Liquid AI випустила легку та швидку зору-мовну модель LFM2.5-VL-3B
Liquid AI випустила модель LFM2.5-VL-3B з 3 мільярдами параметрів, яка працює на Galaxy S26 Ultra зі швидкістю ~20 токенів/сек і перевершує більші моделі у задачах розуміння інтерфейсів.
🚀 Швидка мобільна AI. Якість порівняно з більшими моделями, але працює на смартфоні — для компаній, які потребують реального часу обробки зображень на пристрої.
Що це означає для вас
Оцініть можливість заміни хмарних API на LFM2.5-VL-3B для обробки екранів у реальному часі, щоб зменшити витрати та затримки.
Перший крокЗапустіть модель на одному тестовому знімку екрану через Hugging Face Inference API і виміряйте час відповіді (10 хв)
З новини: 20 токенів/секІнструмент: LFM2.5-VL-3B
Пропустіть, якщо: якщо ваша продукція не потребує обробки зображень екрану
Використайте LFM2.5-VL-3B для автоматичного створення описів продуктів зі знімків екрану у рекламних кампаніях.
Перший крокЗгенеруйте опис для п’яти скріншотів вашого сайту за допомогою моделі на Hugging Face і порівняйте з ручним написанием (15 хв)
З новини: 3 млрд параметрівІнструмент: LFM2.5-VL-3B
Пропустіть, якщо: якщо ваш маркетинг не використовує знімки екрану
Внедріть LFM2.5-VL-3B на крайні пристрої для локального розпізнавання елементів інтерфейсу у тестуванні.
Перший крокЗавантажте ваги моделі з Hugging Face і запустіть інференс на одному зразку документа на ноутбуці (20 хв)
З новини: 3 ГБ пам’ятіІнструмент: LFM2.5-VL-3B
Пропустіть, якщо: якщо у вас немає пристроїв з достатньо ОЗУ для моделі
Якщо ви хочете скоротити витрати на хмарну AI і отримати мгновенні результати на пристрої — подивіться, які завдання вашого бізнесу можна перенести на пристрій.
Отримати карту AI-можливостей →🎯 Чи підходить це вашому бізнесу?
Заповніть профіль компанії — і ми автоматично покажемо, чи варто вам це впроваджувати.
Заповнити профіль · 30 секундTL;DR
- •Розмір моделі: 3 мільярда параметрів.
- •Швидкість на Galaxy S26 Ultra: ~20 токенів/сек, на M5 Max до 228 токенів/сек.
- •Потребує приблизно 3 ГБ оперативної пам’яті для роботи.
- •Доступна на Hugging Face за посиланням https://huggingface.co/LiquidAI/LFM2.5-VL-3B (ліцензія не розкрита).
- •Результат на ScreenSpot-v2: 80,7 баллів, перевершує Gemma-4-E4B (51,2) та більші моделі у задачах розуміння інтерфейсів.
Як це змінить ваш ринок?
Виробники часто стикаються з потребою швидко аналізувати зображення з ліній виробництва або сканерів документів, щоб виявляти дефекти або несоответності. Традиційно це вимагає відправки даних у хмару, що створює затримки, збільшує витрати на передачу та викликає питання конфіденційності. LFM2.5-VL-3B дозволяє проводити такий аналіз прямо на крайньому пристрої — на терміналі або мобільному сканері — без виходу даних за межі локальної мережі, що скорочує час реакції до секунд та зменшує витрати на хмарні ресурси.
Визначення: Зору-мовна модель (Vision-Language Model, VLM) — тип штучного інтелекту, який одночасно розуміє та обробляє текстові та зображені дані, дозволяючи виконувати завдання типу опис зображень, відповіді на питання про вміст екрану або прив’язки об’єктів до координат.
