Liquid AI dévoile LFM2.5-VL-3B, un modèle vision-langage léger et performant
Liquid AI lance LFM2.5-VL-3B, un modèle multimodal de 3 milliards de paramètres qui surpasse des architectures bien plus volumineuses tout en fonctionnant directement sur mobile.
Liquid AI a publié LFM2.5-VL-3B, un nouveau modèle vision-langage conçu pour être à la fois léger et rapide.
Avec seulement 3 milliards de paramètres, ce modèle démontre une efficacité remarquable, surpassant des modèles plus de deux fois sa taille. Il est capable de tourner directement sur le Galaxy S26 Ultra à une vitesse d'environ 20 tokens par seconde.
LFM2.5-VL-3B prend en charge les interfaces mobiles, web et desktop. Il peut analyser des écrans, des documents et des images du monde réel, avec une capacité précise à associer des objets à leurs coordonnées spatiales.
En termes de performance, le modèle obtient un score de 80,7 sur le benchmark ScreenSpot-v2, contre 51,2 pour Gemma-4-E4B. Il excelle également dans les tâches liées aux interfaces utilisateur, au binding d'objets et à la reconnaissance de texte, dépassant significativement des modèles beaucoup plus lourds.
Sur une configuration M5 Max, la vitesse atteint 228 tokens par seconde, nécessitant seulement environ 3 Go de mémoire vive pour fonctionner.
Le modèle est déjà disponible sur Hugging Face : https://huggingface.co/LiquidAI/LFM2.5-VL-3B
Pourquoi c'est important
AnalyseCette avancée marque un tournant dans l'efficacité des technologies vision-langage, rendant possible le déploiement d'applications interactives complexes directement sur des appareils mobiles grand public sans dépendance au cloud.
Discuter dans la communauté
Partagez vos questions et vos idées avec les développeurs