本文へ移動
DAMEMOTOCONTENT & SYSTEMSLET’S TALK ↗
MENU
サービスAIと働くAI制作ラボメディアSEO事例・運用体制会社紹介
← 記事一覧へ

AIニュース約10分で読めます

Liquid AIが小型モデルLFM3公開|約1GBで動くAIの使いどころ

  • URLをコピーしました!

米国のAI企業Liquid AIは2026年10月27日(米国時間)、端末の中で動かすことを想定した小型のオープンウェイトモデル群「LFM3」をHugging Faceで公開しました。

テキスト・画像・音声などを扱う約20億パラメータ級の6モデルで、テキスト用のLFM3-1.7Bは4ビットにすると約1GBのメモリで動くとされています。

社外のクラウドに出せないデータをAIで処理したい企業や、自社製品に端末内のAI機能を入れたい開発チームにとって、選択肢が一つ増えるニュースです。

ただし商用利用には年間売上1,000万ドルという上限があります。

この記事のポイント

  • Liquid AIが2026年10月27日、端末内向けの6モデル「LFM3」をオープンウェイトで公開
  • テキスト用のLFM3-1.7Bは256Kトークンを扱え、4ビットで約1GB
  • モデルカードの対応言語に日本語が入っているが、日本語単独の精度の数字は公表されていない
  • ライセンスは年間売上1,000万ドル以上の企業の商用利用を許諾していない

本記事は、Liquid AIがHugging Faceに載せた公式ブログ、各モデルのモデルカード、ライセンスの条文を一次情報としています。

6つのモデルの中身、性能の数字の読み方、ライセンスの条件、実務での使いどころの順に見ていきます。情報は2026年10月28日時点のものです。

Liquid AIが小型モデル群LFM3を公開

Liquid AIが小型モデル群LFM3を公開

「小型モデル」と聞くと、性能はそこそこで試す程度のもの、という印象があるかもしれませんね。まずは今回出た6つのモデルが何をするものかを整理しておきます。

6つのモデルは同じ土台から作られた

Liquid AIの公式ブログによると、LFM3はテキスト、画像と動画、音声、そのすべてを扱うomni、判断を返すd1の6モデルです。

いずれも土台のLFM3-1.7B-Baseから派生したモデルで、ブログは全モデルがオープンウェイトで、その日からHugging Faceで使えると書いています。

6つのモデルは同じ土台から作られた(表の内容を図にしたもの)
表で詳しく見る
スクロールできます
モデル入力出力扱える長さ
LFM3-1.7B(1.73B)テキストテキスト256Kトークン
LFM3-VL-2B(1.92B)テキスト・画像・動画テキスト128Kトークン
LFM3-Audio-2Bテキスト・音声テキスト・音声32Kトークン
LFM3-Omni-2B(2.17B)テキスト・画像・動画・音声テキスト・音声32Kトークン
d1-2B(1.92B)テキスト・画像・動画較正された答え128Kトークン
d1-omni-2B(2.17B)テキスト・画像・動画・音声較正された答え128Kトークン
出典:Liquid AI公式ブログと各モデルカード(2026年10月28日確認)をもとに筆者作成。括弧内はモデルカードのパラメータ数

スマホやノートPCで動く大きさ

テキスト用のLFM3-1.7Bについて、公式ブログは4ビットの精度で約1GBに収まると説明しています。モデルカードによると、扱える長さは入力と出力を合わせて256Kトークンです。

対応する言語は16で、英語や中国語、韓国語などと並んで日本語も入っています。

動かす道具の選択肢が広い

LFM3-1.7Bのモデルカードには、動かす道具として次のものが並んでいます。量子化した版もBF16・FP8・NVFP4・GGUF・MLX・ONNXの形で用意されており、手元のPCで試すところから始めやすいつくりです。

  • PCで手軽に試す:llama.cpp、Ollama、LM Studio、MLX
  • アプリに組み込む:ONNX Runtime
  • GPUのサーバーで動かす:vLLM、SGLang、Transformers

ダウンロードのほかに、Liquid AIのWeb上の試用画面とAPIでも使えるとモデルカードに書かれています。APIの料金は、今回確かめた範囲では見つかりませんでした。

\ AI活用、何から始めればいいか迷ったら /

初回相談無料|「何を相談すればいいか分からない」段階でもお気軽にどうぞ

性能の数字はどう読めばいいか

性能の数字はどう読めばいいか

「9Bのモデルに勝った」という数字を見ると、つい飛びつきたくなりますよね。ここでは表の中身と、数字の出どころを分けて見ておきます。

平均では5倍の大きさのQwen3.5-9Bを上回る

LFM3-1.7Bのモデルカードによると、表に載せたベンチマークの単純平均は、LFM3-1.7Bが49.37、Qwen3.5-9Bが47.24、前の世代のLFM2.5-2.6Bが31.55でした。

