首页 > 快讯 > Liquid AI 发布 LFM2-VL 模型，使手机具备「紧凑且敏捷」的AI 视觉与语言功能

Liquid AI 发布 LFM2-VL 模型，使手机具备「紧凑且敏捷」的AI 视觉与语言功能

发布时间：2025-09-03 11:52:06 | 责任编辑：张毅 | 浏览量：17 次

Liquid AI 最新发布了 LFM2-VL 系列视觉语言基础模型（Vision-Language Foundation Models），这标志着多模态 AI 正朝着「精简、快速、可部署在设备端」的方向加速发展。
这两款型号分别是 LFM2-VL-450M 和 LFM2-VL-1.6B，前者专为资源受限的硬件环境设计，参数量不足5亿;后者虽参数更多但依旧轻量，适合单个 GPU 或设备直接部署。
LFM2-VL 扩展自 Liquid AI 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 pixel unshuffle 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 Hugging Face 发布，并附有在 Colab 上的微调示例代码，兼容 Hugging Face Transformers 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 Liquid AI 获取授权（Venturebeat， liquid.ai）。
Liquid AI 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 Hugging Face，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。

Liquid AI 近期推出了全新的 LFM2-VL 系列视觉语言基础模型，专为智能手机、笔记本电脑、可穿戴设备等终端设备设计，旨在提供“小巧又灵敏”的 AI 视觉语言能力

。

核心亮点

两种高效版本：
- LFM2-VL-450M（4.5 亿参数）：专为资源受限的环境设计，适合智能手表、物联网节点等极低算力设备
  
  。
- LFM2-VL-1.6B（16 亿参数）：性能更强，但仍保持轻量化，适合单 GPU 或高端移动设备部署
  
  。
性能与效率兼备：
- GPU 推理速度提升两倍，在同类视觉语言模型中表现突出
  
  。
- 支持 原生 512×512 像素图像输入，避免图像失真，较大图像采用非重叠切片处理，兼顾细节与全局语境
  
  。
技术创新：
- 采用 模块化架构，结合语言模型主干、SigLIP2 NaFlex 视觉编码器与多模态投影器，使用“像素解混”技术减少图像 Token 数量，提升处理速度
  
  。
- 基于 线性输入变化（LIV）系统，可根据输入实时生成模型权重，减少冗余计算
  
  。
开源与商业应用：
- 模型已在 Hugging Face 开源，提供微调示例代码，兼容主流开发工具
  
  。
- 采用 LFM1.0 授权协议，允许学术使用，年收入低于 1000 万美元的公司可商业使用
  
  。

实际应用场景

LFM2-VL 系列模型可广泛应用于 智能手机、笔记本电脑、可穿戴设备、嵌入式系统 等场景，显著降低对云端依赖，提升隐私保护与响应速度

。

基准测试表现

LFM2-VL-1.6B 在 RealWorldQA（65.23）、InfoVQA（58.68）、OCRBench（742）等基准测试中表现优异

。

Liquid AI 的 LFM2-VL 系列为终端设备带来了高效、低延迟的多模态 AI 能力，标志着视觉语言模型在边缘设备部署上的重要进展

。

©️版权声明：
本网站(https://aigc.izzi.cn)刊载的所有内容，包括文字、图片、音频、视频等均在网上搜集。
访问者可将本网站提供的内容或服务用于个人学习、研究或欣赏，以及其他非商业性或非盈利性用途，但同时应遵守著作权法及其他相关法律的规定，不得侵犯本网站及相关权利人的合法权利。除此以外，将本网站任何内容或服务用于其他用途时，须征得本网站及相关权利人的书面许可，并支付报酬。
本网站内容原作者如不愿意在本网站刊登内容，请及时通知本站，予以删除。