LFM3: txikia baina sendoa — Raspberry Pi batean exekutatzen den IA modeloa
IAren sinesmen zabaldu bat dago: modeloa handiagoa izan ahala, hobe. Parametro gehiago, gaitasun gehiago, inteligentzia gehiago. GPT-4k bilioi bat baino gehiago ditu. Llama 3k 405 milioi pisatzen ditu. Logika sinplea dirudi: tamaina = ahalmena.
Orduan Liquid AI LFM3rekin iristen da eta logika hori apurtzen du.
Zer da LFM3?
LFM3 Liquid Foundation Modelsen hirugarren belaunaldia da, Liquid AIk sortua, MITko ikertzaileek fundatutako startup bat. Bere premisa erradikala da: ez eredu handienak eraikitzea, baizik parametroko eraginkorrenak.
LFM3k 1.7 milioi parametro ditu. Testuinguruan jartzeko, Qwen 3.5-9B baino 5 aldiz txikiagoa da eta Gemma 4-8B baino 6 aldiz txikiagoa. Gaurko munduan "txiki" kontsideratzen diren modeloak.
Baina hemen dago gauza: ataza askotan, LFM3k garaitzen ditu.
David Goliathen kontra
Zenbakiak harritgarriak dira. Ataza agentikoetan —hau da, modeloak tresnak erabili behar dituenean, webean nabigatu, egutegiak kudeatu, erabakiak hartu— LFM3-1.7B bere tamaina baino handiagoak diren modeloekin lehiatzen da:
- WebArena (benetako web nabigazioa): LFM3k 38.42 lortu zuen, Qwen 3.5-9Bk 28.94. 5 aldiz txikiagoa den modeloak irabazten du.
- AutomationBench (ataza automatizazioa): LFM3k 41.29, Qwen 3.5-9Bk 15.10. Ia hirukoitza.
- IFEval (jarraibideei jarraitzea): LFM3k 96.66, bere klaseko modelo guztiak garaituz.
- BFCL V4 (tresnen erabilera): LFM3k 71.39, 8B eta 9B modeloen aurretik.
Ez du denetan irabazten —modelo handiek oraindik ezagutza orokorrean eta coding agentikoan nagusitasuna dute— baina aplikazio errealerako garrantzitsuenak diren atazetan (agenteak, automatizazioa, tresnen erabilera), 1.7Bko modelo bat giganteen mailan mantentzen da.
1.7B parametro. Raspberry Pi 5 batean exekutatzen da. Eta 9Bko modeloak garaitzen ditu web nabigazioan eta automatizazioan. Tamaina ez da dena.
Benetan multimodala
Modelo txiki gehienek gauza bat bakarrik egiten dute: testua. LFM3k ez. Familia sei modelo barne hartzen ditu, guztiak 1.7B backbone beretik eratorriak:
- Testua — agenteak eta aplikazio espezializatuak
- Bista — irudiak ulertzen ditu
- Audioa — soinua prozesatzen du
- Omni — testua + bista + audioa elkarrekin
- Erabakia (bista) — irudietatik erabakiak hartzeko optimizatua
- Erabakia (omni) — modalitate anitzetik erabakiak
Guzti hau 2B parametroko modeloetan. Ideia sinplea da: gauza guztiak medioiroki egiten dituen modelo gigante bat erabili beharrean, zure kasurako modelo espezializatua aukeratu, finetu, eta zure gailuan exekutatu.
Non exekutatzen da?
Hemen LFM3 benetan interesgarria bihurtzen da. Liquid AIk modeloa 14 hardware konbinaziotan probatu zuen:
- Telefonoak: Samsung Galaxy S26 Ultra, OnePlus 15
- Raspberry Pi 5
- Laptopak: Apple M4 Max, AMD Ryzen AI
- Cloud CPUak: Arm eta x86
- GPUak eta Qualcomm Hexagon NPU
Guztietan, LFM3 bere klaseko modelorik azkarrena da. Hurrengo modeloa baino 1.8 eta 2.8 aldiz azkarrago deskodetzen du. Eta bere memoriaren aztarna txikia da: 128K tokeneko testuinguru osoak 1.6 GB besterik ez ditu KV cachean, Qwen 3.5-4Bren 4.3 GBren edo MiniCPM5-2Bren 5.6 GBren kontra.
Honek esan nahi du agente IA asistente bat Raspberry Pi 5 batean exekutatu dezakezula. Data centerririk gabe. Cloud harpidetzarik gabe. Sam Altmani baimenik gabe.
Zergatik garrantzitsua den
LFM3 ez da bakarrik lorpen teknikoa. Paradigma aldatzen ari dela frogatzea da.
Urteetan zehar, narratiba izan da: "modelo txikiek ez dute balio ataza seriorako, cloud-a behar duzu." LFM3k kontrakoa frogatzen du. 1.7Bko modelo batek zure sarrera-posta triatu, zure egutegia kudeatu, webean ikertu, WhatsAppen laburpenak bidali ditzake —dena lokalki, zure datuak inora bidali gabe.
Eta tokenak doakoak direnez lokalki exekutatzen duzunean, dozenaka agente paralelo exekutatu ditzakezu zure makina propioan. Fakturarik gabe. Mugarik gabe. Menpekotasunik gabe.
PMEentzat, honek ekuazioa erabat aldatzen du:
- Inferentzia koste zero: hardware behin ordaintzen duzu, ez harpidetza betiko
- Pribatutasun totala: zure datuak ez dira inoiz zure saretik irteten
- Pertsonalizazioa: modeloa zure domeinu espezifikorako finetu
- Erresilientzia: internet gabe funtzionatzen jarraitzen du
Etorkizuna ez da beharrezki handia
Industriak urteak eman ditu modelorik handienaren atzetik. Parametro gehiago, GPU gehiago, diru gehiago, data center gehiago. Baina badago beste bide bat: txikiak, espezializatuak eta eraginkorrak diren modeloak, nonahi exekutatu nahi dituzunak.
LFM3k ez du GPT-5 ordezkatuko arrazoimendu konplexuan. Ez da hori saiatzen ari. frogatzen saiatzen ari dena da ataza errealen %90erako —agenteak, automatizazioa, tresnen erabilera— ez duzula bilioi bateko parametroko modeloa behar. Eredu egokia behar duzu, ondo entrenatua, gailu egokian.
IAren etorkizuna ez da "handiagoa" bakarrik. Adimentsuagoa, txikiagoa eta zugandik gertuagoa da.
LFM3ren pisuak open-weight dira eta Hugging Facen daude eskuragarri. Gaur jaitsi, zure kasurako finetu eta zure hardwarean exekutatu dezakezu. Baimenik gabe.
Interesagarria izan daiteke
Prest salto teknologikorako?
Ez utzi zure ETE zaharkitua geratzen. AA azpiegitura ezartzen dugu lehiakortasun abantaila emango dizuna.
Eskatu Zure Doako Auditoria