Liquid AIは2026年8月12日、ビジョン言語モデル LFM2.5-VL-3B を公開しました1。パラメータ数は31億で、SigLIP2 400M NaFlex のビジョンエンコーダに同社のテキストモデルと同じバックボーンを組み合わせています1。同社は改善点として、画面・UIの理解、自然言語のクエリによるグラウンディングと物体検出、複数画像入力、function calling の4つを挙げています1。
実行環境の数字が具体的です。約3GBのメモリに収まり、M5 Maxで毎秒228トークン、Ryzen AI Max+ 395で毎秒116トークン、Galaxy S26 Ultraでも毎秒20トークンをデコードするとしています1。llama.cpp、MLX、vLLM、SGLang、ONNXに公開初日から対応します1。ライセンスはApache 2.0のような標準的なものではなく、独自の「lfm1.0」です2。ダウンロードの大半を1B未満のモデルが占めるという Hugging Face の分析のとおり、小さく端末上で動くモデルの選択肢がまた一つ増えた形ですが、商用利用の条件はライセンス本文の確認が要ります。
Sources
- LFM2.5-VL-3B for Better and Faster Vision Capabilities for the Edge - Liquid AI（Hugging Faceブログ、2026年8月12日）
- LiquidAI/LFM2.5-VL-3B - Hugging Faceのモデルリポジトリ（ライセンス表記を2026年8月17日に確認）
▶ 📝 この記事へのフィードバック