LFM3 organiza a especialização por modalidade, não por um modelo único
A família compartilha uma base, mas distribui texto, visão, áudio e decisões entre variantes. A escolha exige conferir a entrada e a saída necessárias.
Compartilhar uma base de treinamento não significa aceitar as mesmas entradas ou produzir as mesmas saídas. Essa distinção orienta a leitura da família LFM3, apresentada pela equipe da Liquid AI em 27 de outubro de 2026.
O artigo descreve variantes para texto, visão, áudio, interação multimodal e decisões estruturadas. A variante de visão recebe imagens e vídeo, enquanto a de áudio trabalha com texto e som; a Omni combina essas modalidades. Portanto, atribuir a cada integrante tudo o que a família oferece apagaria diferenças relevantes para uma integração.
A publicação também apresenta receitas de especialização, incluindo extração de dados de recibos e chamadas de ferramentas por voz. Esses exemplos mostram caminhos de adaptação. Não estabelecem que uma variante já resolva o vocabulário, os documentos ou as exceções de outro domínio.
Eu começaria a seleção pela entrada necessária e pela saída que a aplicação precisa consumir, conferindo as dependências da variante escolhida antes de comparar resultados. A questão científica permanece na transferência: até que ponto a especialização preserva o desempenho nos casos raros que ficaram fora dos exemplos de ajuste?
Fonte: Leonie e coautores, Liquid AI, Build specialized multimodal models with LFM3.