Sei modelli in un colpo solo. Non è una mossa di marketing, ma la strategia di Liquid AI per occupare lo spazio dell'inference locale, dove il costo marginale per token non è l'unico parametro che conta. La famiglia LFM3 parte da un modello testuale da 1,7 miliardi di parametri e si estende a varianti per visione, audio, input omni-modali e due modelli di decisione che saltano del tutto la generazione di token.

Il punto di partenza è LFM3-1.7B, un LLM pensato per agenti locali e applicazioni specializzate. Liquid AI lo descrive come basato su una nuova architettura "tri-hybrid": 24 layer che combinano 13 convoluzioni brevi gated, 5 layer di attenzione a finestra scorrevole e 6 layer di attenzione globale. Non è il classico transformer, e questa scelta architetturale ha un peso: il modello a 4 bit occupa circa 1 GB di memoria, abbastanza per girare su qualsiasi telefono o laptop. Il context window arriva a 256K token, un valore che fino a poco tempo fa era riservato a modelli ben più grandi. La stessa Liquid AI precisa che il fine-tuning richiede una singola GPU, un dettaglio che sposta il baricentro dal training centralizzato alla personalizzazione distribuita.

Accanto al modello testuale, la famiglia include LFM3-VL-2B per la comprensione visiva, con input di testo, immagini e video; LFM3-Audio-2B per l'elaborazione audio con sintesi vocale multilingue in 18 lingue; LFM3-Omni-2B, un modello end-to-end che sostituisce ASR, VLM, LLM e TTS in un unico checkpoint. Ma i modelli più interessanti per chi ragiona in ottica di deployment edge sono i due "decision model": d1-Omni-2B e d1-2B. Questi non generano token, ma restituiscono risposte calibrate in un singolo forward pass, con latenze dichiarate di 5,8 ms su NVIDIA H100 e 3,7 ms su AMD MI325X per il primo, e 5,7 ms e 3,8 ms per il secondo. Quando serve estrarre testo, numeri, date o stimare quantità con un intervallo, il costo computazionale crolla perché non c'è una pipeline di generazione autoregressiva.

Il supporto a llama.cpp è stato già integrato, il che elimina molti attriti per chi vuole self-hosted su hardware consumer o microservizi senza dipendere da runtime proprietari. Questo è un segnale strutturale: la frontiera dell'AI non si sta solo spostando verso modelli più grandi nel cloud, ma anche verso modelli piccoli e specializzati che possono vivere on-premise o su dispositivi edge. Per le aziende che hanno vincoli di sovranità dei dati o che non vogliono pagare costi di inference ricorrenti, un modello da 1,7B quantizzato a 4 bit è un oggetto molto diverso da un LLM da centinaia di miliardi di parametri: può essere distribuito su flotte di dispositivi, aggiornato con fine-tuning locale e mantenuto sotto controllo diretto.

Chi ci guadagna? Gli sviluppatori di agenti locali, le PMI che vogliono automazione senza mandare dati sensibili a terze parti, e i team di robotica che hanno bisogno di ragionamento spaziale e temporale a bassa latenza. Chi ci perde? I fornitori di API cloud che monetizzano il consumo di token su modelli generalisti: se il modello decisionale risponde in millisecondi senza generare testo, il volume di token fatturabili si riduce drasticamente. La mossa di Liquid AI non è isolata: rientra in una tendenza più ampia verso l'efficienza architetturale e la specializzazione spinta, dove il valore si misura in millisecondi e gigabyte, non solo in parametri. Resta una domanda aperta: la qualità di questi modelli da 1,7–2,2 miliardi di parametri sarà sufficiente per compiti complessi? Liquid AI stessa sconsiglia l'uso per coding agentico o ragionamento multi-step. Ma per chi deve estrarre dati da una foto, controllare un dispositivo o rispondere a una domanda su un video, la latenza e il footprint diventano le metriche decisive.