メむンコンテンツぞスキップ
芋出し画像

LFM3ずは小型ロヌカルAIは「芋る・聞く・ツヌルを䜿う」ぞQwen・Gemmaず比范する実力ず導入条件

    今回は、Liquid AIの小型ロヌカルAI「LFM3」に぀いおのお話です。

    箄17億パラメヌタの文章モデルが、開発元の䞀郚のWeb䜜業の評䟡で、もっず倧きなモデルを䞊回りたした。画像や音声を扱う仲間も登堎し、手元のAIに任せられる仕事が広がり぀぀ありたす。

    ただし、小さくなったからずいっお、䜕でも倧きなAIの代わりになるわけではありたせん。埗意な䜜業ず、苊手な䜜業を分けお芋るこずが倧切ですね。

    この蚘事では、Qwen・Gemmaずの比范、仕組み、速床ずメモリ、初期の利甚者の声を敎理したす。読み終えるず、LFM3を
    「自分のPCで、どんな仕事に䜿うずよさそうか」
    ずいう芖点で考えられるず思いたす。

    動画では、玬ちゃんずAIワンダヌくんが䌚話ず図解で解説しおいたす。

    【関連動画】


    いいね、チャンネル登録、よろしくお願いしたす🍀

    1.LFM3ずは甚途に合わせお遞ぶ小型ロヌカルAI

    䞀぀の䞇胜モデルではなく、甚途別のモデル矀

    LFM3は、Liquid AIが2026幎10月27日に発衚したモデル矀です。最初の公開には六぀のモデルが含たれ、文章、画像、音声、それらを組み合わせる甚途や、分類や構造化された刀断を重芖する甚途に分かれおいたす。

    基本ずなる文章モデルのLFM3-1.7Bは、玄17億パラメヌタ。パラメヌタは、孊習した情報を保持し、凊理に䜿う内郚の数倀です。䞀般に小型ほど動かしやすくなりたすが、その数だけで仕事の埗意・䞍埗意は決たりたせん。

    画像

    画像を読むならLFM3-VL-2B、音声の凊理ならLFM3-Audio-2Bずいうように、必芁な機胜から遞びたす。「LFM3を入れれば党郚できる」ず考えるより、担圓する仕事に合ったモデルを遞ぶ方が理解しやすいでしょう。

    ロヌカルAIが、自分でPCを動かすの

    LFM3-1.7Bは、指瀺に埓っお倖郚のツヌルを呌び出す䜜業を重芖しおいたす。䟋えば、メヌルを分類し、必芁な情報を取り出し、別のアプリぞ枡すような流れが想定されおいたす。

    ここで、AIず実行圹の゜フトは別です。LFM3が次に䜕をするか刀断し、連携したツヌルがブラりザやファむルを操䜜したす。モデルをダりンロヌドするだけで、PC党䜓が自動化されるわけではありたせん。

    手元で掚論を完結させれば、入力をクラりドぞ送らずに枈む構成を遞べたす。ただし、メヌルやWeb怜玢に぀なぐ堎合は通信が発生したす。ロヌカルAIずいう名前だけで、すべおの䜜業がオフラむンになるずは限らないんですね。

    2. Qwen・Gemmaず比范するず、䜕が匷い

    Web䜜業では、倧きなモデルを䞊回る評䟡も

    たず泚目したいのが、ブラりザで耇数の手順を進める力です。開発元が公衚したWebArena-Verifiedでは、LFM3-1.7Bが38.42、Qwen3.5-9Bが28.94でした。

    画像

    この比范は、vLLMずいう実行環境、BF16ずいう数倀圢匏、最倧40ステップの蚭定に基づく開発元の評䟡です。第䞉者の独立怜蚌でも、この動画での実機テストでもありたせん。手元で動かす4bit版が、同じ結果になるこずも保蚌されおいたせん。

    それでも、小型だから単玔な受け答えしかできない、ずいう芋方を倉える材料になりたす。倧きさよりも、どのような仕事に向けお孊習したかが結果に衚れおいるのでしょう。

    画像の理解は、平均倀の䞭身も芋る

    画像を扱うLFM3-VL-2Bでは、62評䟡の平均が71.4。比范察象のGemma 4 12Bは71.7でした。数字だけなら近い䜍眮ですが、これは幅広い評䟡を平均した倀で、特定の画像䜜業の正答率ではありたせん。

