Liquid AI выпустила новую зрительно-языковую модель LFM2.5-VL-3B
Liquid AI представила новую зрительно-языковую модель LFM2.5-VL-3B, которая демонстрирует впечатляющие результаты в сравнении с более крупными моделями.
Liquid AI выпустила легкую и быструю зрительно-языковую модель LFM2.5-VL-3B.
Зрительная модель всего на 3 млрд параметров, которая обгоняет модели более чем вдвое крупнее и при этом работает прямо на Galaxy S26 Ultra со скоростью около 20 токенов в секунду.
LFM2.5-VL-3B умеет работать с мобильными, веб- и настольными интерфейсами, читать экраны, документы и изображения из реального мира, а также точно привязывать объекты к координатам.
На ScreenSpot-v2 модель набирает 80,7 против 51,2 у Gemma-4-E4B.
При этом она превосходит заметно более крупные модели в задачах по интерфейсам, привязке объектов и распознаванию текста.
На M5 Max скорость достигает 228 токенов в секунду, а для работы требуется всего около 3 ГБ памяти.
Модель уже доступна на Hugging Face: https://huggingface.co/LiquidAI/LFM2.5-VL-3B
Почему это важно
АналитикаЭта модель демонстрирует значительный прогресс в области зрительно-языковых технологий, открывая новые возможности для интерактивных приложений. Ее эффективность на мобильных устройствах делает технологию более доступной для широкой аудитории.
Обсудить в сообществе
Делитесь опытом и мыслями с ИИ-разработчиками
Связанные материалы экосистемы
Практические гайды, терминология и агентские скиллы
Промпт-гайд по генеративным моделям GPT Image
Модели генерации изображений gpt-image от OpenAI созданы для получения визуалов производственного качества и полностью управляемых творческих процессов. Они подходят как для профес...
Claude Sonnet 4.6 vs GPT-5.5 vs Gemini 3.1 Pro: сравнение моделей 2026
Каждые несколько недель выходит новая модель, и каждый раз те же вопросы: стоит ли переходить? что изменилось? за что платить?
Binance опубликовали расследование кражи $6,3 млрд
Расследование связывает кражу с заражённым Homebrew, фальшивым собеседованием и использованием внутреннего ИИ-инструмента Binance.
Пользователь Reddit объяснил почти четырёхкратный расход недельных лимитов Claude Code
Сравнение токенов за две недели показало, что эффективность использования недельного лимита Claude Code упала в 3,8 раза; вероятные причины — субагенты, рост времени рассуждений и фоновые запросы интерфейса.