LFM2.5-VL-3B
PulseAugur coverage of LFM2.5-VL-3B — every cluster mentioning LFM2.5-VL-3B across labs, papers, and developer communities, ranked by signal.
- 2026-08-14 product_launch LiquidAI released the LFM2.5-VL-3B, a 3.1B local VLM. 来源
- 2026-08-13 product_launch Liquid AI launched the LFM2.5-VL-3B, a lightweight vision-language model capable of running on smartphones. 来源
- 2026-08-12 product_launch Liquid AI released the LFM2.5-VL-3B vision model, capable of running on mobile devices. 来源
- 2026-08-12 product_launch Liquid AI released the LFM2.5-VL-3B, a 3.1 billion parameter vision-language model for on-device applications. 来源
- 2026-08-12 product_launch LiquidAI released the LFM2.5-VL-3B vision-language model with enhanced capabilities for edge devices. 来源
-
Muse Glimmer 30B 和 LFM2.5-VL-3B 增强本地 AI 能力
本周的 AI 摘要重点介绍了本地 AI 使用方面的进步，包括 Muse Glimmer 30B 的发布，该模型针对本地代理进行了优化，并得到了 llama.cpp 的支持。同样值得注意的是小型 VLM LFM2.5-VL-3B，它可以在标准家用硬件上运行，用于 OCR 和 UI 理解等任务。在前沿新闻方面，DeepSeek V4 Pro 已从预览版转为普遍可用，并增强了代理能力，但其定价有所上涨。
-
Liquid AI 发布紧凑型 LFM2.5-VL-3B 视觉模型以实现本地处理
Liquid AI 发布了一款名为 LFM2.5-VL-3B 的紧凑型视觉模型，该模型拥有 31 亿参数。该模型在 Apple M5 Max 处理器上实现了每秒 228 个 token 的处理速度。这一发展标志着在本地分析界面和文档方面取得了突破，无需进行云处理。
-
LiquidAI发布LFM2.5-VL-3B，本地性能超越Gemma-4 E4B
LiquidAI发布了LFM2.5-VL-3B，这是一个拥有31亿参数、专为本地执行设计的视觉语言模型（VLM）。据报道，该模型在屏幕理解任务上的表现优于Google的Gemma-4 E4B，得分达到82.2。该模型与llama.cpp兼容，表明其易于本地部署。
-
Liquid AI 发布 LFM2.5-VL-3B，一款兼容智能手机的视觉语言模型
Liquid AI 发布了 LFM2.5-VL-3B，这是一款专为在智能手机上运行而设计的轻量级视觉语言模型。该开源模型拥有 31 亿个参数，内存使用量低于 3.3GB，支持 OCR、UI 识别以及包括日语在内的多种语言。基准测试显示，LFM2.5-VL-3B 在包括移动设备在内的各种处理器上，其性能优于 Gemma-4-E4B-it 和 Qwen3.5-4B 等大型模型，在 Galaxy S26 Ultra 上的解码速度达到 20 …
-
新型视觉模型 LFM2.5-VL-3B 在 iPhone 上运行，识别出 Minecraft 角色
Liquid AI 发布了 LFM2.5-VL-3B，这是一个拥有 31 亿参数的视觉模型，可以在移动设备上运行。在演示中，该模型在 iPhone 17 上经过约两分钟的处理时间后，成功识别出了 Minecraft 中的玩具 Steve 并提供了详细描述。与前代模型相比，新版本在物体定位方面有了显著改进，能够准确描述物体的部分特征，而不仅仅是命名。
-
Liquid AI 发布用于设备端的 3B 视觉语言模型
Liquid AI 推出了 LFM2.5-VL-3B，这是一个拥有 31 亿参数的视觉语言模型，专为设备端应用而设计。该模型在读取数字屏幕、识别带坐标的物体以及处理文档和图表方面表现出色。它还支持函数调用，使其能够根据文本或图像输入与工具进行交互。虽然在各种基准测试中取得了强劲的性能，但它被认为是一个非推理模型，优先考虑低延迟。
-
Hugging Face 强调 AI 在优化、专业化和新模型方面的研究
Hugging Face 正在重点介绍 AI 研究和开发的几项最新进展。其中包括一种超越典型聊天机器人应用的新型直接偏好优化方法，以及关于 AI 专业化不可避免性的讨论。此外，该平台还推出了一个名为 ScarfBench 的企业 Java 框架迁移 AI 代理基准测试，以及一个专为增强边缘计算能力而设计的视觉模型 LFM2.5-VL-3B。这些帖子还涉及提供与现有模型相似优势的新模型，并探讨了可能超越流行的 LoRa 微调技术。
-
LiquidAI 发布 LFM2.5-VL-3B，增强边缘视觉能力
LiquidAI 发布了 LFM2.5-VL-3B，这是一款专为边缘设备设计的视觉语言模型。该新模型在屏幕理解、对象定位、多图像推理和函数调用方面有了显著改进。LFM2.5-VL-3B 在包含增强视觉数据的海量数据集上进行了训练，在各种视觉和文本基准测试中表现强劲，在其尺寸级别中处于领先地位，在实际图像任务上与 Gemma-4-E2B 和 Qwen3.5-2B 等模型在工具使用方面相当。该模型针对 CPU 和 GPU 的高效推理进行了…
-
新AI模型发布：DeepSeek、LiquidAI、OMLAB和MiniMaxAI登陆Hugging Face
多个AI模型已发布并在Hugging Face上可用。DeepSeek-V4-Pro-0813是来自DeepSeek的模型。LiquidAI发布了LFM2.5-VL-3B，这是一个专为设备端部署设计的、能够处理文本和图像的多模态模型，提供了改进的接地和OCR能力以及高效的推理速度。OMLAB推出了VLX-Seek-1.5-10B，这是一个开源模型，专注于为无人机和机器人等具身场景提供细粒度的视觉接地，采用了区域-参考定位方法。此外，M…