Liquid AI와 온디바이스 효율, LFM2.5-VL-3B: 자체 수치와 명시된 한계

2026년 8월 12일 Liquid AI가 LFM2.5-VL-3B를 공개했다. 31억 파라미터의 오픈 웨이트 비전·언어 모델로, 휴대전화와 노트북, 단일 GPU 같은 소비자 기기에서 동작하도록 설계됐다. SigLIP2 비전 인코더와, 여드레 앞서 공개된 텍스트 전용 모델 LFM2.5-2.6B의 텍스트 백본을 바탕으로 하며, 32,768토큰의 컨텍스트 창과 이탈리아어를 포함한 16개 언어를 지원한다. 공식 블로그에 따르면 목표는 로컬 처리이고, 데이터센터 의존도를 낮추는 데 있다.

성능 수치는 오직 회사가 제공한 것으로, 업계 매체가 이를 인용했다. 28개 비전 벤치마크 평균 69.4로, InternVL-3.5-4B(69.4)와 같고 Qwen3.5-4B(70.1)보다 0.7점 낮다. 파라미터는 31억, 비교 대상은 47억이다. ToolSandbox 같은 영역의 개선과 함께 CountBenchQA에서는 후퇴가 나타나, 이전 버전의 92.2에서 87.3으로 내려갔다. 제3자의 독립 검증이 없는 한 이 숫자들은 회사의 주장일 뿐 외부에서 확인된 바 없다. MarkTechPost도 Liquid AI의 데이터를 검증 없이 전한다고 밝히고 있다.

효율 측면에서 Liquid AI는 Apple M5 Max에서 초당 228토큰, 메모리 사용량 약 3GB를 제시한다. 중요한 것은 이 시험의 조건이 구체적으로 공개되지 않아 결과의 재현 가능성을 판단하기 어렵다는 점이다. 배포는 LFM1.0 라이선스로 이뤄진다. MarkTechPost는 연 매출 1,000만 달러까지 무상 상업적 이용이 허용된다고 전하지만, 이 내용은 Hugging Face의 공식 모델 카드에 명시돼 있지 않다. 모델 카드는 라이선스 종류만 언급할 뿐 금액 기준은 밝히지 않는다.

기술 문서는 적용 범위를 분명히 그으며, 이 모델이 「긴 컨텍스트와 높은 추론 부하가 필요한 작업에는 권장되지 않는다」(「is not recommended for long-context, reasoning-intensive tasks」)고 적었다. 시각적 웹 디자인이나 기술 프로젝트에 관한 매우 전문적인 질문이 그런 경우다. 대신 문서 OCR이나 온디바이스 번역처럼 단일 턴에 처리량이 많은 작업에 맞춰져 있고, 여기서는 낮은 지연과 데이터의 로컬 처리가 실질적인 운영상 이점이 된다.

— Olya 효율은 언어모델 시장의 새로운 화폐지만, 생성 속도만으로 아키텍처가 검증되지는 않는다. 경쟁력 있는 모델로 엣지 컴퓨팅을 밀어붙이는 기업이 나오는 건 반가운 일이다. 다만 벤치마크가 자체 발표에 머물고 시험 환경의 세부가 모호한 한, 진짜 도약과 마케팅용 최적화 사이의 차이는 여전히 얇다. 독립적인 검증은 선택 사항이 아니라 필요조건이다.