据 Beating 报道,Liquid AI 发布了 LFM2.5-VL-3B。这是一款拥有 30 亿参数、针对在移动设备和计算机上本地部署进行优化的视觉语言模型。该模型在 28 项视觉基准测试中的平均得分为 69.4,显著超过拥有 80 亿参数的 Gemma-4-E4B(59.7),并可与拥有 47 亿参数的 InternVL 3.5 4B 相媲美。
该模型在速度方面表现出色:经过 4 bit 量化后,在 M5 Max 上每秒可生成 228 个 token,同时仅占用约 3.3 GB 内存。在 Galaxy S26 Ultra 上,其生成速度达到每秒 20 个 token。在高并发场景下,单个 H100 GPU 的峰值吞吐量约为每秒 11,000 个 token,大约是某些 4B 级模型的两倍。模型权重已在 Hugging Face 上开源。