На фоне громких анонсов гигантских моделей на сотни миллиардов параметров, которые требуют целых дата-центров для работы, компания Liquid AI пошла против течения. Разработчик представил семейство LFM3 — шесть открытых мультимодальных моделей класса 2B. И хотя цифра «2 миллиарда параметров» на фоне конкурентов может показаться скромной, именно в этой компактности и скрывается главный козырь, о котором предпочитают умалчивать создатели более тяжеловесных решений.
Что именно представила Liquid AI
Семейство LFM3 (Liquid Foundation Models третьего поколения) включает в себя шесть вариаций, ориентированных на разные задачи: от обработки текста и изображений до сложных агентных сценариев. Все модели имеют размерность 2B, что позволяет запускать их на периферийных устройствах, ноутбуках и даже смартфонах без обращения к облачным серверам.
Ключевая особенность новинки — архитектура, вдохновлённая принципами работы нейронных цепей живых организмов. В отличие от классических трансформеров, где вычислительная сложность растёт квадратично от длины контекста, модели Liquid AI используют динамические «жидкие» слои. Это позволяет им эффективно обрабатывать длинные последовательности данных, сохраняя при этом низкое энергопотребление.
Шесть моделей — шесть сценариев применения
Разработчики не просто выпустили одну универсальную модель, а разделили линейку по специализациям. Среди них есть версии, заточенные под генерацию текста, под анализ визуального контента, а также под выполнение действий в рамках парадигмы Agentic AI — когда модель не просто отвечает на вопрос, а планирует и выполняет цепочки задач.
- Текстовая база — для чат-ботов и суммаризации документов;
- Мультимодальные версии — для описания изображений и ответов на вопросы по картинкам;
- Агентные конфигурации — для автоматизации рабочих процессов и вызова внешних инструментов.
Все шесть моделей распространяются под открытой лицензией, что даёт разработчикам полный доступ к весам и возможность дообучения под собственные задачи.
То, о чём молчат конкуренты: скрытые преимущества
На первый взгляд, 2B-модель не может конкурировать с флагманами вроде GPT-4 или Claude. Однако Liquid AI делает ставку на другое — на эффективность в реальных условиях. И здесь всплывают детали, которые крупные игроки обычно обходят стороной в своих пресс-релизах.
1. Экономика инференса
Стоимость запуска большой модели в облаке измеряется в долларах за миллион токенов. Для компактной LFM3 эта цифра падает на порядки, особенно если развернуть её на собственном оборудовании. Конкуренты, продвигающие API-доступ, редко акцентируют внимание на том, что их решения привязаны к подписке и зависят от стабильности интернета. Liquid AI же предлагает модель, которая работает локально и не требует постоянного подключения к сети.
2. Приватность без компромиссов
Когда модель работает на устройстве пользователя, данные не покидают пределы локальной среды. Это критически важно для медицинских, юридических и корпоративных приложений, где утечка информации недопустима. Крупные провайдеры облачных ИИ вынуждены собирать данные для улучшения сервисов, и LFM3 здесь выглядит куда более привлекательно для бизнеса, заботящегося о конфиденциальности.
3. Скорость отклика и автономность
Отсутствие сетевых задержек означает мгновенную реакцию. Для робототехники, дронов и встраиваемых систем это не просто удобство, а необходимость. Пока конкуренты рассуждают о «градущих прорывах» в автономном ИИ, Liquid AI уже поставляет инструмент, который можно встроить в устройство сегодня.
4. Открытость как стратегия
Открытые веса позволяют сообществу исследователей и инженеров адаптировать модель под узкие задачи — от распознавания дефектов на производстве до анализа сельскохозяйственных культур. Закрытые модели такой гибкости не дают, и это тот самый «скрытый» фактор, который может определить долгосрочное лидерство Liquid AI в нише периферийного искусственного интеллекта.
Мультимодальность: не просто модное слово
LFM3 умеет работать не только с текстом. Модели способны анализировать изображения, извлекать из них информацию и комбинировать визуальные данные с текстовыми запросами. Для 2B-класса это серьёзное достижение, поскольку обычно мультимодальность ассоциируется с более крупными архитектурами.
На практике это открывает путь к созданию умных камер, систем контроля качества на производстве и ассистентов дополненной реальности, которые работают прямо на смартфоне без обращения к серверу. Именно такие сценарии эксперты называют «следующей волной» практического применения ИИ.
Agentic AI: шаг к автономным помощникам
Отдельного внимания заслуживает поддержка агентных сценариев. Модели LFM3 могут не просто генерировать ответы, а планировать действия, вызывать функции и взаимодействовать с внешними сервисами. Это делает их пригодными для создания персональных ассистентов, которые бронируют билеты, сортируют почту или управляют умным домом — и всё это локально, без утечки данных в облако.
Крупные игроки активно развивают Agentic AI, но их решения требуют мощной инфраструктуры. Liquid AI показывает, что агентные возможности можно уместить в компактную модель, и это меняет правила игры для разработчиков встраиваемых систем.
Что это значит для рынка
Выход LFM3 — это сигнал о том, что гонка за параметрами постепенно уступает место гонке за эффективностью. Пользователям нужны не абстрактные рекорды бенчмарков, а работающие инструменты, которые быстро отвечают, стоят дёшево и не ставят под угрозу приватность.
Для стартапов и небольших команд открытые 2B-модели означают снижение порога входа: теперь можно создавать ИИ-продукты без многомиллионных бюджетов на облачные вычисления. Для крупных корпораций это шанс развернуть ИИ внутри периметра безопасности. А для конкурентов — напоминание о том, что громкие цифры в пресс-релизах не всегда отражают реальную ценность технологии.
Краткий вывод
Liquid AI с семейством LFM3 предлагает не «убийцу GPT», а нечто более практичное — компактные, открытые и мультимодальные модели, способные работать там, где большие системы бессильны из-за стоимости, задержек или требований к приватности. Именно в этом и скрывается главный секрет, о котором молчат конкуренты: будущее ИИ может оказаться не в гигантских дата-центрах, а в маленьких моделях, живущих прямо в вашем устройстве.
