Liquid AI telah merilis LFM2.5-VL-3B, sebuah model visi-bahasa dengan 3 miliar parameter yang dirancang untuk memberikan kinerja yang lebih baik dan lebih cepat pada perangkat tepi. Model ini menggabungkan encoder visi SigLIP2 400M NaFlex dengan tulang punggung dari pendahulunya yang hanya teks, dilatih pada sekitar 34 triliun token termasuk empat kali lebih banyak data visi dibandingkan rilis sebelumnya.
- Kemampuan utama mencakup peningkatan pemahaman layar dan UI, penambatan yang lebih baik untuk deteksi objek, penalaran multi-gambar, serta pemanggilan fungsi yang lebih kuat dalam konteks hanya teks dan visi-teks.
- Model ini muat dalam sekitar 3 GB memori, melakukan dekoding pada 228 tok/s di M5 Max dan 116 tok/s di Ryzen AI Max+ 395, sementara mencapai 20 tok/s di Galaxy S26 Ultra.
- Pada inferensi GPU, model ini mencapai sekitar 11K token per detik dengan konkurensi tinggi, yang merupakan sekitar dua kali throughput dari model kelas 4B yang lebih besar dan unggul dari model kelas 2B yang lebih kecil.
Rilis ini bertujuan untuk menyediakan kecerdasan visi-bahasa umum yang kuat untuk beban kerja perangkat volume tinggi, dengan dukungan langsung untuk kerangka inferensi seperti llama.cpp, MLX, vLLM, SGLang, dan ONNX.