LFM2.5-VL-3B
Liquid AI面向端侧的多模态模型：LFM2.5-2.6B语言骨干加SigLIP2 NaFlex视觉编码器，支持文本与图像输入，原生32,768 token上下文。
最后核实：
https://huggingface.co/LiquidAI/LFM2.5-VL-3B特点与限制
主要特点
- 官方称在低于3.3GB内存占用下运行；Apple M5 Max约228 tok/s、Ryzen AI Max+ 395约116 tok/s、Galaxy S26 Ultra约20 tok/s（官方数值）
- 支持自然语言查询的grounding与目标检测，OCR支持整页版面标注（官方说明该标注格式仍为实验性）
- 本体为原生checkpoint，另提供GGUF、ONNX、MLX等导出
- 官方建议用于单轮、高吞吐、低延迟任务（如批量扫描件OCR、端侧翻译）
使用边界
- 权重采用自定义LFM Open License v1.0（许可正文含商业使用条件与1000万美元年收入门槛定义），不等同Apache/MIT；使用前须阅读许可原文。
- 官方不建议用于长上下文、重推理任务（如视觉网页设计、蓝图技术问答）。
- 官方benchmark中MMMU Pro为30.5，高难度多模态推理有限。
- 本轮未核实该型号的代码仓库许可与官方部署命令；本站未实测端侧或GPU推理表现。
模型信息
- 家族与版本
- LFM / 2.5-VL
- 输入与输出
- 文本、图像 → 文本
- 公开参数规模
- 3B（以以下来源口径为准）
- 激活 / 有效参数
- 未提供 / 未提供
- 参数口径
- 官方benchmark表将该checkpoint标注为3.1B；语言骨干为LFM2.5-2.6B，视觉编码器为SigLIP2 NaFlex shape优化400M，官方未按整模单列精确参数总量，按型号档位记录为3B。 参数来源
- 原生上下文
- 32,768 tokens
- 扩展上下文
- 未提供
- 语言声明
- 英语、阿拉伯语、中文、法语、德语、意大利语、日语、韩语、葡萄牙语、西班牙语、越南语、泰语、印尼语、印地语、俄语、波兰语（官方模型卡列明16种语言）；语言支持不代表对应语言的评测水平。
- 权重许可
- LFM Open License v1.0
- 代码许可
- 未核实
- 训练资料
- 官方模型卡与发布博客说明来源与改进方向（基于LFM2-VL-3B继续mid/post-training、骨干LFM2.5-2.6B、SigLIP2 NaFlex视觉编码器）；未公开完整训练数据清单。
能力依据
模型变体：指令版；家族与版本：LFM / 2.5-VL
文本生成
暂无可靠公开成绩
查看评估与来源收起补充信息
文本生成
暂无可靠公开成绩
本轮未找到该型号的纯文本官方基准：模型卡的benchmark表只覆盖视觉、grounding、工具调用与多图任务，且官方明确建议用于单轮、高吞吐、低延迟场景、不推荐长上下文重推理任务。因此不做文本生成质量结论。
已有依据支持
- 官方给出端侧吞吐与内存的声明数值（如低于3.3GB内存、Apple M5 Max约228 tok/s）。
- 官方提供Transformers、vLLM、SGLang、llama.cpp等多条推理路线。
证据限制
- 缺少可引用的纯文本基准与生成条件。
- 官方定位不覆盖长上下文与重推理场景。
- 本站未复现官方吞吐数值。
暂无该用途的公开评测成绩；不能从其他用途或缺失值推断能力。
视觉理解
ScreenSpot-v2 · score80.7%ScreenSpot-v2 (avg) · enRefCOCO · Macro Precision@187.9%RefCOCO · enOCRBenchv2 · score47.5%OCRBenchv2（English-only子集，卡注） · en查看评估与来源收起补充信息
视觉理解
ScreenSpot-v2 · score80.7%ScreenSpot-v2 (avg) · en
RefCOCO · Macro Precision@187.9%RefCOCO · en
OCRBenchv2 · score47.5%OCRBenchv2（English-only子集，卡注） · en
可作为端侧图文与文档解析候选：官方表列出ScreenSpot-v2 80.7%、RefCOCO 87.9%、OCRBenchv2（英文子集）47.5%、MMMU Pro 30.5%。定位偏单轮感知与OCR，而非高难度多模态推理。
已有依据支持
- 官方benchmark覆盖界面定位、grounding、OCR与多图/视频等不同维度。
- 官方称相对LFM2-VL-3B在screen understanding、grounding与工具使用上显著提升（表内给出对照数值）。
证据限制
- MMMU Pro仅30.5%，高难度多模态推理有限。
- 版面标注格式官方标注为实验性，可能变化且不易解析。
- 评测条件与提示模板未完整披露；本站未复现。
ScreenSpot-v2 · score
80.7%官方报告 · Liquid AI官方自测
展开评测条件与来源
- 模型标识 / 修订
- LiquidAI/LFM2.5-VL-3B / 未提供
- 思考模式
- 不适用
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- ScreenSpot-v2 (avg) / 未提供
- 基准 / 报告版本
- Liquid AI官方模型卡benchmark表（未注明数据版本）
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；Liquid AI官方模型卡benchmark表（对比LFM2-VL-3B、Gemma4、InternVL3.5、Qwen3.5等）列出LFM2.5-VL-3B列ScreenSpot-v2 (avg)为80.7；表头标注该checkpoint为3.1B；未披露提示模板、划分与生成配置；本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- liquid-ai / lfm2-5-vl-3b-liquid-model-card-2026
