LFM3, une famille de modèles multimodaux compacts

SSacha

D’après AlphaSignal, Liquid AI a lancé LFM3, une famille de 6 modèles à poids ouverts partageant un même socle. Leurs domaines annoncés couvrent le texte, la vision, l’audio, les usages multimodaux et les tâches de décision structurée. Autrement dit, l’annonce porte sur plusieurs modèles construits autour d’une base commune, et non sur un seul modèle dont on présenterait toutes les capacités comme interchangeables. La famille comprend notamment LFM3-1.7B, LFM3-Audio-2B, LFM3-VL-2B, d1-2B et d1-Omni-2B. Le qualificatif « à poids ouverts » indique ici que les poids sont proposés sous une licence, mais cela ne signifie pas que leur utilisation est dépourvue de conditions.

SSacha

Alors, l’architecture comporte 24 couches réparties entre 13 convolutions à portes, 5 couches d’attention à fenêtre glissante et 6 couches d’attention globale. On peut se représenter les convolutions comme un outil qui repère des motifs proches dans une séquence, par exemple des éléments qui se suivent. L’attention à fenêtre glissante examine, elle aussi, un voisinage limité, tandis que l’attention globale peut relier des éléments éloignés. L’intérêt de cette combinaison est de faire coexister plusieurs façons de traiter l’information, plutôt que de s’appuyer uniquement sur un seul mécanisme. C’est un choix de conception annoncé pour LFM3 ; le nombre et le type de couches décrivent l’architecture, mais ne suffisent pas à démontrer la qualité des réponses dans chaque usage.

SSacha

La présentation vise plusieurs cadres de déploiement : des appareils, une infrastructure privée ou des serveurs dans le nuage. Pour LFM3-1.7B, Liquid AI indique que les poids occupent environ 1 Go après quantification en 4 bits. La quantification représente les poids avec une précision numérique réduite, ce qui permet de diminuer leur volume ; ce chiffre concerne donc les poids du modèle, pas toute la mémoire nécessaire pour le faire fonctionner. Pendant l’exécution, il faut aussi de la mémoire pour le cache et les activations, entre autres éléments, et le besoin total est supérieur à 1 Go. La mémoire réellement disponible devient ainsi un critère de déploiement, même quand le fichier des poids paraît assez petit. Le chiffre annoncé ne permet pas, à lui seul, de prévoir la consommation dans toutes les configurations.

SSacha

La famille est proposée sur Hugging Face, Ollama, llama.cpp et OpenVINO. Elle est distribuée sous la licence LFM Open License v1.0, qui comporte une limite concernant les revenus autorisés. Ces noms indiquent plusieurs voies d’accès et de déploiement, mais ne permettent pas de conclure que chaque version fonctionnera de façon identique sur toutes les machines. Le matériel disponible et les besoins en mémoire restent notamment à prendre en compte pour choisir une configuration. Pour une utilisation commerciale, la limite de revenus mérite donc d’être examinée avant d’intégrer un modèle à un produit ou à un service. La présence de poids ouverts n’efface pas cette condition de licence, et l’annonce ne détaille pas ici toutes les situations d’utilisation possibles.

SSacha

Liquid AI annonce une moyenne de 71,4 sur 62 tests de vision pour LFM3-VL-2B et le compare à Gemma 4 12B. La même entreprise affirme que LFM3-1.7B dépasse LFM2.5-2.6B dans ses évaluations, avec environ 35 % de paramètres en moins. Ces résultats et cette comparaison sont rapportés par Liquid AI, mais ne sont pas corroborés indépendamment dans l’article d’AlphaSignal. Il faut donc les comprendre comme des performances annoncées, pas comme une validation indépendante de leur efficacité dans tous les usages. La fenêtre de contexte maximale annoncée atteint 256 000 tokens, ce qui désigne la quantité de texte que le modèle peut prendre en compte dans certaines conditions. Mais cette capacité maximale ne prouve pas que la qualité reste la même sur toute cette longueur, ni que l’exécution demande une quantité de mémoire donnée en situation réelle.

SSacha

Il faut retenir que LFM3 rassemble plusieurs modèles autour d’un socle commun, avec des domaines annoncés qui vont du texte à la vision, à l’audio et aux tâches de décision. Pour choisir une version, le premier repère est donc la tâche recherchée, puis les contraintes de la machine et de la mémoire disponible. L’exemple de LFM3-1.7B montre pourquoi il faut distinguer le poids du fichier et les besoins d’exécution : environ 1 Go pour les poids quantifiés en 4 bits, mais davantage de mémoire au fonctionnement. Il faut aussi consulter la licence, car l’accès sur plusieurs outils s’accompagne d’une limite de revenus autorisés. Enfin, les résultats avancés par Liquid AI et la fenêtre de contexte maximale restent des annonces dont la portée n’est pas établie indépendamment dans les éléments rapportés. Des essais sur les tâches visées permettraient de vérifier si les performances et les besoins matériels conviennent au cas concret.