2B, Gemma 4, Ministral 3 (3B, 8B and 14B), LFM2.5-24B-A2B 및 Perplexity Decider (pplx-decider)입니다.
답변 확인일: 2026년 10월 28일.
LFM3 개발사입니까? 이 평점을 사이트에 표시하십시오
