Dunia kecerdasan buatan saat ini sedang menyaksikan pergeseran paradigma yang sangat signifikan, di mana efisiensi mulai mengalahkan dominasi ukuran parameter yang masif. Liquid AI, sebuah startup ambisius yang didirikan oleh para pakar ilmu komputer dari MIT, baru saja mengumumkan peluncuran model bahasa terkecil mereka yang diberi nama LFM2.5-230M. Meskipun hanya memiliki 230 juta parameter, model ini dirancang khusus untuk menangani alur kerja agen (agentic workflows) langsung di perangkat pengguna tanpa memerlukan koneksi cloud yang haus daya. Kehadirannya menjadi sinyal kuat bahwa masa depan AI tidak hanya terletak pada server raksasa, melainkan pada kemampuan pemrosesan lokal yang cepat dan efisien.
Model foundation terbaru ini menonjol karena kemampuannya yang luar biasa dalam melakukan ekstraksi data, sebuah tugas yang biasanya membutuhkan model dengan kapasitas jauh lebih besar. Berdasarkan data teknis yang dirilis, LFM2.5-230M berhasil melampaui performa model-model yang secara fisik berukuran empat kali lipat lebih besar darinya. Dalam pengujian benchmark spesifik, model ini terbukti lebih unggul dibandingkan dengan Alibaba Qwen3.5-0.8B yang memiliki 800 juta parameter serta Google Gemma 3 1B yang memiliki 1 miliar parameter. Pencapaian ini membuktikan bahwa optimasi arsitektur yang tepat jauh lebih krusial daripada sekadar menumpuk jumlah parameter secara brutal.
Revolusi Arsitektur Liquid Foundation Model (LFM)
Salah satu alasan utama mengapa LFM2.5-230M mampu tampil begitu perkasa adalah penggunaan arsitektur LFM2 yang revolusioner, bukan arsitektur transformer standar yang selama ini mendominasi industri. Arsitektur ini bekerja sebagai sistem hibrida yang mengintegrasikan gated short-range convolutions dengan grouped-query attention untuk memproses informasi secara jauh lebih efisien. Dengan pendekatan ini, Liquid AI berhasil mengatasi masalah biaya memori kuadratik yang sering menghambat mekanisme perhatian murni pada perangkat keras dengan sumber daya terbatas. Belum ada konfirmasi resmi mengenai detail matematis lebih dalam di luar apa yang telah dipublikasikan di blog teknis mereka, namun hasilnya sudah terlihat nyata.
Model ini juga mendukung context window sebesar 32K, yang memungkinkan sistem untuk mencerna dokumen dalam jumlah besar atau aliran data telemetri robotik secara berkelanjutan tanpa kehilangan konteks. Efisiensi arsitektural ini terlihat jelas dari jejak memorinya yang sangat kecil, yakni di bawah 400MB, sehingga dapat berjalan dengan mulus di berbagai perangkat keras. Liquid AI mengklaim bahwa kecepatan prefill dan decode model ini secara konsisten mengalahkan kompetitor seperti Gemma 3 1B IT dan Granite 4.0-H-350M. Pendekatan ini memungkinkan pengembang untuk membangun pipa ekstraksi data yang ringan namun tetap memiliki akurasi tingkat tinggi.
Efisiensi Tanpa Kompromi di Berbagai Perangkat
- Samsung Galaxy S25 Ultra: Menggunakan CPU Qualcomm Snapdragon Gen4, model ini mampu mencapai kecepatan decode hingga 213 token per detik.
- Raspberry Pi 5: Bahkan pada perangkat yang sangat terbatas, model ini tetap stabil dengan kecepatan 42 token per detik.
- NVIDIA Jetson Orin: Memberikan latensi end-to-end yang lebih rendah dibandingkan model kecil lainnya dalam berbagai tingkat konkurensi.
Transformasi ‘AI ETL’ untuk Kebutuhan Korporasi
Bagi sektor perusahaan atau enterprise, kehadiran LFM2.5-230M membawa solusi bagi masalah klasik dalam pengelolaan data yang selama ini sangat kaku. Secara tradisional, organisasi sangat bergantung pada skrip Extract, Transform, Load (ETL) berbasis aturan yang sering kali rusak hanya karena perubahan kecil pada tata letak dokumen atau skema data. Industri kini sedang bergerak menuju apa yang disebut sebagai AI ETL, di mana kecerdasan buatan digunakan untuk mendeteksi pergeseran skema dan mengadaptasi perubahan secara otomatis tanpa perlu pengkodean ulang yang rumit. LFM2.5-230M hadir sebagai mesin ekstraksi ringan yang mampu mengubah data tidak terstruktur menjadi format JSON dengan biaya operasional yang sangat rendah.
Menggunakan model flagship raksasa seperti Claude Opus 4.6 untuk tugas rutin seperti memproses faktur atau memformat alamat adalah tindakan yang tidak efisien secara ekonomi bagi banyak perusahaan. Biaya API cloud yang mahal dan latensi jaringan sering kali menjadi penghalang utama dalam otomatisasi skala besar di tingkat lokal. Dengan model dari Liquid AI ini, perusahaan dapat menjalankan proses otomatisasi tersebut langsung di perangkat keras lokal, mengurangi ketergantungan pada cloud, dan meningkatkan privasi data. Hal ini menjadikan LFM2.5-230M sebagai komponen kritis dalam infrastruktur digital modern yang mengutamakan kecepatan dan efisiensi biaya.
