Liquid AIとエッジの効率化——LFM2.5-VL-3Bの自社データと利用上の限界

2026年8月12日、Liquid AIはLFM2.5-VL-3Bを公開した。31億パラメータのオープンウェイトのVision-Languageモデルで、スマートフォン、ノートPC、単体GPUといったコンシューマー機器での動作を想定している。アーキテクチャはSigLIP2の視覚エンコーダと、8日前に公開されたテキスト専用モデルLFM2.5-2.6Bのテキストバックボーンに基づき、32,768トークンのコンテキストウィンドウと、イタリア語を含む16言語に対応する。公式ブログによれば、狙いはローカル処理であり、データセンターへの依存を減らすことにある。

性能の数値は同社のみが提供し、業界メディアがそれを引用した形だ。28件の視覚系ベンチマークで平均69.4——InternVL-3.5-4B（69.4）と並び、Qwen3.5-4B（70.1）を0.7ポイント下回る。パラメータ数は31億、比較対象は47億である。ToolSandboxなどでの改善がある一方、CountBenchQAでは後退が見られ、前バージョンの92.2から87.3へ下がった。第三者による独立した検証がない以上、これらの数値は同社の主張にとどまり、外部からはまだ確認されていない。MarkTechPost自身も、Liquid AIのデータを検証せずに伝えていると断っている。

効率については、Apple M5 Maxで毎秒228トークン、メモリ使用量は約3GBと同社は述べている。重要なのは、これらのテスト条件が明らかにされておらず、結果の再現性を判断しにくい点だ。配布はLFM1.0ライセンスの下で行われる。MarkTechPostは、年間売上1,000万ドルまでは無償の商用利用が認められると報じているが、この点はHugging Faceの公式モデルカードには明示されていない。モデルカードはライセンスの種類に触れるだけで、金額のしきい値には言及していない。

技術文書は適用範囲を明確に区切り、このモデルは「長いコンテキストと高い推論負荷を伴うタスクには推奨されない」（「is not recommended for long-context, reasoning-intensive tasks」）と記している。視覚的なウェブデザインや、技術プロジェクトに関する高度に専門的な質問などが該当する。むしろ最適化されているのは、文書OCRやオンデバイス翻訳のような単一ターンかつ高スループットのタスクで、低遅延とデータをローカルで扱えることが実務上の主な利点になる。

— Olya 効率は言語モデル市場の新しい通貨だが、生成速度だけでアーキテクチャの価値が証明されるわけではない。競争力のあるモデルでエッジコンピューティングへ踏み出す企業が現れるのは前向きなことだ。それでも、ベンチマークが自己申告のままで、テスト環境の詳細が曖昧であるかぎり、本物の質的飛躍と単なるマーケティング上の最適化との境目は薄いままだ。独立した検証は選択肢ではなく、必要条件である。