← بازگشت به جدیدترین خبرها
اکتبر 29, 2026

مدل‌های ال‌اف‌ام۳ لیکویید ای‌آی؛ هوش مصنوعی کوچک برای اجرا روی دستگاه‌های سازمانی

شرکت لیکویید ای‌آی (Liquid AI) خانواده‌ی تازه‌ای از مدل‌های کوچک هوش مصنوعی به‌نام ال‌اف‌ام۳ معرفی کرده که هدف آن انتقال بخش بیشتری از کارهای سازمانی به سخت‌افزار تحت کنترل خود شرکت‌ها است. طبق نتایج اعلام‌شده توسط خود این شرکت، کوچک‌ترین مدل متنی این خانواده در برخی کارهای خاص اتوماسیون مرورگر و استفاده از ابزارهای نرم‌افزاری، حتی از رقبای بسیار بزرگ‌تر خودش هم جلوتر است. این خبر در ۲۷ اکتبر ۲۰۲۶ منتشر شد.

زمینه و پس‌زمینه

در حالی که بیشتر توجه صنعت هوش مصنوعی روی مدل‌های بسیار بزرگ و قدرتمندی مثل جمینای، جی‌پی‌تی یا کلود متمرکز است، گروهی از شرکت‌ها از جمله لیکویید ای‌آی مسیر متفاوتی را دنبال می‌کنند: ساخت مدل‌های کوچک‌تر و کارآمدتر که بتوانند مستقیماً روی دستگاه‌های محلی، سرورهای خصوصی یا زیرساخت ابری سازمان اجرا شوند، بدون نیاز به ارسال داده به سرویس‌های راه دور. این رویکرد به‌خصوص برای شرکت‌هایی که نگران حریم خصوصی داده یا هزینه‌ی بالای استفاده‌ی دائمی از مدل‌های بزرگ هستند، جذاب است.

مدل‌های ال‌اف‌ام۳ که در تاریخ ۲۷ اکتبر عرضه شدند، شامل شش مدل در حوزه‌های زبان، بینایی، گفتار و تصمیم‌گیری ساختاریافته هستند. همه‌ی این مدل‌ها بر پایه‌ی معماری مشترکی با ۱.۷ میلیارد پارامتر ساخته شده‌اند، با نسخه‌های تخصصی‌تر در حدود ۲ میلیارد پارامتر. لیکویید می‌گوید سازمان‌ها می‌توانند هر یک از این مدل‌ها را با یک پردازنده‌ی گرافیکی (GPU) تنها شخصی‌سازی کنند و روی دستگاه‌های خودشان، سرورهای خصوصی یا زیرساخت ابری مستقر کنند.

تحلیل: کجا این مدل‌های کوچک بیشترین فایده را دارند؟

کاربرد اصلی این مدل‌ها برای شرکت‌هایی مناسب است که گردش‌کارهای تکرارشونده دارند: مسیردهی درخواست‌ها، استخراج اطلاعات از اسناد، بررسی تصاویر یا کار با اپلیکیشن‌های کسب‌وکاری. یک مدل کوچک که یک وظیفه‌ی مشخص را به‌طور پایدار انجام می‌دهد، می‌تواند وابستگی به سرویس‌های هوش مصنوعی راه دور را کم کند و کنترل بیشتری به سازمان‌ها بدهد درباره‌ی اینکه پردازش کجا اتفاق می‌افتد؛ موضوعی که برای سازمان‌هایی با داده‌های حساس یا قوانین سخت‌گیرانه‌ی حریم خصوصی اهمیت زیادی دارد.

برای شرکت‌هایی که ترجیح می‌دهند از سرویس میزبانی‌شده استفاده کنند، کنسول لیکویید مدل متنی را با قیمت ۰.۰۸ دلار به ازای هر میلیون توکن ورودی و ۰.۲۰ دلار برای هر میلیون توکن خروجی فهرست کرده، با نرخ ۰.۰۲ دلار برای ورودی کش‌شده. برای مشاهده‌ی جدول قیمت و دریافت کلید دسترسی مستقیم به ای‌پی‌آی، توسعه‌دهندگان باید وارد کنسول لیکویید شوند.

اما نتایج دقیق این شرکت نشان می‌دهد که نقاط ضعفی هم وجود دارد. مدل متنی ال‌اف‌ام۳ در چند آزمون کدنویسی، دانش عمومی و زمینه‌ی طولانی، از مدل Qwen3.5-9B عقب‌تر است و نسخه‌ی میزبانی‌شده هم سقف زمینه‌ی کوچک‌تری نسبت به نسخه‌ی قابل‌دانلود متنی دارد. این یعنی ال‌اف‌ام۳ بیشتر گزینه‌ای برای آزمایش‌های هدفمند است، با توجیه تجاری‌ای که به نوع بار کاری، هزینه‌ی استقرار و شرایط صدور مجوز بستگی دارد.

مدل پرچم‌دار این خانواده، یعنی LFM3-1.7B، از پنجره‌ی زمینه‌ی مستند ۲۵۶ هزار توکنی پشتیبانی می‌کند؛ این عدد بودجه‌ی ترکیبی ورودی و خروجی است. اما کنسول میزبانی‌شده‌ی لیکویید برای نسخه‌ی ای‌پی‌آی خودش فقط سقف ۱۲۸ هزار توکنی را فهرست کرده؛ تفاوتی که سازمان‌ها باید هنگام انتخاب بین استقرار محلی و میزبانی‌شده در نظر بگیرند. لیکویید می‌گوید این مدل را برای کار در چارچوب‌های ایجنتی از جمله OpenClaw، Hermes Agent و Pi آموزش داده و از آن برای کارهایی مثل سازمان‌دهی صندوق ورودی، زمان‌بندی و تحقیق وب پشتیبانی می‌کند.

