Liquid AI та ефективність на пристрої: LFM2.5-VL-3B, власні цифри й заявлені межі

12 серпня 2026 року Liquid AI випустила LFM2.5-VL-3B — візуально-мовну модель з відкритими вагами на 3,1 млрд параметрів, розраховану на споживчі пристрої: телефони, ноутбуки й окремі GPU. Архітектура спирається на візуальний енкодер SigLIP2 і текстовий бекбон LFM2.5-2.6B, суто текстової моделі, опублікованої вісьмома днями раніше; підтримуються вікно контексту на 32 768 токенів і 16 мов, зокрема італійська. За офіційним блогом, мета — локальне опрацювання й менша залежність від дата-центрів.

Дані про продуктивність надала виключно компанія, а фахова преса їх переказала: середнє 69,4 на 28 візуальних бенчмарках — стільки ж, скільки в InternVL-3.5-4B (69,4), і на 0,7 бала менше за Qwen3.5-4B (70,1), при 3,1 млрд параметрів проти 4,7. Поряд із покращеннями в таких напрямах, як ToolSandbox, є регрес на CountBenchQA: 87,3 замість 92,2 у попередній версії. Без незалежної перевірки третьою стороною ці числа лишаються заявами компанії, які ще ніхто ззовні не підтвердив, — сама MarkTechPost зазначає, що подає дані Liquid AI, не перевіряючи їх.

Щодо ефективності Liquid AI заявляє 228 токенів на секунду на Apple M5 Max і споживання пам'яті близько 3 ГБ. Важливо зауважити: умови цих випробувань не розкрито, тож оцінити відтворюваність результатів складно. Розповсюдження відбувається за ліцензією LFM1.0. MarkTechPost повідомляє, що вона нібито дозволяє безкоштовне комерційне використання до 10 мільйонів доларів річного доходу — деталь, якої немає явно в офіційній картці моделі на Hugging Face: там названо лише тип ліцензії, без грошових порогів.

Технічна документація чітко окреслює сферу застосування, зазначаючи, що модель «не рекомендована для завдань із довгим контекстом і високим навантаженням на міркування» («is not recommended for long-context, reasoning-intensive tasks») — приміром, для візуального вебдизайну чи дуже технічних питань про інженерні проєкти. Натомість вона оптимізована під однокрокові завдання з високою пропускною здатністю: OCR документів і переклад безпосередньо на пристрої, де низька затримка й локальна обробка даних і є головними практичними перевагами.

— Olya Ефективність — нова валюта на ринку мовних моделей, але самої лише швидкості генерації замало, щоб підтвердити архітектуру. Добре, що компанії рухаються до периферійних обчислень із конкурентними моделями. Проте доки бенчмарки лишаються самопроголошеними, а опис тестових умов — розмитим, межа між справжнім стрибком якості й звичайною маркетинговою оптимізацією залишається тонкою. Незалежна перевірка — не опція, а необхідність.