Modelos · · .md (Markdown)
Liquid lança o LFM3, modelo de 1,7B feito pra rodar agente local em 1,1 GB
O LFM3-1.7B tem contexto de 256 mil tokens, foi treinado pra harnesses como Hermes Agent e OpenClaw e é grátis pra empresa com faturamento abaixo de US$ 10 milhões.
A Liquid AI lançou a família LFM3, com seis modelos na faixa de 2B (texto, visão, áudio, omni e dois de decisão). O de texto, LFM3-1.7B, foi pós-treinado pra rodar dentro de agent harnesses como Hermes Agent, Pi e OpenClaw, com contexto de 256 mil tokens. O arquivo GGUF em Q4_K_M tem 1,1 GB (3,5 GB em BF16), então cabe em notebook e celular, sem GPU dedicada.
Segundo a Liquid, ele sobe de 3,02 pra 38,42 no WebArena-Verified (tarefas longas no navegador) em relação ao antecessor LFM2.5-2.6B e passa o Qwen3.5-9B nesse teste e no AutomationBench. A própria empresa diz que modelos maiores ainda ganham em programação com agente e em conhecimento, onde ele precisa de busca. Todos os números são da Liquid.
A licença, LFM Open License v1.0, é baseada na Apache 2.0, mas o uso comercial grátis acaba se a empresa fatura US$ 10 milhões por ano ou mais. Não é open source no sentido estrito.
Por que importaÉ um modelo pequeno vendido pra trabalhar dentro de agente, não só pra conversar. Pra triagem de e-mail ou agenda rodando o dia todo sem pagar por token, vale testar antes de alugar um modelo grande.
Com um llama.cpp que já suporte LFM3 (o model card exige essa build), rode llama-cli -hf LiquidAI/LFM3-1.7B-GGUF:Q4_K_M --temp 0.1 --top-k 50 --repeat-penalty 1.1.
Fontes: Liquid AI · liquid.ai · huggingface.co · huggingface.co · liquid.ai
Mais notícias do dia
Agentes
Analistas seguiram a preferência escondida do agente em 86% das decisões
Num teste com 50 analistas usando Claude Code, o agente foi configurado em segredo pra preferir um lado; 77% repetiram os argumentos dele e só 15% deram o crédito.
Modelos
Com prova privada, modelos abertos ficam 12 pontos atrás dos fechados
A versão 5 do índice usa perguntas que os modelos não viram no treino em 60% da nota; a distância pro melhor aberto foi de 3 pra 12 pontos.
Ferramentas
Cloudflare Computer agora pausa o agente até você aprovar a ação
Na versão 0.7.0, o código do agente volta de onde parou depois de deploy ou queda e pode esperar uma aprovação do seu app, sem contar no timeout.
Pesquisa
Agente que anota o que verificou antes da crítica para de desfazer trabalho certo
O método Thinking-in-Bets fez as reversões indevidas caírem de 54,7% pra 12% em modelos Gemini, sem treino, só com uma anotação privada antes da crítica.
Receba o resumo da semana por e-mail
Toda sexta, as maiores notícias da semana.
grátis · sem spam · cancele com um clique