Liquid AI stellt neues Visual-Language-Modell LFM2.5-VL-3B vor

Liquid AI hat das neue, ressourcenschonende Visual-Language-Modell LFM2.5-VL-3B vorgestellt. Das Modell verfügt über lediglich 3 Milliarden Parameter, schlägt jedoch Modelle, die mehr als doppelt so groß sind, und läuft direkt auf dem Galaxy S26 Ultra mit einer Geschwindigkeit von etwa 20 Tokens pro Sekunde.

LFM2.5-VL-3B ist für den Einsatz auf mobilen Geräten, im Web und auf Desktops konzipiert. Es kann Bildschirme, Dokumente und reale Fotos analysieren sowie Objekte präzise an Koordinaten binden.

In Benchmark-Tests zeigt sich die Leistungsfähigkeit des Modells eindrucksvoll:

• Auf ScreenSpot-v2 erzielt es einen Score von 80,7, während Gemma-4-E4B nur auf 51,2 kommt.
• Es übertrifft deutlich größere Modelle bei Aufgaben wie Interface-Analyse, Objekt-Bindung und Texterkennung.
• Auf der M5 Max erreicht das Modell eine Geschwindigkeit von 228 Tokens pro Sekunde und benötigt dafür nur etwa 3 GB Arbeitsspeicher.

Das Modell ist bereits auf Hugging Face verfügbar: https://huggingface.co/LiquidAI/LFM2.5-VL-3B