Perbandingan Benchmark: LFM vs Model Kelas 3B
Meskipun industri AI di pertengahan tahun 2026 sedang dilanda tren model ‘kecil’, definisi kecil itu sendiri sebenarnya sangat bervariasi di mata para pengembang. Sebagai perbandingan, model VibeThinker-3B milik Weibo yang memiliki 3 miliar parameter sempat menghebohkan komunitas karena skor matematikanya yang tinggi, namun ukurannya tetap jauh lebih besar dibandingkan LFM2.5-230M. Model Liquid AI ini beroperasi di kelas berat yang benar-benar berbeda, dengan ukuran hanya sekitar sepersepuluh dari model terkecil dalam keluarga Google Gemma 4. Liquid AI secara terbuka mengakui bahwa model ini tidak dirancang untuk tugas penalaran berat seperti kalkulus tingkat lanjut atau penulisan kreatif yang kompleks.
Namun, dalam domain utamanya yaitu ekstraksi data dan pemanggilan alat (tool calling), LFM2.5-230M terbukti mampu ‘memukul’ jauh di atas kelas beratnya. Pada benchmark penggunaan alat BFCLv3, model ini mencetak skor 43.26, mengungguli IBM Granite 4.0-350M (39.58) dan meninggalkan jauh Google Gemma 3 1B IT yang hanya meraih skor 16.61. Di sektor ekstraksi data melalui CaseReportBench, skor 22.51 yang diraihnya berhasil menghancurkan performa Qwen3.5-0.8B. Fakta ini memperkuat posisi LFM2.5-230M sebagai pilihan superior bagi perusahaan yang membutuhkan pipa agen AI yang berjalan efisien pada perangkat keras yang sangat terbatas.
“Liquid AI menunjukkan bahwa perangkat edge tidak memerlukan daya komputasi masif atau koneksi cloud yang persisten untuk mengeksekusi alur kerja agen yang kompleks dan multi-langkah.”
Implementasi pada Robotika dan Sistem Otonom
Keunggulan dalam pemanggilan alat (tool calling) menjadikan LFM2.5-230M berfungsi sebagai lapisan seleksi keterampilan yang sangat mumpuni untuk teknologi robotika. Liquid AI telah mendemonstrasikan kapabilitas ini dengan memasang model tersebut pada robot humanoid Unitree G1. Robot ini mampu memproses perintah lingkungan yang kompleks secara lokal melalui modul komputasi NVIDIA Jetson Orin yang terpasang di dalamnya. Model ini mampu menerjemahkan instruksi bahasa alami yang bebas menjadi rencana aksi terstruktur yang memanggil berbagai keterampilan tingkat rendah yang telah dilatih sebelumnya.
Sebagai contoh, perintah seperti meminta robot untuk diam selama beberapa detik, berjalan maju dengan kecepatan tertentu, kemudian melakukan gerakan berlutut satu kaki, dapat diterjemahkan secara otomatis oleh model ini menjadi langkah-langkah teknis. Integrasi dengan kerangka kerja NVIDIA SONIC menunjukkan betapa fleksibelnya model ini dalam ekosistem robotika modern. Saat ini, model basis maupun model yang telah melalui tahap post-training sudah tersedia di platform Hugging Face dengan dukungan penuh untuk berbagai ekosistem inferensi seperti llama.cpp (GGUF), MLX, vLLM, dan ONNX sejak hari pertama peluncurannya.
Struktur Lisensi dan Pandangan ke Depan
Liquid AI merilis LFM2.5-230M di bawah lisensi khusus yang dinamakan LFM Open License v1.0. Penting untuk dicatat bahwa meskipun mengandung kata ‘open’, lisensi ini tidak sepenuhnya sesuai dengan kriteria Open Source Initiative (OSI) karena adanya batasan komersial tertentu. Bagi pengembang independen, peneliti, dan startup tahap awal dengan pendapatan tahunan di bawah $10 juta, model ini dapat digunakan secara gratis. Namun, bagi korporasi besar yang melampaui ambang batas pendapatan tersebut, mereka diwajibkan untuk menegosiasikan perjanjian komersial berbayar dengan Liquid AI untuk penggunaan dalam skala produksi.
Strategi lisensi ini dirancang untuk melindungi kekayaan intelektual perusahaan agar tidak diserap secara cuma-cuma oleh konglomerat teknologi besar, sembari tetap mendukung inovasi di tingkat akar rumput. Dengan performa yang melampaui ekspektasi untuk ukuran sekecil itu, LFM2.5-230M diprediksi akan menjadi standar baru dalam pengembangan aplikasi AI on-device. Ke depannya, kita mungkin akan melihat lebih banyak perangkat pintar, mulai dari peralatan rumah tangga hingga sistem pertahanan, yang ditenagai oleh model-model efisien seperti ini. Langkah Liquid AI ini membuktikan bahwa dalam dunia kecerdasan buatan, efisiensi arsitektural adalah kunci utama untuk membawa kecerdasan ke setiap sudut kehidupan manusia.
