Liquid AI prezentuje nowy model wizualno-językowy LFM2.5-VL-3B
Liquid AI wprowadziło na rynek lekki i szybki model wizualno-językowy LFM2.5-VL-3B, który przewyższa znacznie większe konstrukcje pod względem wydajności i precyzji.
Firma Liquid AI udostępniła nowy, lekki i błyskawiczny model wizualno-językowy o nazwie LFM2.5-VL-3B.
Ten model dysponuje zaledwie 3 miliardami parametrów, a mimo to osiąga wyniki lepsze niż modele dwukrotnie większe. Co więcej, działa bezpośrednio na smartfonie Galaxy S26 Ultra z prędkością około 20 tokenów na sekundę.
LFM2.5-VL-3B jest kompatybilny z interfejsami mobilnymi, webowymi oraz desktopowymi. Potrafi analizować ekrany, dokumenty i zdjęcia z otoczenia, a także precyzyjnie przypisywać obiekty do konkretnych współrzędnych.
W teście ScreenSpot-v2 model uzyskał wynik 80,7 punktu, co stanowi znaczącą przewagę nad modelem Gemma-4-E4B, który zdobył jedynie 51,2 punktu.
Konstrukcja ta wyraźnie przewyższa znacznie większe modele w zadaniach związanych z obsługą interfejsów, wiązaniem obiektów oraz rozpoznawaniem tekstu.
Na procesorze M5 Max prędkość generowania sięga 228 tokenów na sekundę, przy zapotrzebowaniu na pamięć wynoszącym zaledwie około 3 GB.
Model jest już dostępny na platformie Hugging Face: https://huggingface.co/LiquidAI/LFM2.5-VL-3B
Dlaczego to ważne
AnalizaPrezentacja tego modelu oznacza znaczący postęp w technologii wizualno-językowej, otwierając nowe możliwości dla aplikacji interaktywnych. Jego wysoka efektywność na urządzeniach mobilnych sprawia, że zaawansowana sztuczna inteligencja staje się bardziej przystępna dla szerszego grona odbiorców.
Dyskutuj w społeczności
Dziel się swoimi pytaniami i spostrzeżeniami z programistami