Liquid AI 推出 LFM2-VL 模型，为手机带来「小巧又灵敏」的AI 视觉语言能力

LFM2-VL扩展自LiquidAI之前推出的LFM2架构，整合了视觉与语言处理能力，支持多分辨率的图片输入，可处理文本与图像，具有极佳的灵活性与兼容性（liquid.ai，Venturebeat）。模型在GPU推理速度上实现了高达「两倍」的提升，并且在常见性能评测中表现不凡(Venturebeat，liquid.ai)。

在图像处理方面，LFM2-VL能以原始分辨率（最高512×512）输入图像，避免因强制缩放带来的失真问题。对于更大尺寸图像，模型会采用非重叠切片方式处理，并配合缩略图以获取全局语境信息(Venturebeat，liquid.ai)。其架构由语言模型主干、SigLIP2NaFlex视觉编码器与一个多模态投影器构成。投影器使用两层MLP(带pixelunshuffle技术)来减少图像token数量，从而提升处理速度(Venturebeat，liquid.ai)。

训练数据方面，LFM2-VL涉及约1，000亿多模态训练token，来源包括开源数据集与公司自有合成图像数据（Venturebeat，liquid.ai）。评测结果显示，LFM2-VL-1.6B在RealWorldQA(65.23)、InfoVQA(58.68)、OCRBench(742)等任务中成绩优异，同时在推理效率上领先于同类模型(Venturebeat，liquid.ai)。

目前，这些模型已在HuggingFace发布，并附有在Colab上的微调示例代码，兼容HuggingFaceTransformers与TRL库。它们采用了一种基于Apache2.0原则的新“LFM1.0授权协议”，允许学术使用，年收入低于1，000万美元的公司可用于商业，而年营收更高的企业则需联系LiquidAI获取授权（Venturebeat，liquid.ai）。

LiquidAI的LFM2-VL模型组合为视觉与文本融合AI在设备端部署提供了新的路径，尤其适合手机、笔记本、可穿戴设备等场景，有助于降低对云端依赖，提升隐私与响应速度。

项目:https://huggingface.co/LiquidAI/LFM2-VL-1.6B

划重点:

• 🆕两种型号设计:LFM2-VL-450M（极简资源环境适用）和LFM2-VL-1.6B(更强但依然轻量)，适配设备端部署。

• 速度与效率兼顾:GPU推理速度高达2倍提升，同时具备优秀的多模态任务表现。

• 多平台友好环境:已发布在HuggingFace，提供授权选项，兼容主流开发工具，适合学术与中小企业商业用途。