特に差が大きいのは、ブラウザや業務アプリで長い作業をこなす試験です。WebArena-Verifiedでは前世代の3.02に対して38.42まで伸びています。

平均では5倍の大きさのQwen3.5-9Bを上回る(表の内容を図にしたもの・1/2)
平均では5倍の大きさのQwen3.5-9Bを上回る(表の内容を図にしたもの・2/2)
表で詳しく見る
スクロールできます
ベンチマークLFM3-1.7BLFM2.5-2.6BQwen3.5-9B
WebArena-Verified38.423.0228.94
BFCL V4(ツール呼び出し)71.3955.8962.83
IFEval(指示に従う力)96.6695.3992.08
GPQA Diamond(専門知識)63.3757.7880.40
RULER 128K(長文の読み取り)65.561.1587.11
SWE-bench Verified(コーディング)43.4018.0051.20
平均(表の全項目)49.3731.5547.24
出典:LiquidAI/LFM3-1.7B モデルカード(Hugging Face)から一部を抜粋して筆者作成

知識・長文・コーディングでは9Bが上

同じ表で、専門知識を問うGPQA Diamond、長い文章の読み取りを測るRULER 128K、コーディングのSWE-bench Verifiedは、Qwen3.5-9Bのほうが高い点を取っています。

モデルカード自身も、小型のためエージェントによるコーディングや複雑な多段の推論には勧めないと書いています。

256Kトークンを入れられることと、その長さを正確に読めることは別だと考えておくのが無難です。

数字はすべてLiquid AI自身の測定

LFM3-Omni-2Bのモデルカードには、すべての点数をLiquid AIが測ったと明記されています。ほかのモデルカードにも第三者の評価者の名前はありません。

2026年10月28日時点で、第三者による検証の結果は見つかっていません。

画像用のLFM3-VL-2Bが「62の視覚ベンチマークの平均でGemma 4 12Bと同等」という説明も、同じく自社の比較です。

\ AI活用、何から始めればいいか迷ったら /

初回相談無料|「何を相談すればいいか分からない」段階でもお気軽にどうぞ

商用利用の条件と日本語対応

商用利用の条件と日本語対応

オープンウェイトなら自由に使える、と思いがちですが、LFM3はそうではありません。導入を考える前に、いちばん先に確かめたいのがこの章です。

年間売上1,000万ドル以上の企業は対象外

LFM3のライセンスは「LFM Open License v1.0」です。

ライセンスの条文は、商用利用の権利を「年間売上1,000万ドル以上」という基準を超えないことを条件にしています。

基準を超える法人の商用利用は、このライセンスでは許諾されないと書かれています。適格な非営利団体による非商用・研究目的の利用には、この基準は適用されません。

条文の対象は「あなた、またはあなたの法人」です。ライセンスの定義では、法人には支配する・される・共通の支配下にある関係の会社(発行済み株式の50%以上の保有など)も含まれます。

グループ全体の売上で判断すると読むのが自然です。中堅以上の企業や大手の子会社で使うなら、最終的な判断を法務に確かめておきたいところです。

日本語は対応言語に入っているが単独の精度は未公表

LFM3-1.7B、VL-2B、Omni-2Bのモデルカードは16の対応言語を挙げ、その中に日本語があります。音声用のAudio-2Bのカードにも日本語が載っています。

