Modèles de vision et de langage de la série Liquid AI LFM3, avec 1.92B de paramètres (1.73B pour le modèle de langage + 164M pour l'encodeur visuel propriétaire) : lecture d'images en résolution native, première prise en charge de l'entrée vidéo (par défaut 2 images par seconde, entre 4 et 768 images), réflexion avant la réponse, destiné à la question-réponse vidéo sur mobile et ordinateur, à la lecture de documents et de graphiques, à la compréhension des interfaces d'applications, à la détection d'objets et au raisonnement spatial pour la robotique.
Score de progression 163 · J'aime 165 · Nombre de téléchargements 4193
Raisons
- Les tests internes officiels affichent une moyenne de 71.4 sur 62 benchmarks visuels (62.1 sans la réflexion), supérieur aux 64.0 de Qwen3.5 2B, comparable aux 71.7 de Gemma 4 12B, mais inférieur aux 73.4 de Qwen3.5 4B et de GPT-5.6 Luna ; les scores sont de 83.9 pour les documents / OCR / graphiques et de 83.1 pour la compréhension des interfaces graphiques (ScreenSpot-Pro 55.5).
- La moyenne pour les vidéos est de 61.2, inférieure aux 67.5 de Qwen3.5 4B ; prise en charge des appels d'outils (format modifié en superensemble de qwen3_coder) et de la « recherche d'outils » avec chargement différé, contexte de 128K, 16 langues dont le chinois.
- Dès la sortie, les versions GGUF, MLX 4 bits et ONNX sont disponibles, permettant une exécution locale via llama.cpp et LM Studio ; le dépôt inclut des notebooks de fine-tuning SFT pour la conversion de reçus en JSON et GRPO pour la conversion d'images de formules en LaTeX. Ces éléments n'avaient pas été inclus dans les numéros précédents.
Utilisation
- llama.cpp (version b11960 ou supérieure) : llama serve -hf LiquidAI/LFM3-VL-2B-GGUF:Q4_0 --temp 0.1 --top-p 1.0 --top-k 50 --min-p 0.0 --repeat-penalty 1.1, pour lancer une interface de chat web et une API compatible OpenAI ; pour la vidéo, installez ffmpeg, llama.cpp est fixé à 2 images par seconde.
- Transformers ≥5.21.0 : AutoModelForImageTextToText.from_pretrained("LiquidAI/LFM3-VL-2B", trust_remote_code=True) ; pour les vidéos longues, utilisez processor_kwargs={"fps": 1} ou max_frames=128 pour réduire le nombre d'images et économiser la mémoire vidéo.
- L'échantillonnage recommandé officiellement est temperature 0.1, top_k 50, repetition_penalty 1.1 ; lors de la génération, allouez suffisamment de max_new_tokens, car le contenu de la réflexion peut être très long.
Risques
- Les développeurs officiels déconseillent son utilisation pour la programmation, les conversations multi-tours et le raisonnement complexe ; le support vLLM est encore en développement et le support SGLang est en cours de revue de PR.
- La licence est la LFM Open License v1.0, et non Apache / MIT ; l'option trust_remote_code est nécessaire.
- Tous les scores proviennent de tests internes de Liquid AI, et les valeurs de comparaison pour GPT-5.6 Luna, Gemini 3.5 Flash Lite, etc., sont également issues des tableaux officiels.