A Liquid AI apresentou em 27 de outubro de 2026 a família LFM3, um conjunto de seis modelos de inteligência artificial voltados a aplicações especializadas. A novidade reúne ferramentas capazes de lidar com texto, imagens, vídeos, áudio e respostas estruturadas, com ênfase em executar tarefas em dispositivos próprios e servidores controlados pelas organizações. O anúncio foi detalhado pela desenvolvedora no Hugging Face e analisado pela publicação independente VentureBeat na mesma data.
Diferentemente da proposta de concentrar múltiplas tarefas em um único modelo de grande porte, a linha parte de uma base comum de 1,7 bilhão de parâmetros, da qual surgem versões com cerca de 2 bilhões de parâmetros. Entre as opções estão o LFM3-1.7B, para linguagem e utilização de ferramentas; o LFM3-VL-2B, para imagens e vídeos; e modelos dedicados a voz, recursos combinados de áudio e visão e decisões estruturadas.
A desenvolvedora afirma que as versões podem ser adaptadas a tarefas específicas usando uma única GPU. Isso abre possibilidades para criar assistentes internos, interpretar documentos ou integrar comandos de voz a aplicativos, mas não elimina a necessidade de construir e testar o restante do sistema. Também não significa que todos os recursos funcionem com o mesmo desempenho em qualquer celular ou computador.
No modelo de texto, a Liquid AI anuncia uma janela de contexto de até 256 mil tokens na documentação do modelo distribuído para execução própria. A VentureBeat destaca uma distinção importante: a opção hospedada pela empresa apresenta um limite de contexto menor. Além disso, o arquivo do modelo comprimido pode ocupar aproximadamente 1 GB, mas esse número não representa toda a memória exigida para executar uma aplicação, especialmente com entradas extensas.
A arquitetura é descrita como híbrida, combinando camadas de convolução e mecanismos de atenção para equilibrar capacidade e velocidade. Em avaliações divulgadas pela própria fabricante, o LFM3-1.7B supera seu antecessor em determinadas tarefas de navegação e uso de ferramentas, apesar de ter menos parâmetros. Esses resultados, contudo, não são uma comprovação independente de desempenho em ambientes reais.
Há limites relevantes. A cobertura da VentureBeat mostra que modelos maiores continuam à frente em alguns testes de programação, conhecimento e tratamento de contextos longos. A distribuição dos pesos permite experimentar implementações locais, mas o uso comercial está sujeito a condições da licença da Liquid AI, que devem ser consultadas antes de uma adoção empresarial.
O lançamento de 27 de outubro ilustra a busca por modelos menores e especializados, sem demonstrar que eles substituem soluções mais amplas. Para organizações interessadas, o próximo passo é testar precisão, consumo de memória, velocidade, condições de licença e comportamento em tarefas reais. Por enquanto, as comparações de desempenho disponíveis dependem principalmente de medições publicadas pela própria desenvolvedora.
Fontes e referências: Liquid AI, publicação técnica no Hugging Face, 27 de outubro de 2026: https://huggingface.co/blog/LiquidAI/lfm3 VentureBeat, reportagem de Carl Franzen, 27 de outubro de 2026: https://venturebeat.com/technology/liquid-ais-new-lfm3-models-put-browser-agents-voice-commands-and-image-recognition-onto-enterprise-controlled-devices
Produção editorial com apoio de automação e referências identificadas. A automação não representa aprovação humana prévia.
