IA Multimodal✦ Gerado por IA

LFM3: Construindo Modelos Multimodais Especializados com IA Líquida

A Liquid AI apresentou a nova família de modelos LFM3, combinando texto, visão, áudio e tomada de decisão em uma arquitetura de 2 bilhões de parâmetros capaz de rodar diretamente em dispositivos finais.

Edição de ·Hugging Face Blog·4 min de leitura·
CompartilharWhatsAppXLinkedInFacebook
💡

Principal Aprendizado

A arquitetura LFM3 permite rodar modelos multimodais completos diretamente em dispositivos locais com ajuste fino em apenas uma placa gráfica.

A empresa Liquid AI anunciou o lançamento da família LFM3, sua nova geração de modelos fundacionais projetados para servirem como base de inteligência especializada. Construída na faixa de 2 bilhões de parâmetros, a linha integra modalidades de texto, visão, áudio e decisão em uma única arquitetura central. O grande diferencial está na eficiência operacional: todos os modelos podem sofrer ajuste fino em apenas uma placa de processamento gráfico e serem executados diretamente nos dispositivos locais dos usuários.

Segundo informações publicadas no portal Hugging Face, o avanço central da série LFM3 em relação à geração anterior é a entrega de maior capacidade computacional por parâmetro. O modelo de texto base LFM3-1.7B, pré-treinado em 22 trilhões de tokens e finalizado com 3,5 trilhões de tokens focados em chamadas de ferramentas, consegue superar a versão LFM2.5-2.6B mesmo utilizando 35% a menos de parâmetros. Além disso, a janela de contexto foi expandida para 256 mil tokens, permitindo o funcionamento de agentes autônomos complexos em hardware limitado.

Arquitetura tri-híbrida garante desempenho em hardware modesto

Para alcançar esses resultados em dispositivos com recursos restritos, os desenvolvedores implementaram uma nova arquitetura tri-híbrida composta por 24 camadas. O sistema combina 13 camadas de convoluções curtas com portas de controle, 5 camadas de atenção com janela deslizante e 6 camadas de atenção global. Essa estrutura passa por testes diretos em hardware que cobrem 14 combinações de dispositivos, variando de telefones celulares e placas Raspberry Pi 5 até processadores corporativos e chips neurais Qualcomm Hexagon.

Em tarefas que envolvem contextos longos, a eficiência da nova arquitetura se destaca. O modelo LFM3-1.7B apresenta uma velocidade cerca de 25% superior à de gerações anteriores ao processar 8 mil tokens de contexto. Para otimizar o uso da memória, o modelo de texto pode operar compactado em precisão de 4 bits exigindo aproximadamente 1 gigabyte de espaço, viabilizando o processamento de agentes de inteligência artificial inteiramente na ponta.

Seis modelos derivados cobrem texto, vídeo e áudio em tempo real

A partir da mesma espinha dorsal foram desenvolvidas seis variações especializadas. No segmento de visão computacional, o LFM3-VL-2B introduz o suporte para entrada de vídeos através de um codificador próprio que reduz em três vezes o consumo computacional necessário em relação aos padrões anteriores. Esse modelo eleva a média em testes de visão para 71,4 pontos, atingindo patamares equivalentes a sistemas seis vezes maiores, além de oferecer raciocínio passo a passo e localização espacial de objetos para aplicações em robótica.

Para a modalidade sonora, a suíte conta com o LFM3-Audio-2B e um novo codificador proprietário chamado LiquidCodec. O sistema de áudio opera de forma totalmente causal, permitindo o pré-processamento da entrada enquanto o usuário ainda está falando, com tempo de resposta inicial na casa dos 50 milissegundos. Durante a síntese de fala, o sintetizador consegue gerar voz a uma velocidade aproximada de 87 vezes o tempo real em uma única thread de processador corporativo.

O que isso muda para você

Para os profissionais de tecnologia e desenvolvedores no Brasil, a chegada da família LFM3 altera drasticamente a viabilidade financeira de projetos baseados em inteligência artificial. A capacidade de rodar modelos multimodais completos em dispositivos de borda ou em infraestruturas locais pequenas elimina a dependência constante de APIs pagas em nuvem. Isso reduz os custos operacionais de latência e processamento, permitindo que startups e empresas locais criem produtos avançados sem a necessidade de grandes orçamentos de infraestrutura.

A exigência de apenas uma placa de processamento gráfico para a etapa de ajuste fino democratiza a personalização de sistemas para nichos específicos. Empresas brasileiras de setores como varejo, saúde e agronegócio podem treinar modelos com terminologias locais, dados privados e fluxos de trabalho próprios mantendo o controle total sobre a privacidade das informações, já que o processamento não precisa sair da rede interna.

Como próximo passo prático, vale a pena baixar o modelo base LFM3-1.7B ou a versão visual através da biblioteca Transformers para testar a execução de tarefas automatizadas em seu hardware atual. Avaliar a integração desses modelos de baixo parâmetro em fluxos existentes é o melhor caminho para identificar onde o processamento local pode substituir chamadas externas, otimizando a arquitetura técnica da sua empresa.

📰 Com base em reportagem de Hugging Face Blog. Texto produzido com apoio de inteligência artificial, com curadoria e edição de Robson Benfica Conceição, com análise própria do que a notícia muda para quem trabalha no Brasil. Veja como produzimos.

📬 Newsletter Gratuita

As principais notícias de IA do dia, curadas por Robson Conceição. Grátis, todo dia no seu e-mail.

Gostou do conteúdo?

Compartilhe com quem também quer entender IA no trabalho.

CompartilharWhatsAppXLinkedInFacebook

Leia também