LFM3 Omni: ejecuta en local en un Mac el modelo de imagen y voz de Liquid

Qué es LFM3 Omni

LFM3 Omni es el modelo de Liquid AI para entradas mixtas: acepta imágenes y audio además de texto, y responde en texto. Tiene unos dos mil millones de parámetros (Liquid lo llama LFM3-Omni-2B) y forma parte de la familia LFM3, junto a modelos separados para texto, visión, audio y tareas de decisión. La razón para elegir Omni es que un solo modelo procesa esas entradas juntas: puedes enseñarle algo y explicarlo en voz alta en lugar de escribirlo todo en un prompt.

Puedes probar LFM3 en el Playground de Liquid o a través de su API. Esta guía sigue la vía local del vídeo: descargas los archivos del modelo y las entradas se procesan en tu propio Mac.

Qué dicen los benchmarks de Liquid

La ficha del modelo de Liquid compara Omni con modelos como Qwen2.5-Omni y Gemma 4. En Daily-Omni, que mide la comprensión conjunta de vídeo y audio, Omni obtiene unos 70 puntos frente a unos 61 de Qwen2.5-Omni 7B. En OmniBench (global), que combina una imagen con un clip de audio, obtiene unos 46 frente a unos 50 de ese mismo modelo Qwen.

Son mediciones de Liquid, no nuestras. Muestran un resultado sólido para un modelo pequeño en una prueba combinada y una derrota en otra; no te dicen cómo tratará tus propios archivos.

Nuestra prueba: un gráfico y una grabación

Le dimos a Omni dos fuentes que describen partes distintas de la misma situación. Un gráfico de barras muestra las inscripciones a un taller por día: lunes 12, martes 24 y jueves 18. Una grabación breve (en inglés) dice: “Please move the workshop to Thursday at two p.m. Maya will send the outline on Tuesday. We still have not chosen a room. Do not book one yet.” («Por favor, mueve el taller al jueves a las dos de la tarde. Maya enviará el guion el martes. Aún no hemos elegido sala. No reserves ninguna todavía.») La grabación es una voz sintética de macOS guardada en un archivo, no una entrada de micrófono en directo.

El prompt preguntaba por el día más popular, la nueva hora del taller y si había que reservar una sala. Omni respondió: “Tuesday has the most sign-ups (24). The workshop has been moved to Thursday at 2 PM. We should not book a room yet.” («El martes tiene más inscripciones (24). El taller se ha movido al jueves a las 14:00. No hay que reservar sala todavía.») Recogió el cambio de la grabación sin sustituir lo que dice el gráfico, que es justo lo que buscaba la prueba: el día más popular y el día realmente elegido se mantienen separados.

Ejecuta la misma prueba en tu Mac

La ejecutamos el 2 de noviembre de 2026 con la versión b11960 de llama.cpp en un MacBook Pro M5 Pro con 48 GB de RAM. Es la máquina que usamos, no un requisito mínimo. Probablemente también funcione en tu portátil; solo cuenta con que el ordenador esté ocupado un minuto o así después de pulsar Intro.

1. Descarga la versión Mac ARM64 de llama.cpp (release b11960) y descomprímela. Las versiones anteriores pueden no ser compatibles con LFM3.
2. Desde el repositorio LFM3-Omni-2B-GGUF de Liquid en Hugging Face, descarga LFM3-Omni-2B-Q4_K_M.gguf (el modelo) y mmproj-LFM3-Omni-2B-Q8_0.gguf (el proyector que le corresponde). La entrada de imagen y audio necesita los dos archivos. Juntos ocupan unos 1,6 GB, y ejecutarlos requiere memoria adicional.
3. Descarga los archivos de inicio gratuitos de arriba y pon workshop-chart.png, instruction.wav y omni-mixed-prompt.txt en la misma carpeta que los dos archivos del modelo.
4. Abre Terminal en esa carpeta y ejecuta: ./llama cli -m LFM3-Omni-2B-Q4_K_M.gguf --mmproj mmproj-LFM3-Omni-2B-Q8_0.gguf -c 4096 -n 500 --reasoning off --temp 0 --seed 42 --single-turn --image workshop-chart.png --audio instruction.wav -sys 'Answer from the supplied image and audio only.' -f omni-mixed-prompt.txt Sustituye ./llama por la ruta del ejecutable llama que descomprimiste.
5. El modelo y el proyector se cargan y la respuesta aparece en Terminal. Compárala con el gráfico y la grabación.
6. Para probar tu propio material, cambia la imagen y la grabación en el comando y modifica las preguntas del archivo de prompt. Empieza con fuentes que puedas comprobar tú mismo.

El error de escala del gráfico

También le pedimos el número total de inscripciones usando solo el gráfico. Omni leyó 12, 24 y 18 y los sumó correctamente: 54. Luego dijo que eso equivalía a 27 personas. Cada casilla de color representa dos personas, pero las etiquetas ya cuentan personas, así que aplicó la escala una segunda vez.

Cuando se lo señalamos y le pedimos que lo comprobara, corrigió la respuesta a 54 personas. Es una corrección con ayuda, no el modelo detectando su propio error. Ten la imagen original junto a la respuesta, sobre todo cuando hay cifras.

Modelo pequeño, modelos más grandes y qué probar después

Errores sencillos como este son más probables en un modelo tan pequeño. Los modelos descargados más grandes suelen necesitar un ordenador mejor: un modelo de unos 2 GB puede funcionar en casi cualquier ordenador, mientras que Luke ha ejecutado en este MacBook modelos de hasta unos 30 GB y le parecen más fiables. Es su experiencia, no un benchmark.

La ficha del modelo Omni también indica entrada de vídeo y salida de voz con runners compatibles. No probamos ninguna de las dos; comenta en el vídeo si quieres que las tratemos.

Esta guía es gratuita y no pide correo electrónico. Sigue los pasos tú mismo o pega la guía en ChatGPT, Codex, Claude u otro asistente y pídele que te ayude a configurarlo. Lee cada comando antes de ejecutarlo.

Conclusión

Omni puede combinar lo que ve en una imagen con lo que oye en una grabación, en local en un Mac, y nuestra pregunta combinada salió bien. Su cálculo con el gráfico falló una vez, así que comprueba las cifras con la fuente y corrígelo cuando algo no cuadre.