Mô hình ngôn ngữ thị giác thuộc dòng Liquid AI LFM3, với 1.92B tham số (gồm mô hình ngôn ngữ 1.73B + bộ mã hóa thị giác tự phát triển 164M): đọc hình ảnh ở độ phân giải gốc, lần đầu tiên hỗ trợ đầu vào video (mặc định 2 khung hình/giây, từ 4 đến 768 khung hình), suy nghĩ trước khi trả lời, hướng tới các ứng dụng hỏi đáp video trên điện thoại và máy tính, đọc tài liệu và biểu đồ, hiểu giao diện ứng dụng, tìm kiếm vật thể và suy luận không gian cho robot.
Điểm tăng 163 · Lượt thích 165 · Lượt tải 4193
Lý do
- Điểm trung bình trên 62 benchmark thị giác do chính hãng tự kiểm tra là 71.4 (khi tắt chế độ suy nghĩ là 62.1), cao hơn Qwen3.5 2B với 64.0, tương đương với Gemma 4 12B ở mức 71.7, nhưng thấp hơn Qwen3.5 4B và GPT-5.6 Luna ở mức 73.4; điểm cho các tác vụ tài liệu / OCR / biểu đồ là 83.9, và cho các tác vụ hiểu GUI là 83.1 (ScreenSpot-Pro 55.5).
- Điểm trung bình cho các tác vụ video là 61.2, thấp hơn Qwen3.5 4B với 67.5; hỗ trợ gọi công cụ (định dạng là tập siêu của qwen3_coder) và "tìm kiếm công cụ" với tải công cụ theo yêu cầu, ngữ cảnh 128K, hỗ trợ 16 ngôn ngữ bao gồm cả tiếng Trung.
- Ngay từ khi ra mắt đã có các phiên bản GGUF, MLX 4 bit, ONNX, có thể chạy cục bộ trong llama.cpp, LM Studio; kèm theo là các notebook fine-tuning SFT chuyển đổi hóa đơn sang JSON và GRPO chuyển đổi hình ảnh công thức sang LaTeX. Các kỳ trước đó chưa từng đề cập đến.
Cách sử dụng
- llama.cpp (phiên bản b11960 trở lên): 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, khởi động giao diện trò chuyện web và API tương thích OpenAI; để xem video cần cài đặt ffmpeg, llama.cpp cố định ở mức 2 khung hình/giây.
- Transformers ≥5.21.0: AutoModelForImageTextToText.from_pretrained("LiquidAI/LFM3-VL-2B", trust_remote_code=True); đối với video dài, có thể dùng processor_kwargs={"fps": 1} hoặc max_frames=128 để giảm số khung hình và tiết kiệm VRAM.
- Khuyến nghị chính thức về lấy mẫu: temperature 0.1, top_k 50, repetition_penalty 1.1; khi generate cần đặt max_new_tokens đủ lớn vì nội dung suy nghĩ có thể rất dài.
Rủi ro
- Hãng khuyến cáo không nên sử dụng cho lập trình, hội thoại đa轮 và suy luận phức tạp; hỗ trợ vLLM vẫn đang trong quá trình phát triển, còn hỗ trợ SGLang đang trong giai đoạn xem xét PR.
- Giấy phép là LFM Open License v1.0, không phải Apache / MIT; cần thiết lập trust_remote_code.
- Tất cả điểm số đều do Liquid AI tự kiểm tra, các giá trị so sánh như GPT-5.6 Luna, Gemini 3.5 Flash Lite cũng đều lấy từ bảng dữ liệu chính thức.