लिक्विड एआई ने LFM2.5-VL-3B का अनावरण किया: ऑन-डिवाइस स्क्रीन रीडिंग, ऑब्जेक्ट ग्राउंडिंग और टूल कॉलिंग के लिए एक कॉम्पैक्ट विज़न-लैंग्वेज मॉडल

लिक्विड एआई ने LFM2.5-VL-3B के रिलीज़ की घोषणा की, जो डिवाइस पर तैनाती के लिए डिज़ाइन किया गया 3.1 बिलियन पैरामीटर वाला विज़न-लैंग्वेज मॉडल है। यह मॉडल मोबाइल, वेब और डेस्कटॉप पर डिजिटल स्क्रीन पढ़ता है, वस्तुओं को निर्देशांकों से जोड़ता है, दस्तावेज़ों और चार्टों को पार्स करता है, और टेक्स्ट या इमेज इनपुट से टूल कॉल करता है। यह 28 विज़न बेंचमार्क में औसतन 69.4 स्कोर करता है, जो InternVL-3.5-4B के बराबर है और Qwen3.5-4B से 0.7 अंक पीछे है, दोनों 4.7 बिलियन पैरामीटर वाले मॉडल हैं। मॉडल कम विलंबता के लिए नॉन-रीज़निंग है, लगभग 3 गीगाबाइट मेमोरी में फिट बैठता है, और Apple M5 Max पर 228 टोकन प्रति सेकंड डिकोड करता है। चेकपॉइंट नेटिव, GGUF, ONNX और MLX प्रारूपों में उपलब्ध है, जिसमें llama.cpp, MLX, vLLM, SGLang और ONNX रनटाइम के लिए पहले दिन का समर्थन शामिल है। LFM ओपन लाइसेंस v1.0 Apache-2.0-आधारित है, लेकिन मुफ्त व्यावसायिक उपयोग तब समाप्त हो जाता है जब कंपनी की वार्षिक आय 10 मिलियन डॉलर तक पहुँच जाती है। पिछले संस्करण की तुलना में मुख्य सुधारों में ScreenSpot-v2 औसत 80.7, RefCOCO-औसत precision@1 में 57.1 से बढ़कर 87.9, और ToolSandbox स्कोर के साथ नई फ़ंक्शन कॉलिंग क्षमताएँ शामिल हैं, जो 26.4 से सुधरकर 59.5 हो गए हैं।