Sakhanda Wire
NVDA $153.59 -1.64% MSFT $507.00 -2.12% GOOGL $279.98 -1.32% META $619.94 -1.03% AMZN $256.62 -0.44%
← Към новините

Liquid AI представи 3.1B модел за обработка на изображения на устройства

Liquid AI представи LFM2.5-VL-3B — мултимоделен модел с 3.1B параметра, предназначен за работа директно на устройства. Той интерпретира екрани на мобилни устройства, уебсайтове и настолни компютри, посочва обекти чрез координати, обработва документи и диаграми и извиква инструменти чрез текст или изображения. Моделът не използва режим на разсъждение, а дава директни отговори с ниска латентност. Необходимата памет е приблизително 3 GB, а скоростта на декодиране достига 228 токена в секунда на Apple M5 Max.

Средната оценка на 28 теста за зрение е 69.4 — колкото при InternVL-3.5-4B и с 0.7 пункта под Qwen3.5-4B. Резултатът на ScreenSpot-v2 е 80.7, а прецизността@1 на RefCOCO-avg се е повишила от 57.1 при предишната версия до 87.9. ToolSandbox нараства от 26.4 на 59.5, а BFCL v4 — от 20.5 на 32.5. BLINK достига 61.5, а MuirBench — 58.3.

Моделът се предлага във формати native, GGUF, ONNX и MLX и работи с llama.cpp, MLX, vLLM, SGLang и ONNX. Лицензът LFM Open License v1.0 разрешава безплатна търговска употреба при годишни приходи под $10M. Компаниите над този праг трябва да договорят търговски лиценз, докато за научни, образователни и нестопански цели няма ограничение по приходи.

Текстът е изготвен от ИИ на Sakhanda Wire по материал на MarkTechPost. Фактите, цитатите и пълният контекст са в оригиналната статия по-долу.

Първоначално публикувано от MarkTechPost на

Прочетете оригинала в MarkTechPost ↗

Репортажът и изображението принадлежат на MarkTechPost и са посочени по-горе с връзка към оригинала; текстът на тази страница е собствено изложение на Sakhanda Wire.

← Към новините

Още новини

Всички последни новини