Liquid AI LFM3 系列的视觉语言模型，1.92B 参数（1.73B 语言模型 + 164M 自研视觉编码器）：原生分辨率读图，第一次支持视频输入（默认每秒 2 帧、4–768 帧），回答前先思考，面向手机和电脑上的视频问答、读文档图表、看懂 App 界面、找物体和机器人空间推理。
上升分 163 · 点赞 165 · 下载量 4193
理由
- 官方自测 62 个视觉基准平均 71.4（关掉思考 62.1），高于 Qwen3.5 2B 的 64.0，与 Gemma 4 12B 的 71.7 相近，低于 Qwen3.5 4B 和 GPT-5.6 Luna 的 73.4；文档 / OCR / 图表类 83.9，GUI 理解类 83.1（ScreenSpot-Pro 55.5）。
- 视频类平均 61.2，低于 Qwen3.5 4B 的 67.5；支持工具调用（格式改为 qwen3_coder 超集）和延迟加载工具的“工具搜索”，128K 上下文，16 种语言含中文。
- 首发就有 GGUF、MLX 4 位、ONNX 版，可在 llama.cpp、LM Studio 里本地跑；卡里附收据转 JSON 的 SFT 和公式图片转 LaTeX 的 GRPO 微调笔记本。此前各期没有收录。
用法
- llama.cpp（b11960 以上）：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，起网页聊天和 OpenAI 兼容接口；看视频要装 ffmpeg，llama.cpp 固定每秒 2 帧。
- Transformers ≥5.21.0：AutoModelForImageTextToText.from_pretrained("LiquidAI/LFM3-VL-2B", trust_remote_code=True)；长视频可用 processor_kwargs={"fps": 1} 或 max_frames=128 降帧省显存。
- 采样官方推荐 temperature 0.1、top_k 50、repetition_penalty 1.1；generate 要给足 max_new_tokens，思考内容可能很长。
风险
- 官方说不建议用于编程、多轮对话和复杂推理；vLLM 支持还在开发、SGLang 支持在 PR 审核中。
- 许可是 LFM Open License v1.0，不是 Apache / MIT；需要 trust_remote_code。
- 所有分数为 Liquid AI 自测，GPT-5.6 Luna、Gemini 3.5 Flash Lite 等对照值也来自官方表格。