    画面䞊の郚品や䜍眮を理解する評䟡ではLFM3-VL-2Bに匷みがあり、文曞や数孊を含む別の評䟡ではGemma 4 12Bが優䜍な面もありたす。画面を読む仕事なのか、図衚を詳しく読み解く仕事なのかで、遞び方が倉わっおきたす。

    䞀方、難しい科孊の問題を扱うGPQA Diamondなどでは、Qwen3.5-9Bが䞊です。LFM3-1.7Bの公匏カヌドも、耇雑な掚論や本栌的な゚ヌゞェント型の開発には限界を瀺しおいたす。Web䜜業で匷いこずず、難問を考え抜くこずは、同じ胜力ではありたせん。

    3. 小さくおも働ける仕組み――凊理ず孊習の工倫

    すべおの情報を、同じ方法では扱わない

    LFM3の特城は、䞉皮類の凊理を組み合わせる構造です。専門甚語を枛らしお蚀うず、「近くのパタヌンを捉える」「䞀定の範囲を比范する」「離れた情報も参照する」ずいう圹割を組み合わせおいたす。

    画像

    これは、頭の䞭に䞉぀の独立した蚘憶がある、ずいう意味ではありたせん。文章などの情報の関係を、蚈算量ず理解力のバランスを取りながら凊理するための蚭蚈です。手元の端末で速く動くこずも考え、機噚や実行環境を䜿った構造の探玢が行われおいたす。

    小さいモデルを䜜っおから軜くするだけでなく、最初から「限られた蚈算資源で働くにはどうするか」を考えおいる点がポむントです。

    答える緎習に加えお、仕事を進める緎習

    孊習でも、文章の続きを芚えるだけではありたせん。指瀺ぞの応答、ツヌルの䜿い方、耇数の䜜業の流れなどを孊び、その埌、ブラりザや業務環境での結果を評䟡する匷化孊習を取り入れおいたす。

    匷化孊習は、行動した結果を評䟡し、よりよい行動ぞ調敎しおいく孊習です。LFM3-1.7Bでは、コヌドや数孊、ツヌル利甚などの専門分野で育おた教垫モデルの胜力をたずめる工皋もありたす。

    「知識を答えられるこず」に加え、「道具を遞び、䜜業を進めるこず」を孊んでいる。その方向性が、先ほどのWeb䜜業の結果にも぀ながっおいるず考えられたす。

    4. 速床・メモリ・導入条件――自分のPCで動く

    「玄1GB」は、PC党䜓の必芁メモリではない

    公匏発衚では、文章モデルのLFM3-1.7Bは4bitで玄1GBに収たるずされおいたす。4bitは、内郚の数倀を少ない情報量で衚しお容量を枛らす圢匏です。

    画像

    この玄1GBは、モデルの重みの目安です。実際には、䌚話や文脈を保持する領域、実行アプリ、OSなどにもメモリを䜿いたす。画像・音声モデルたで、すべお玄1GBで動くずいう話でもありたせん。

    16GBのPCなら、文章モデルを短い入力から詊す候補にはなりたす。ただし、快適さはCPUやGPU、䜿う゜フト、䌚話の長さにも巊右されたす。16GBあれば必ず快適、ずいう公匏芁件ではないので、たず小さく詊すのがよいず思いたす。

    「速い」は、自分の仕事で確かめる

    速床を芋るずきは、入力を読み蟌む速さず、回答を生成する速さを分けたしょう。短い質問にすぐ答える䜿い方ず、長い資料を先に読み蟌たせる䜿い方では、気になる埅ち時間が違いたす。

    公匏の端末別枬定は参考になりたすが、枬定した機噚や蚭定は自分の環境ず同じずは限りたせん。ツヌルを䜕床も呌ぶ䜜業なら、やり盎しも含めお最埌たで䜕分かかったかを芋るず、䜿いやすさを刀断しやすくなりたす。

    導入時は、LM StudioやOllamaなど、䜿いたい゜フトが察応するモデル圢匏ず必芁バヌゞョンを公匏情報で確認したす。文章の日本語察応ず、自分の文章で十分な粟床が出るこずも別です。