Для кого це і за яких умов
Модель призначена для використання на пристроях з мінімум 3 ГБ ОЗУ, таких як сучасні смартфони (наприклад, Galaxy S26 Ultra) або ноутбуки з базовою графікою. Для тестування через Hugging Face достатньо мати доступ до інтернету і базові навички роботи з API — окрема IT‑команда не обов’язкова. Підходить для будь-якого розміру бізнесу, включаючи одиночних підприємців та маленькі команди, тому що розгортання може займати менше години. Час на повне впровадження в продакшн — від кількох днів до тижня, залежно від інтеграції з існуючими системами.
Альтернативи
| Продукт | Ціна | Де працює | Мін. вимоги | Ключова різниця |
|---|---|---|---|---|
| LFM2.5-VL-3B | дані не розкриті | Hugging Face, локально | 3 ГБ ОЗУ, ARM/x86 CPU | Найвища швидкість на мобільних пристроях, кращий результат у ScreenSpot-v2 |
| Gemma-4-E4B | дані не розкриті | Hugging Face, локально | 2 ГБ ОЗУ | Менший розмір, але нижча точність у задачах розуміння інтерфейсів |
| Phi-3-vision | дані не розкриті | Hugging Face, локально | 2,5 ГБ ОЗУ | Добрий баланс розміру та швидкості, проте нижче у ScreenSpot-v2 |
| MiniCPM-V | дані не розкриті | Hugging Face, локально | 3 ГБ ОЗУ | Підтримка багатьох мов, але спеціалізовано на ОКР, а не на UI |
💬 Часті запитання
Чи потрібна спеціалізована GPU для роботи LFM2.5-VL-3B?
Ні, модель оптимізована для роботи на CPU та нейропроцесорах сучасних смартфонів. Зазначені швидкості (20–228 токенів/сек) вимірювалися на ARM‑процесорах без дискретної GPU. Для ще кращої продуктивності можна використовувати пристрої з нейропроцесором, але це не обов’язково.
Яка ліцензія у моделі та чи можна її використовувати комерційно?
У статті та на сторінці Hugging Face не вказано тип ліцензії. Через це рекомендується зв’язатися з Liquid AI або перевірити репозиторійmodel на предмет умов використання перед комерційним впровадженням.
Чи краща LFM2.5-VL-3B за великі моделі типу GPT-4V у всіх завданнях?
Ні. LFM2.5-VL-3B показує перевагу в специфічних задачах розуміння інтерфейсів, ScreenSpot-v2 та тексту на зображеннях. У більш складних reasoning‑завданнях, таких як складне логічне выводу або генерація довгих текстів, великі моделі залишаються кращими через більшу кількість параметрів та тренування на більш різноманітних даних.
Як швидко можна почати використовувати модель у власному проекті?
Завдяки доступності на Hugging Face, достатньо виконати кілька рядків коду з бібліотекою transformers: завантажити токенізатор та модель, подати зображення і текстовий промпт, отримати результат. Це можна зробити за менше ніж 30 хв на тестовому наборі даних.
Чи є обмеження на розмір вхідного зображення або довжину тексту?
Модель приймає зображення розміром до 224×224 пікселів (стандарт для багатьох VLM) та текстові промпти довжиною до кількох сотень токенів. Для більших зображень потрібен попередній ресайз або розбиття на частини, що може вплинути на точність.
Підтекст
Liquid AI орієнтується на edge‑AI, щоб зменшити залежність від хмарних провайдерів та покращити конфіденційність даних. Швидка робота на смартфоні сигналізує про зростаючий попит на моделі, які можуть працювати без постійного з’єднання з інтернетом. Це може змінити баланс сил у сфері AI, де локальна обробка стає конкурентоспроможною за ценою та швидкістю.
Такий розбір щоранку о 08:00
Персональний AI-дайджест для вашої галузі — щодня у Telegram
Джерела
Вайб-кодинг — оригіналAI Advisory Board
Навчіть вашу команду будувати такі AI-автоматизації
За 5 днів кожен співробітник побудує автоматизацію для своєї ділянки роботи.
Дізнатись більше → aiadvisoryboard.me