Modelos Open Source

LFM3: pequeño pero costaud — el modelo de IA que corre en una Raspberry Pi

2026-11-02 • 5 min lectura

Hay una creencia generalizada en IA: cuanto más grande el modelo, mejor. Más parámetros, más capacidad, más inteligencia. GPT-4 tiene más de un billón. Llama 3 pesa 405 mil millones. La lógica parece simple: tamaño = potencia.

Luego llega Liquid AI con LFM3 y rompe esa lógica en pedazos.

¿Qué es LFM3?

LFM3 es la tercera generación de Liquid Foundation Models, creados por Liquid AI, una startup fundada por investigadores del MIT. Su premisa es radical: construir modelos que no sean los más grandes, sino los más eficientes por parámetro.

LFM3 tiene 1.7 billones de parámetros. Para contexto, eso es aproximadamente 5 veces más pequeño que Qwen 3.5-9B y 6 veces más pequeño que Gemma 4-8B. Modelos que se consideran "pequeños" en el mundo actual.

Pero aquí está la cosa: en muchas tareas, LFM3 los bate.

David contra Goliat

Los números son sorprendentes. En tareas agentic —es decir, cuando el modelo tiene que usar herramientas, navegar webs, gestionar calendarios, tomar decisiones— LFM3-1.7B compite con modelos varias veces su tamaño:

WebArena (navegación web real): LFM3 scored 38.42, Qwen 3.5-9B scored 28.94. Un modelo 5 veces más pequeño gana.
AutomationBench (automatización de tareas): LFM3 scored 41.29, Qwen 3.5-9B scored 15.10. Casi el triple.
IFEval (seguimiento de instrucciones): LFM3 scored 96.66, batiendo a todos los modelos en su clase.
BFCL V4 (uso de herramientas/function calling): LFM3 scored 71.39, por delante de modelos de 8B y 9B.

No gana en todo —los modelos grandes todavía dominan en conocimiento general y coding agentic— pero en las tareas que más importan para aplicaciones reales (agentes, automatización, tool use), un modelo de 1.7B se mantiene al nivel de gigantes.

1.7B parámetros. Corre en un Raspberry Pi 5. Y bate a modelos de 9B en navegación web y automatización. El tamaño no lo es todo.

Multimodal de verdad

La mayoría de modelos pequeños hacen una sola cosa: texto. LFM3 no. La familia incluye seis modelos, todos derivados del mismo backbone de 1.7B:

Texto — para agentes y aplicaciones especializadas
Visión — entiende imágenes
Audio — procesa sonido
Omni — texto + visión + audio juntos
Decision (visión) — optimizado para tomar decisiones a partir de imágenes
Decision (omni) — decisiones a partir de múltiples modalidades

Todo esto en modelos de aproximadamente 2B parámetros. La idea es simple: en lugar de usar un modelo gigante que hace todo mediocremente, eliges el modelo especializado para tu caso de uso, lo afinas, y lo corres en tu dispositivo.

¿Dónde corre?

Aquí es donde LFM3 se vuelve realmente interesante. Liquid AI probó el modelo en 14 combinaciones de hardware diferentes:

Teléfonos: Samsung Galaxy S26 Ultra, OnePlus 15
Raspberry Pi 5
Laptops: Apple M4 Max, AMD Ryzen AI
Cloud CPUs: Arm y x86
GPUs y Qualcomm Hexagon NPU

En todos ellos, LFM3 es el modelo más rápido de su clase. Decodifica 1.8 a 2.8 veces más rápido que el siguiente modelo. Y su memoria es minúscula: un contexto completo de 128K tokens necesita solo 1.6 GB de KV cache, contra 4.3 GB de Qwen 3.5-4B o 5.6 GB de MiniCPM5-2B.

Esto significa que puedes tener un asistente IA agentic corriendo en un Raspberry Pi 5. No necesitas un data center. No necesitas una suscripción cloud. No necesitas pedirle permiso a Sam Altman.

Por qué esto importa

LFM3 no es solo un logro técnico. Es una demostración de que el paradigma está cambiando.

Durante años, la narrativa ha sido: "los modelos pequeños no sirven para tareas serias, necesitas la nube". LFM3 demuestra lo contrario. Un modelo de 1.7B puede triar tu inbox, gestionar tu calendario, investigar en la web, enviar resúmenes por WhatsApp —todo localmente, sin enviar tus datos a ningún sitio.

Y como los tokens son gratis cuando corres localmente, puedes tener docenas de agentes corriendo en paralelo en tu propia máquina. Sin factura. Sin límites. Sin dependencia.

Para las pymes, esto cambia la ecuación completamente:

Coste cero por inferencia: pagas el hardware una vez, no una suscripción eterna
Privacidad total: tus datos nunca salen de tu red
Personalización: afinas el modelo para tu dominio específico
Resiliencia: sigue funcionando sin internet

El futuro no es necesariamente gigante

La industria lleva años persiguiendo el modelo más grande. Más parámetros, más GPU, más dinero, más data center. Pero hay un camino alternativo: modelos pequeños, especializados y eficientes que corren donde tú quieras.

LFM3 no va a reemplazar a GPT-5 en razonamiento complejo. No es eso lo que pretende. Pretende demostrar que para el 90% de tareas reales —agentes, automatización, tool use— no necesitas un modelo de un billón de parámetros. Necesitas el modelo adecuado, bien entrenado, en el dispositivo adecuado.

El futuro de la IA no es solo "más grande". Es más inteligente, más pequeño y más cerca de ti.

Los pesos de LFM3 son open-weight y están disponibles en Hugging Face. Puedes descargarlos hoy, afinarlos para tu caso de uso, y correrlos en tu hardware. Sin pedir permiso.