في الآونة الأخيرة، أصدرت شركة Liquid AI الشهيرة في مجال الابتكار في الذكاء الاصطناعي رسميًا عائلة نماذج أساسية جديدة — LFM3. تتضمن النسخة الأولى من هذه السلسلة ست نماذج بحجم معاملات حوالي 2B، وتغطي بشكل شامل عدة أبعاد مثل النصوص والصور والصوتيات والأبعاد الشاملة (omni) واتخاذ القرارات، وكلها تستند إلى بنية LFM3-1.7B-Base، وقد تم استهلاك 22 تيرا من البيانات Token خلال مرحلة التدريب المسبق.
هيكل التركيب الثلاثي المبتكر: عدد المعلمات أقل، الكفاءة أعلى
اعتمد LFM3 على هيكل طبقة ثلاثي الهجين الجديد (Tri-hybrid layer mix)، حيث يتم دمج آلية الانتباه بنافذات التداخل القصيرة ونافذات الحركة معًا، بالإضافة إلى الانتباه العالمي بشكل عضوي. يتكون الهيكل الإجمالي من 24 طبقة، وتشمل هذه الطبقات 13 طبقة تداخل، و5 طبقات للانتباه بنافذات الحركة، و6 طبقات للانتباه العالمي.
مقارنةً بالجيل السابق من المنتجات، تم إعادة تصميم LFM3 بشكل كامل على مستوى الهيكل، كما تم توسيع نطاق اختبارات التكيف مع الأجهزة بشكل كبير، حيث يغطي الـ 14 نوعًا من الأجهزة والتركيبات الخلفية مثل الهواتف المحمولة، و Raspberry Pi، والحواسيب المحمولة، بالإضافة إلى أنواع مختلفة من CPU وGPU و高通 NPU. وأظهرت الاختبارات أن LFM3-1.7B لا يلتزم فقط بالجيل السابق في التعامل مع العبارات الطويلة، بل تحسنت سرعة عمله عند معالجة السياقات بصيغة 8K بحوالي 25%. في الوقت نفسه، يشغل نموذج النص الخاص به حجمًا يبلغ حوالي 1 جيجابايت فقط عند التكبير إلى 4 بت، مما يقلل بشكل كبير من تحديات النشر على الجانب الطرفي.
مصفوفة الوسائط المتعددة والتخطيط للحالات المختلفة
تم إطلاق ست نماذج من الفئة 2B بخصائص مميزة، وتتكيف بشكل مثالي مع مجموعة متنوعة من سيناريوهات التطبيق.
نموذج النص (LFM3-1.7B): يمتلك نافذة سياق تصل إلى 25K، وتم تدريبه بعمق لمسارات عمل الشخصية الذكية (Agent). في العديد من اختبارات المعيار، أظهرت قدرته على اتباع الأوامر واستدعاء الدوال أداءً متميزًا، حيث يمكن تشغيله بسلاسة على بطاقة واحدة ويدعم تعاون عدد كبير من الشخصيات الذكية في الخلفية.
نموذج البصر (LFM3-VL-2B): تم إدخال القدرة على إدخال الفيديو لأول مرة، ويدعم التفكير عميقًا خطوة بخطوة، والاستدلال البصري المكاني، وفهم واجهة الرسومات. مع جهاز تشفير بصري جديد تم تطويره محليًا، تحسنت كفاءة الحساب بشكل كبير مقارنة بالجيل السابق.
نموذج الصوت (LFM3-Audio-2B): يدعم التعرف على الكلام باللغات الـ18، والترجمة متعددة اللغات، وفهم الصوت، والمحادثة الصوتية الفورية، ويستخدم هيكل سببي كامل، مع تأخير أول حرف من الكلمة يصل إلى 50 ملي ثانية.
نموذج كامل المودات (LFM3-Omni-2B): لأول مرة، يتم دمج البصر والصوت واللغة في نموذج واحد، ويدعم الاستفسار الصوتي والفهم للفيديوهات السمعية البصرية وكذلك استدعاء الأدوات بين المودات المختلفة، مما يوفر تجربة تفاعل طبيعية بين الإنسان والآلة.
نموذج اتخاذ القرار (d1-2B و d1-Omni-2B): مخصص لتحقيق اتخاذ قرارات سريعة على مستوى المللي ثانية، ويمكنه تقديم نتائج قرارات منظمة دقيقة بشكل مباشر للمدخلات النصية المعقدة أو الصور أو الصوت، مع تجنب التفاعلات المعقدة عبر السحابة.
تمكين المجالات العميقة والروبوتات المحلية
بالإضافة إلى القدرات العامة القوية، أكدت عائلة LFM3 منذ تصميمها على "الذكاء المخصص" وخصائص التعديل السهل. يحتاج المطورون فقط إلى استخدام GPU واحد لتعديل النموذج بتكلفة منخفضة، وتمكينه في مجالات الصناعة العمودية مثل اكتشاف عيوب شفرات توربينات الرياح. بالإضافة إلى ذلك، من خلال التكيف LoRA والتدريب النهجي، يمكن لـ LFM3-VL-2B أن يدخل بشكل متناغم في تشغيل الروبوتات، والتوجيه البصري، والتحكم الذكي متعدد الطبقات ذو الجسم، ويحقق استدلالًا فعالًا في الوقت الحقيقي على أجهزة حديثة مثل Jetson.
حاليًا، تم إطلاق الأوزان المفتوحة المصدر لسلسلة نماذج LFM3 رسميًا، وقد حصلت على دعم اليوم الأول من شركات مثل AMD وQualcomm وNVIDIA وApple MLX، بالإضافة إلى جميع أطر العمل المتقدمة والمنصات الرئيسية.