Audio-2BとOmni-2Bのカードには日本語を含む9言語の音声認識の平均の誤り率が載っていますが、日本語単独での精度を示す数字は見つかっていません。

日本語の業務に使えるかは、自社のデータで試して確かめる必要があります。

\ AI活用、何から始めればいいか迷ったら /

初回相談無料|「何を相談すればいいか分からない」段階でもお気軽にどうぞ

このニュースで誰の何が変わるのか

このニュースで誰の何が変わるのか

小型モデルの話は開発者向けに見えますが、AIの使い方を決める立場の人にも関係があります。影響が大きそうな3人の立場で考えてみます。

機密データを扱う企業の情報システム担当者:社外に出さない選択肢が増える

顧客情報や契約書をAIで要約したいのに、外部のクラウドに送れず止まっている、という声は多いですよね。

LFM3は4ビットで約1GBとされ、社内のPCやサーバーで動かす道具も多く用意されています。

明日からは、社外に出せないデータを使う作業を1つ選び、手元のPCで試すところから始めてみてください。

そのとき、自社の売上がライセンスの基準に当たるかも同時に確かめておきたいところです。

数か月先には、決まった作業は社内の小型モデル、難しい作業はクラウドの大型モデル、という使い分けが広がっていく可能性があります。

自社製品にAI機能を入れる開発チーム:端末内で動かす前提で設計できる

アプリにAI機能を入れると、APIの費用や通信の遅れ、利用者のデータの扱いが悩みの種になりますよね。

LFM3には画像・音声・omniまで同じ土台の小型モデルがそろい、ブログは全モデルを1枚のGPUで追加学習できるとしています。

明日からは、自社の画面や音声のデータで、精度と速さを実機で測ることをおすすめします。ベンチマークは自社測定なので、自分の環境での数字が判断の材料になります。

端末内で動くAI機能は、今後アプリの標準的な部品になっていくと考えられます。

BtoB企業のマーケティング担当者:AI機能の説明で「どこで動くか」を問われる

自社のサービスにAIを組み込んだと発表しても、顧客から「データはどこに送られるのか」と聞かれて答えに詰まることはないでしょうか。

端末や社内で動く小型モデルが増えると、データを外に出さないこと自体が売りになる場面が増えそうです。

明日からは、自社のAI機能がどのモデルを使い、データがどこで処理されるかを、開発チームと一枚の表にまとめてみよう。

AIの選び方の説明は、今後の営業資料やFAQで欠かせない項目になっていく可能性があります。

オープンモデルを社内で動かすときの通信や権限の注意点は、Qwen系モデルが試験中に外部送信を試みた件の記事でも取り上げました。

よくある質問

よくある質問
LFM3はいつ公開されたのですか?

Liquid AIの公式ブログの日付は2026年10月27日(米国時間)です。同じ日からHugging Faceでダウンロードできると書かれています。

LFM3は無料で商用利用できますか?

年間売上が1,000万ドル未満の個人・法人なら、ライセンスの範囲で商用利用できます。売上1,000万ドル以上の法人の商用利用は、LFM Open License v1.0では許諾されていません。

LFM3で日本語は使えますか?

LFM3-1.7B、VL-2B、Omni-2B、Audio-2Bのモデルカードの対応言語に日本語が入っています。ただし日本語単独での精度を示す数字は公表されていないため、自社のデータで試す必要があります。

LFM3はどのくらいの性能の機械で動きますか?

公式ブログによると、テキスト用のLFM3-1.7Bは4ビットの精度で約1GBのメモリに収まります。llama.cpp、Ollama、LM Studio、MLXなどで動かせます。

LFM3は本当にQwen3.5-9Bより高性能なのですか?

Liquid AIの表では平均点が上回りますが、専門知識・長文の読み取り・コーディングではQwen3.5-9Bのほうが高い点です。数字はLiquid AI自身の測定で、第三者の検証はまだ見つかっていません。

LFM3のd1という名前のモデルは何をするのですか?

公式ブログによると、d1-2Bとd1-omni-2Bは文章を生成するのではなく、較正された答えを返す判断用のモデルです。d1-omni-2Bは音声も入力できます。

LFM3はオープンソースと考えてよいですか?

公式ブログは「オープンウェイト」と表現しています。重みは公開されていますが、売上の基準などの条件がついた独自のライセンスなので、条文を読んでから使うのが安全です。

まとめ

まとめ

Liquid AIは2026年10月27日、端末内向けの小型モデル群LFM3をオープンウェイトで公開しました。

  • テキスト・画像・音声・omni・判断用の6モデルで、テキスト用は4ビットで約1GB
  • 平均点では9Bのモデルを上回るが、知識・長文・コーディングでは及ばず、数字は自社測定
  • 年間売上1,000万ドル以上の法人の商用利用はライセンスの対象外で、日本語単独の精度も未公表

正直、表の数字よりも「約1GBで動く」ことのほうが実務では効いてくると感じます。まずはライセンスの条件を確かめ、社外に出せないデータで小さく試してみるのが、いちばん確かな見極め方だと思います。

次に読みたい記事

参考・出典

この記事をシェアする
  • URLをコピーしました!

この記事を書いた人

鈴木 邦仁のアバター 鈴木 邦仁 DAMEMOTO合同会社CEO

DAMEMOTO合同会社 代表。オウンドメディアの企画・制作から運用改善までを支援しています。記事・コンテンツ制作5,000本以上。Google AI Essentials、Google Prompting Essentials 修了。当サイトの記事は、下調べや下書きにAI(Claude・Codex)を使い、公開前に私が本文・数字・出典を確認してから公開しています。作り方の詳細は「編集方針」に、誤りのご指摘はお問い合わせからお願いします。

LET’S TALK

知見を、事業の実装へ。

制作・AI活用について相談する ↗

EXPLORE THE JOURNAL

次の知見を、探す。

すべての記事を読む ↗

VIDEO SHOWCASE / 音声・字幕あり

動画サンプル