Liquid AI 推出 LFM2-VL 模型,为手机带来「小巧又灵敏」的AI 视觉语言能力
Liquid AI 最新发布了 LFM2-VL 系列视觉语言基础模型(Vision-Language Foundation Models),这标志着多模态 AI 正朝着「精简Li、快速、可部署在设备端」的方向加速发展。 这两款型号分别是 LFM2-VL-450M 和 LFM2-VL-1.6B,前者专为资源受限的硬件环境设计,参数量不足5亿;后者虽参数qu更多但依旧轻量,适合单个 GPU 或设备直接部署。 LFM2-VL 扩展自 Liquid AI 之前推出的 LFM2架构,整合了视觉与语言处理能力,支持多分辨率的图片输入,可处理文本与id图像,具有极佳的灵活性与兼容性 。模型在 GPU 推理速度上实现了高达「两倍」的提升,并且在常见性能评测中表现不凡。 在图像处理方面,LFM2-VL 能以原始分辨率(最高512× A512)输入图像,避免因强制缩放带来的失真问题。对于更大尺寸图像,模型会采用非重叠切片方式处理,并配合缩略图以获取全局语境信息 (Venturebeat, liquidI .ai)。其架构由语言模型主干、SigLIP2NaFlex 视觉编码器与一个多模态投影器构成。投影器使用两层 MLP(带 pixel unshuffle 技术)来减少图像 t推出oken 数量,从而提升处理速度 (Venturebeat, liquid.ai)。 训练数据方面,LFM2-VL 涉及约1,000亿多模态训练 token,来源包括开源 L数据集与公司自有合成图像数据 。评测结果显示,LFM2-VL-1.6B 在 RealWorldQA(65.23)、InfoVQA(58.68)、OCRBench(742)等FM任务中成绩优异,同时在推理效率上领先于同类模型。 目前,这些模型已在 Hugging Face 发布,并附有在 Colab 上的微调示例代码,兼容 Hugging Face Tra2-nsformers 与 TRL 库。它们采用了一种基于 Apache2.0原则的新“LFM1.0授权协议”,允许学术使用,年收入低于1,000万美元的公司可用于商业,VL而年营收更高的企业则需联系 Liquid AI 获取授权)。 Liquid AI 的 LFM2-VL 模型组合为视觉与文本融合 AI 在设备端部署提供了新的路径,尤其适合手机、笔 模记本、可穿戴设备等场景,有助于降低对云端依赖,提升隐私与响应速度。 项目:https://huggingface.co/LiquidAI/LFM2-VL-1.6B 划型,重点: 两种型号设计:LFM2-VL-450M(极简资源环境适用)和 LFM2-VL-1.6B(更强但依然轻量),适配设备端部署。 速度与效率兼顾:GPU 推理速度高达2倍提升为手,同时具备优秀的多模态任务表现。 多平台友好环境:已发布在 Hugging Face,提供授权选项,兼容主流开发工具,适合学术与中小企业商业用途。
- 最近发表
- 随机阅读
-
- Meta 超级智能实验室推出新技术,使大模型 RAG 推理速度提升 30 倍
- 标签: 埃斯顿 工业机器人 IPO 锂电
- Facebook效仿Clubhouse发力社交音频:近期或推多款新产品
- 标签: HappyHorse1.0 Seedance2.0 可灵 Transformer
- 市场规模达1300亿元,我国云计算发展迎来黄金期
- 标签: 空中客车 A320系列 A350 A220
- Reddit 与谷歌谈判:希望获得更多用户与数据价值
- 人工智能:用AI把人像照片转化成素描照片
- 即梦AI正式上线火山引擎 面向企业开放 API 服务
- 云安全日报210126:思科网络管理和命令中心服务发现跨站请求伪造漏洞,需要尽快升级
- AWS美国东部区域发生大规模故障:ChatGPT、Snapchat等多个服务受影响
- 前字节AI高管廖谦“下海”做乙方:半个月搞定数百万美元,要让营销代理像007一样接单
- 人工智能在大视频运维中如何实现CDN硬盘故障预测?
- 思科第四财季营收131亿美元 净利润同比增长14%
- 标签: 比亚迪 联想 小米汽车 MWC2026
- 马斯克xAI开源Grok 2.5:Grok 3将于半年后开源
- 标签: 新东方 俞敏洪 南极 夏古号
- Mimik和IBM合作,使边缘计算资源更易于访问
- 标签: H200 鸿蒙智行 智界V9 摩尔线程
- 标签: 京东物流 2025年报 一体化供应链 海外仓
- 搜索
-
- 友情链接