LFM3 lokal erproben: Checkpoint, Aufgabe und Grenzen auswählen

Liquid AI stellte die Familie am 27. Oktober 2026 mit Text-, Bild-, Audio- und Omni-Varianten vor. Fähigkeiten einer Variante dürfen nicht jedem Mitglied zugeschrieben werden. Die folgende Auswahlhilfe bewertet keine Herstellerbenchmarks als eigene Ergebnisse. (Liquid AI)

Eine konkrete Aufgabe vor den Modellnamen setzen

Beschreiben Sie zunächst eine Eingabe, eine gewünschte Ausgabe und einen erlaubten Umgang mit Ungewissheit. Beispielsweise könnte ein rein hypothetischer Pilot einen kurzen internen Text in ein vorgegebenes Ausgabeformat übertragen. Das ist eine andere Aufgabe als die Bearbeitung eines Bildes oder eine mehrstufige autonome Tätigkeit. Dieser Pilot wurde hier nicht durchgeführt.

LFM3-1.7B ist laut Karte textbasiert: 1,73 Milliarden Parameter, 256K Tokens für Eingabe plus Ausgabe. Trotz beschriebener Agenten-, Tool- und strukturierter Ausgabefunktionen empfiehlt der Hersteller diesen Checkpoint nicht für agentisches Coding oder komplexes mehrstufiges Schlussfolgern. Die Sprachliste belegt keine Mundartqualität. Angezeigt wird kein Hugging-Face-Inference-Provider; andere Hostingangebote sind damit nicht ausgeschlossen. (Liquid AI)

Ein Pilotblatt mit fünf Entscheidungen

Für die deutschsprachige Schweiz ist die Unterscheidung zwischen Standarddeutsch und tatsächlich verwendeten Schweizer Sprachformen wichtig. Eine Sprachliste allein belegt keine Qualität für Mundart, Mischsprache oder betriebliche Abkürzungen. Verwenden Sie dafür geeignete eigene Beispiele und dokumentieren Sie deren Herkunft und erlaubte Nutzung.

Speicherbedarf am Arbeitsfall messen

Planen Sie Messungen mit der tatsächlich gewählten Laufzeit, Kontextlänge und Zahl gleichzeitiger Vorgänge. Ein Wert für quantisierte Gewichte beantwortet nicht, welcher Gesamtbedarf bei Ihrer Last entsteht. Halten Sie Startzustand, Eingabeumfang, Ausgabebegrenzung und beobachtete Ressourcen gemeinsam fest. Die grosse nominelle Kontextgrenze ist keine Aufforderung, jeden Vorgang bis dorthin auszudehnen.

Klären Sie den Betriebsweg separat: selbst gewählte Laufzeit, tatsächliche Bereitstellung, erreichbare Schnittstelle und zuständige Person. Ein Download ist ein Eingangsartefakt, noch kein abgenommener Dienst.

Die kommerzielle Nutzung gesondert klären

LFM Open License v1.0 enthält eine relevante Umsatzschwelle von 10 Millionen US-Dollar und einen definierten Verbund von rechtlichen Einheiten. Sie ist keine pauschale Apache-2.0-Erlaubnis. Die genaue Schwellenzuordnung und Zulässigkeit eines einzelnen Unternehmens werden hier nicht entschieden. (Liquid AI)

Vor einer kommerziellen Einführung sollten deshalb konkreter Nutzer, Unternehmensverbund, Verwendungszweck und aktuelle Lizenzfassung zusammen geprüft werden. Übernehmen Sie ein Open-Source-Etikett oder die Bedingungen eines anderen Modells nicht auf diesen Checkpoint. Auch Lizenz, Datenrechte und Bedingungen einer zusätzlich gewählten Laufzeit sind getrennte Fragen.

Ein begrenztes Ergebnis statt einer grossen Einführungszusage

• Lassen Sie einen Pilot mit freigegebenen oder synthetischen Daten beginnen und ohne produktive Folgeaktionen enden.
• Vergleichen Sie die Ausgabe mit den vorher festgelegten Kriterien; dokumentieren Sie auch Zurückhaltung und falsche, aber plausibel formulierte Antworten.
• Prüfen Sie eine konkrete Laufzeit auf Wartung, Lizenz und benötigten Code, bevor Sie sie einsetzen. Ein Beispiel zum Nachladen fremden Codes ist keine automatische Ausführungsempfehlung.
• Legen Sie fest, welche Beobachtung einen weiteren Versuch rechtfertigt und welche Grenze eine andere Variante oder einen Abbruch verlangt.

Herunterladbare Gewichte beseitigen weder Geräte-, Entwicklungs- noch Wartungskosten. Hier wurde kein Modell ausgeführt und kein Preisvorteil gemessen. Ein sinnvoller nächster Schritt ist ein vollständig benanntes Pilotblatt, dessen offene Lizenz- und Betriebsfragen vor dem Versuch geklärt werden.