LFM2.5-VL-450M
Liquid AI端侧多模态最小档位：LFM2.5-350M语言骨干加SigLIP2 NaFlex 86M视觉编码器，支持文本与图像输入，原生32,768 token上下文，官方推荐用于图像描述与目标检测，明确定位不适合知识密集任务与细粒度OCR。
最后核实：
https://huggingface.co/LiquidAI/LFM2.5-VL-450M特点与限制
主要特点
- 官方模型卡列出LM骨干LFM2.5-350M与SigLIP2 NaFlex shape优化86M视觉编码器；原生分辨率处理512×512以内图像，大图按512×512分块并加缩略图编码
- 支持自然语言查询的边界框预测与目标检测（官方示例输出归一化JSON坐标），并新增仅文本输入的函数调用支持（官方表列BFCLv4 21.08）
- 官方提供Transformers、vLLM、SGLang与llama.cpp等多条推理路线，另有GGUF、ONNX与MLX（4bit/5bit/6bit/8bit/bf16）导出
- 官方给出文本与视觉两套生成参数：文本temperature=0.1、min_p=0.15、repetition_penalty=1.05；视觉min_image_tokens=32、max_image_tokens=256、do_image_splitting=True
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。
- 官方明确定位不适合知识密集任务与细粒度OCR；推荐场景为通用视觉语言、captioning与目标检测。
- 官方benchmark表另含语言类基准（GPQA 25.66、MMLU Pro 19.32、IFEval 61.16、Multi-IF 34.63、BFCLv4 21.08）；本条目用途为视觉理解，未收录文本生成证据。
- 官方benchmark表未披露成绩对应的模型revision、提示模板与完整生成配置（卡注视觉成绩使用VLMEvalKit）；本站未复现端侧或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
- 0.45B（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
- 官方模型卡列明LM骨干为LFM2.5-350M、视觉编码器为SigLIP2 NaFlex shape优化86M，官方未按整模单列精确参数总量，按型号档位记录为0.45B；HF权重元数据safetensors张量参数和为448,718,848（约0.45B），与本档位一致。 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、日语、韩语、葡萄牙语、西班牙语（官方模型卡列明9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
- 官方模型卡说明该型号为LFM2-VL-450M的更新版本，基于更新后的LFM2.5-350M骨干与SigLIP2 NaFlex视觉编码器调优；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
视觉理解
MMMU · accuracy32.67%MMMU (val) · enMMStar · score43%MMStar · enOCRBench · OCRBench综合得分684分（0–1000）OCRBench（卡表未注明子集） · en查看评估与来源收起补充信息
视觉理解
MMMU · accuracy32.67%MMMU (val) · en
MMStar · score43%MMStar · en
OCRBench · OCRBench综合得分684分（0–1000）OCRBench（卡表未注明子集） · en
超小参数端侧视觉候选：官方表列出MMMU (val) 32.67、MMStar 43.00、OCRBench 684分与RefCOCO-M 81.28（卡注VLMEvalKit口径）。定位偏captioning、目标检测与轻量图文任务，官方明确不推荐知识密集任务与细粒度OCR。
已有依据支持
- 官方benchmark覆盖通用视觉（MMStar、MMBench）、幻觉（POPE）、grounding（RefCOCO-M）与OCR等不同维度。
- 官方称相对LFM2-VL-450M在指令跟随与多语言视觉理解上提升，并在表内给出对照数值。
- 官方提供Transformers、llama.cpp、ONNX与MLX等多条端侧推理路线。
证据限制
- MMMU (val) 32.67与MMStar 43.00显示高难度图文推理有限；官方明确定位不适合知识密集任务。
- OCRBench 684分为综合口径，官方不推荐细粒度OCR。
- 评测条件与提示模板未完整披露；本站未复现官方成绩。
MMMU · accuracy
32.67%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-450M / 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 (val) / val
- 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-450M列MMMU (val) 32.67，对照LFM2-VL-450M 34.44与SmolVLM2-500M 34.10；卡注说明视觉成绩均使用VLMEvalKit获得；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-450m-liquid-model-card-2026
- 来源
- https://huggingface.co/LiquidAI/LFM2.5-VL-450M
- 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、提示模板与完整生成配置；原样记录，不与配置不同的结果直接排名。
MMStar · score
43%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-450M / 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
- MMStar / 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-450M列MMStar 43.00，对照LFM2-VL-450M 40.87与SmolVLM2-500M 38.20；卡注说明视觉成绩均使用VLMEvalKit获得；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-450m-liquid-model-card-2026
- 来源
- https://huggingface.co/LiquidAI/LFM2.5-VL-450M
- 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、提示模板与完整生成配置；原样记录，不与配置不同的结果直接排名。
OCRBench · OCRBench综合得分
684 分（0–1000）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-450M / 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
- OCRBench（卡表未注明子集） / 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-450M列OCRBench 684，对照LFM2-VL-450M 657与SmolVLM2-500M 609；卡注说明视觉成绩均使用VLMEvalKit获得；卡表未再注明子集与计分口径（OCRBench综合分为0–1000口径）；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-450m-liquid-model-card-2026
- 来源
- https://huggingface.co/LiquidAI/LFM2.5-VL-450M
- 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：该分数为OCRBench综合分口径，来源未披露子集、模型revision、提示模板与推理配置；原样记录，不与整页文档解析等不同口径的结果直接比较。
RefCOCO-M · score
81.28%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-450M / 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-M / 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-450M列RefCOCO-M 81.28；卡内说明该系列本代新增bounding box prediction（以RefCOCO-M衡量）与函数调用能力，对照LFM2-VL-450M该列为空；卡注说明视觉成绩均使用VLMEvalKit获得；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-450m-liquid-model-card-2026
- 来源
- https://huggingface.co/LiquidAI/LFM2.5-VL-450M
- 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、提示模板与完整生成配置，且该列仅本代型号有值；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；端侧内存取决于量化格式、图像分辨率与上下文长度，官方未给出本型号的资源需求数值。
内存：未核实；显存：未核实。
依赖：transformers>=5.1.0、pillow。
STEP 01 准备环境
官方模型卡要求transformers v5.1或更新版本，并给出以下安装命令；本站未执行。
pip install transformers pillowSTEP 02 按官方示例加载模型
官方示例使用AutoModelForImageTextToText（dtype=bfloat16、device_map="auto"）与AutoProcessor，经apply_chat_template处理图像与文本；官方标注文本生成参数temperature=0.1、min_p=0.15、repetition_penalty=1.05，视觉侧min_image_tokens=32、max_image_tokens=256、do_image_splitting=True。本站未下载权重或执行模型。