Liquid AI 发布了 LFM2.5-VL-3B，这是一款拥有 31 亿参数的视觉语言模型，专为高效的端侧部署而设计。该模型能够读取移动、网页和桌面环境中的数字屏幕，将物体定位到坐标，解析文档，并根据文本或图像输入执行工具调用。

  • 性能：在 28 个视觉基准测试中平均得分为 69.4，与 InternVL-3.5-4B 持平，落后于 Qwen3.5-4B 0.7 分。
  • 新功能：引入函数调用（ToolSandbox 59.5，BFCL v4 32.5）和改进的定位能力（RefCOCO-avg 87.9）。
  • 效率：仅需约 3 GB 内存，在 Apple M5 Max 上解码速度达 228 tok/s。
  • 许可：年收入低于 1000 万美元的公司可免费用于商业用途；大型企业需协商授权协议。

该模型为非推理型以保持低延迟，并提供原生、GGUF、ONNX 和 MLX 格式，支持 llama.cpp、MLX、vLLM 和 ONNX 运行时。