قوی‌ترین شواهد برای کاربرد سازمانی این مدل، از بنچمارک‌های جزئی به‌دست می‌آید، نه میانگین کلی. در آزمایش‌های لیکویید، مدل LFM3-1.7B در بنچمارک WebArena-Verified امتیاز ۳۸.۴۲ گرفته، در مقابل ۲۸.۹۴ برای Qwen3.5-9B و تنها ۳.۰۲ برای نسخه‌ی قبلی خود این شرکت، LFM2.5-2.6B. در بنچمارک عمومی AutomationBench هم امتیاز آن ۴۱.۲۹ بوده، در مقابل ۱۵.۱۰ و ۰.۹۴ به ترتیب برای همان دو مدل. این تفاوت بسیار بزرگ در وظایف مرتبط با اتوماسیون مرورگر و ابزار، نشان می‌دهد که لیکویید به‌طور خاص روی این دسته از کاربردها تمرکز کرده، نه روی رتبه‌ی عمومی در همه‌ی نوع وظایف.

باید توجه داشت که این نتایج گزارش خود لیکویید هستند و آزمایش مستقل ونچربیت نبوده‌اند؛ به همین دلیل تیم‌های فنی که به این مدل‌ها علاقه دارند، باید پیش از استقرار کامل، آزمایش‌های خودشان را روی داده‌های واقعی سازمان انجام دهند. با این حال، فاصله‌ی بسیار زیاد در نتایج اتوماسیون مرورگر نسبت به نسل قبلی مدل‌های همین شرکت، نشان می‌دهد که حداقل در این حوزه‌ی خاص، پیشرفت واقعی اتفاق افتاده است.

روند کلی‌تری که این اعلامیه نشان می‌دهد، رشد بازار مدل‌های کوچک و تخصصی در کنار مدل‌های بزرگ عمومی است. در حالی که مدل‌هایی مثل جمینای ۴ کربن یا جی‌پی‌تی-۶ استرا برای کارهای بسیار پیچیده و عمومی طراحی شده‌اند، مدل‌هایی مثل ال‌اف‌ام۳ برای وظایف محدودتر اما تکرارشونده و حساس به هزینه و حریم خصوصی ساخته می‌شوند. برای بسیاری از کسب‌وکارهای کوچک و متوسط، ترکیب این دو نوع مدل، یعنی استفاده از مدل بزرگ برای کارهای پیچیده و مدل کوچک برای کارهای تکراری، می‌تواند راهکار مقرون‌به‌صرفه‌تری نسبت به تکیه‌ی کامل به یک مدل واحد باشد.

منبع: VentureBeat

چالش‌های پیش روی مدل‌های کوچک محلی

با وجود مزیت‌های آشکار مدل‌های کوچک مثل ال‌اف‌ام۳ در هزینه و کنترل داده، این دسته از مدل‌ها چالش‌های خاص خودشان را هم دارند. نگهداری و به‌روزرسانی مدل‌هایی که روی سخت‌افزار شرکت‌ها مستقر می‌شوند، نیازمند تیم فنی داخلی است که بتواند زیرساخت را مدیریت کند؛ کاری که برای سازمان‌هایی که عادت به استفاده از سرویس‌های کاملاً مدیریت‌شده‌ی ابری دارند، می‌تواند هزینه‌ی پنهان اضافه‌ای به‌همراه بیاورد. همچنین، چون این مدل‌ها برای وظایف محدودتری آموزش دیده‌اند، سازمان‌ها باید دقیقاً مشخص کنند کدام بخش از گردش‌کارشان برای یک مدل کوچک مناسب است و کدام بخش همچنان به قدرت یک مدل بزرگ نیاز دارد.

از طرف دیگر، روند کلی بازار نشان می‌دهد که تقاضا برای این نوع مدل‌ها در حال رشد است، به‌خصوص در صنایعی مثل بانکداری، سلامت و دولت که مقررات سخت‌گیرانه‌ای درباره‌ی محل نگهداری و پردازش داده دارند. برای این صنایع، امکان اجرای یک مدل هوش مصنوعی کاملاً داخل زیرساخت خودشان، بدون ارسال داده به سرور خارجی، می‌تواند تفاوت میان تصویب یا رد یک پروژه‌ی هوش مصنوعی توسط تیم حقوقی و رعایت مقررات باشد.

نکته‌ی قابل‌توجه دیگر، رقابت فزاینده در بازار مدل‌های کوچک است. شرکت‌های دیگری مثل علی‌بابا با خانواده‌ی کوئن و میسترال با مدل‌های کوچک خودشان، در همین بازه‌ی بازار فعالیت می‌کنند. این یعنی لیکویید ای‌آی باید همزمان با بهبود کیفیت مدل‌هایش، روی قیمت‌گذاری رقابتی و سادگی استقرار هم تمرکز کند تا بتواند سهم بازار خودش را در برابر رقبای بزرگ‌تر حفظ کند.

در نهایت، عرضه‌ی ال‌اف‌ام۳ یک یادآوری خوب است که آینده‌ی هوش مصنوعی سازمانی احتمالاً یک آینده‌ی تک‌مدلی نخواهد بود؛ بلکه ترکیبی از مدل‌های بزرگ عمومی برای کارهای پیچیده و مدل‌های کوچک تخصصی برای وظایف تکرارشونده و حساس به حریم خصوصی، تصویر واقع‌بینانه‌تری از نحوه‌ی استفاده‌ی اکثر سازمان‌ها از هوش مصنوعی در سال‌های پیش رو خواهد بود.

SOS سایتت خوابیده؟