- 来源
- https://huggingface.co/LiquidAI/LFM2.5-VL-3B
- 来源使用说明
- 引用来源；许可：未提供；仅摘录少量评测事实并署名链接，不覆盖模型卡或博客原文许可。 查看说明
- 比较状态
- 不可比：官方benchmark表未披露该成绩的模型revision、提示模板、划分与生成配置；原样记录，不与配置不同的结果直接排名。
RefCOCO · Macro Precision@1
87.9%官方报告 · Liquid AI官方自测
展开评测条件与来源
- 模型标识 / 修订
- LiquidAI/LFM2.5-VL-3B / 未提供
- 思考模式
- 不适用
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- RefCOCO / 未提供
- 基准 / 报告版本
- Liquid AI官方模型卡benchmark表（未注明数据版本）
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；Liquid AI官方模型卡benchmark表列出LFM2.5-VL-3B列RefCOCO (Macro Prec@1)为87.9，并给出相对LFM2-VL-3B提升（57.1，-30.8）；未披露提示模板、划分与生成配置；本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- liquid-ai / lfm2-5-vl-3b-liquid-model-card-2026
- 来源
- https://huggingface.co/LiquidAI/LFM2.5-VL-3B
- 来源使用说明
- 引用来源；许可：未提供；仅摘录少量评测事实并署名链接，不覆盖模型卡或博客原文许可。 查看说明
- 比较状态
- 不可比：官方benchmark表未披露该成绩的模型revision、提示模板、划分与生成配置；原样记录，不与配置不同的结果直接排名。
OCRBenchv2 · score
47.5%官方报告 · Liquid AI官方自测
展开评测条件与来源
- 模型标识 / 修订
- LiquidAI/LFM2.5-VL-3B / 未提供
- 思考模式
- 不适用
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- OCRBenchv2（English-only子集，卡注） / 未提供
- 基准 / 报告版本
- Liquid AI官方模型卡benchmark表（未注明数据版本）
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；Liquid AI官方模型卡benchmark表列出LFM2.5-VL-3B列OCRBenchv2为47.5，卡注[2]说明该列为English-only子集；未披露提示模板、划分与生成配置；本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- liquid-ai / lfm2-5-vl-3b-liquid-model-card-2026
- 来源
- https://huggingface.co/LiquidAI/LFM2.5-VL-3B
- 来源使用说明
- 引用来源；许可：未提供；仅摘录少量评测事实并署名链接，不覆盖模型卡或博客原文许可。 查看说明
- 比较状态
- 不可比：官方benchmark表未披露该成绩的模型revision、提示模板、划分与生成配置，且为英文子集；原样记录，不与配置不同的结果直接排名。
MMMU Pro · accuracy
30.5%官方报告 · Liquid AI官方自测
展开评测条件与来源
- 模型标识 / 修订
- LiquidAI/LFM2.5-VL-3B / 未提供
- 思考模式
- 不适用
- 量化 / 运行时
- 未提供 / 未提供
- 数据集 / 划分
- MMMU Pro / 未提供
- 基准 / 报告版本
- Liquid AI官方模型卡benchmark表（未注明数据版本）
- Few-shot / 输出上限
- 未提供 / 未提供 tokens
- 提示模板 / 设置
- 未提供；Liquid AI官方模型卡benchmark表列出LFM2.5-VL-3B列MMMU Pro为30.5；未披露提示模板、划分与生成配置；本站未复现。
- 评测日期 / 核实日期
- 未提供 / 2026-10-17
- 评测身份
- 官方自测
- 来源标识 / 评测批次
- liquid-ai / lfm2-5-vl-3b-liquid-model-card-2026
- 来源
- https://huggingface.co/LiquidAI/LFM2.5-VL-3B
- 来源使用说明
- 引用来源；许可：未提供；仅摘录少量评测事实并署名链接，不覆盖模型卡或博客原文许可。 查看说明
- 比较状态
- 不可比：官方benchmark表未披露该成绩的模型revision、提示模板、划分与生成配置；原样记录，不与配置不同的结果直接排名。
运行条件与获取
Transformers
系统支持未提供 · Safetensors · 未指定量化
官方支持；本站尚未进行推理验证。
硬件：未核实。本站未实测；官方虽给出端侧内存与吞吐数值，但未在本站设备复现，不将其视为保证。
内存：未核实；显存：未核实。
依赖：transformers>=5.0.0、torch、torchvision。
STEP 01 准备环境
官方说明Quick start兼容transformers>=5.0.0，需要torch、transformers与torchvision；卡中未给出安装命令，本站未执行。
STEP 02 按官方示例加载模型
官方示例使用AutoModelForImageTextToText与AutoProcessor（bfloat16），采样temperature=0.2、top_k=50、repetition_penalty=1.0；图像经processor的NaFlex预处理。本站未下载权重或执行模型。