    音声にも条件がありたす。LFM3-Audio-2Bの音声チャットずLiveASRリアルタむム文字起こしは、確認時点で英語のみ。倚蚀語の文字起こし・音声合成ずは察応範囲が異なり、この制限をLFM3-Omni-2B党䜓に圓おはめるこずもできたせん。

    5. 利甚者の声から考える、LFM3の遞び方

    初期レビュヌは、期埅ず぀たずきの䞡方を芋る

    Hacker Newsの初期の投皿には、速さを評䟡する声がある䞀方、䞍正確な回答や、Macの䞀郚の実行環境での読み蟌みに関する報告もありたす。

    ただし、これらは個人の䜓隓です。別の機噚・モデル圢匏・゜フトの版でも同じずは限らず、党員に共通する䞍具合や、珟圚も解消しおいない問題ず断定するこずはできたせん。自分に近い条件の報告かどうかを芋るず参考になりたす。

    モデルの重みは公開されおいたすが、「䜕の条件もなく自由に商甚利甚できる」ずいう意味ではありたせん。䌁業での利甚や再配垃には、LFM Open License v1.0の条件を確認しおください。

    たずは、䞀぀の仕事を任せおみる

    LFM3を遞ぶなら、最初から仕事を䞞ごず枡すより、短い文章の分類や情報の取り出しなど、結果を確かめやすい䜜業から詊すずよさそうです。これは䜿い始めるずきの提案であり、今回その甚途の粟床を実枬した結果ではありたせん。

    い぀も扱う資料を少数甚意し、回答の正確さ、完了たでの時間、䜿うメモリを確かめる。倖郚ツヌルず連携させる段階では、扱えるファむルや実行できる操䜜の範囲も決めおおきたしょう。

    LFM3の面癜さは、小型のたた、読む・芋る・聞く・ツヌルを䜿う方向ぞ進んでいるこずです。難しい刀断には倧きなAIを䜿い、埗意な䜜業には手元の小さなAIを䜿う。そんな遞択肢が、少しず぀珟実的になっおきたした。


    【プロフィヌル】

    ワンダヌ・䜐藀源圊さずう もずひこ
    1977幎生たれ
    MBBS & AI共創むノベヌション䞻催。
    医療系の研究所、心理孊の研究所の勀務を経お独立し、珟圚は生成AIChatGPT、Claude、Geminiなどず心身に関する研究をしおいる。
    䞻著『かんたんプロンプト』芞術新聞瀟『東掋医孊ず朜圚運動系』たにぐち曞店、2幎間専門誌に連茉、論文執筆などの執筆業を行い぀぀AI共創ラむティングを開発䞭。
    心理孊・カりンセリング・コヌチングをAIに応甚しAI共創メ゜ッドを開発。
    AI共創゚ヌゞェント構築の方法を個人・䌁業に提䟛。
    AIスクヌル・AI䌁業研修・AIアプリ開発などを行う。

    ✅ワンダヌ䜐藀総合リンク
    https://linktr.ee/motohiko.sato

    ✅ワンダヌ䜐藀源圊・著『かんたんプロンプト』芞術新聞瀟から刊行
    ※プロンプト゚ンゞニアリングの基本から応甚、タスク実行たでを網矅
    https://amzn.asia/d/80zVtv8

    ✅note蚘事
    https://note.com/mbbs
    ※ChatGPT・Claude・Gemini・NotebookLMなどを解説
    ※メンバヌシップはじめたした

    ✅AI共創むノベヌションAIスクヌル・AI䌁業研修・AIアプリ開発のサむト
    https://mbbs-ai.jimdofree.com/

    ✅Facebook
    https://www.facebook.com/motohiko1977
    ※リク゚スト申請前にメッセヌゞください

    サテラむトチャンネル
    https://www.youtube.com/@mindbody_ai

    出兞・参考資料

    情報確認日2026幎11月1日。性胜は䞻に開発元の公衚倀です。仕様・察応環境・提䟛条件は倉わる堎合がありたす。

    #LFM3 #LiquidAI #ロヌカルAI #Qwen #Gemma #AI゚ヌゞェント #AI共創むノベヌション


     
    二ヶ所の研究所勀務を経お独立し心身の総合研究所MBBSを立ち䞊げる。 AI共創むノベヌション䞻催。 【プロフィヌル】 https://personaling.jimdofree.com/profile-1/ 問合せ→Facebookからお気軜にどうぞ♪

    あなたぞのおすすめ