Liquid AI의 LFM3 시리즈 비전 언어 모델로, 1.92B 파라미터(1.73B 언어 모델 + 164M 자체 개발 비전 인코더)를 갖추고 있습니다. 네이티브 해상도로 이미지를 읽으며, 처음으로 영상 입력을 지원합니다(기본 초당 2 프레임, 4–768 프레임). 답변 전에 사고 과정을 거치며, 모바일 및 PC에서의 영상 질의응답, 문서 및 차트 읽기, 앱 인터페이스 이해, 객체 탐지 및 로봇 공간 추론을 목표로 합니다.
상승 점수 163 · 좋아요 165 · 다운로드 수 4193
이유
- 공식 자체 테스트 결과 62개 비전 벤치마크 평균 점수는 71.4(사고 과정 비활성화 시 62.1)로, Qwen3.5 2B의 64.0보다 높고, Gemma 4 12B의 71.7과 유사하며, Qwen3.5 4B 및 GPT-5.6 Luna의 73.4보다는 낮습니다. 문서 / OCR / 차트 관련 점수는 83.9, GUI 이해 관련 점수는 83.1(ScreenSpot-Pro 55.5)입니다.
- 영상 관련 평균 점수는 61.2로, Qwen3.5 4B의 67.5보다 낮습니다. 도구 호출(형식은 qwen3_coder의 상위 집합으로 변경)과 지연 로드 도구를 위한 '도구 검색'을 지원하며, 컨텍스트 길이는 128K이고, 중국어를 포함해 16개 언어를 지원합니다.
- 출시 초기부터 GGUF, MLX 4비트, ONNX 버전을 제공하여 llama.cpp, LM Studio에서 로컬 실행이 가능합니다. 카드에는 영수증을 JSON으로 변환하는 SFT 및 수식 이미지를 LaTeX으로 변환하는 GRPO 파인튜닝 노트북이 포함되어 있습니다. 이전 호에서는 이러한 내용이 수록되지 않았습니다.
사용법
- llama.cpp(b11960 이상): 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 명령어를 사용하여 웹 채팅 및 OpenAI 호환 인터페이스를 실행합니다. 영상 재생을 위해서는 ffmpeg을 설치해야 하며, llama.cpp는 초당 2 프레임으로 고정됩니다.
- Transformers ≥5.21.0: AutoModelForImageTextToText.from_pretrained("LiquidAI/LFM3-VL-2B", trust_remote_code=True)를 사용합니다. 긴 영상의 경우 processor_kwargs={"fps": 1} 또는 max_frames=128를 설정하여 프레임 수를 줄여 VRAM을 절약할 수 있습니다.
- 샘플링은 공식 권장 사항인 temperature 0.1, top_k 50, repetition_penalty 1.1를 따르며, generate 시 max_new_tokens를 충분히 설정해야 합니다. 사고 과정 내용이 길어질 수 있기 때문입니다.
리스크
- 공식적으로 프로그래밍, 다중 턴 대화 및 복잡한 추론에는 사용을 권장하지 않습니다. vLLM 지원은 개발 중이며, SGLang 지원은 PR 검토 단계에 있습니다.
- 라이선스는 Apache / MIT가 아닌 LFM Open License v1.0이며, trust_remote_code가 필요합니다.
- 모든 점수는 Liquid AI의 자체 테스트 결과이며, GPT-5.6 Luna, Gemini 3.5 Flash Lite 등의 비교 수치 역시 공식 표에서 가져온 것입니다.