Liquid AI представила LFM2.5-VL-3B для быстрых задач на периферийных устройствах
Liquid AI представила LFM2.5-VL-3B — модель для работы с изображениями и текстом с 3.1B параметрами, рассчитанную на локальное оборудование. Она анализирует документы и экраны, находит объекты по запросам на естественном языке, принимает несколько изображений и поддерживает вызов функций. Модель отвечает напрямую, без длительного рассуждения; по заявлению компании, это помогает сохранять высокую скорость в приложениях реального времени и на устройствах.
LFM2.5-VL-3B объединяет зрительный энкодер SigLIP2 400M NaFlex с предварительно обученной основой текстовой модели LFM2.5-2.6B. Обучение проводилось примерно на 34T токенов и включало в четыре раза больше визуальных данных, чем предыдущие версии. Словарь расширили до 128K токенов для поддержки нелатинских письменностей. На этапе дообучения применялись supervised fine-tuning с дистилляцией от более крупной модели и Antidoom training, затем — обучение с подкреплением по нескольким критериям.
По оценкам Liquid AI, модель лидирует в своём размерном классе в ряде задач с реальными изображениями; средний результат на визуальных тестах составил 69.4. Поддерживаются llama.cpp, MLX, vLLM, SGLang и ONNX. Модель занимает около 3 GB памяти, развивает 228 токенов/с на M5 Max и 20 токенов/с на Galaxy S26 Ultra. Она доступна на Hugging Face, где также опубликована браузерная демонстрация WebGPU.
Текст подготовлен ИИ Sakhanda Wire по материалу Hugging Face. Факты, цитаты и полный контекст — в оригинальной статье ниже.