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

LFM2-VL 扩展自 LiquidAI 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，可处理文本与图像，具有极佳的灵活性与兼容性 （liquid.ai，Venturebeat）。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 (Venturebeat，liquid.ai)。

在图像处理方面，LFM2-VL 能以原始分辨率 （最高 512×512） 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，liquid.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 pixelunshuffle 技术) 来减少图像 token 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，来源包括开源数据集与公司自有合成图像数据 （Venturebeat，liquid.ai）。评测结果显示，LFM2-VL-1.6B 在 RealWorldQA(65.23)、InfoVQA(58.68)、OCRBench(742) 等任务中成绩优异，同时在推理效率上领先于同类模型 (Venturebeat，liquid.ai)。

目前，这些模型已在 HuggingFace 发布，并附有在 Colab 上的微调示例代码，兼容 HuggingFaceTransformers 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，而年营收更高的企业则需联系 LiquidAI 获取授权 （Venturebeat，liquid.ai）。

LiquidAI 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，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 HuggingFace，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。