端侧 AI 的新里程碑：Liquid AI 推出 LFM2.5-VL-3B
随着人工智能技术从云端向边缘端迁移，模型轻量化与本地化部署已成为行业发展的核心趋势。近日，专注于生成式人工智能的初创公司 Liquid AI 正式对外发布了其最新的视觉-语言模型——LFM2.5-VL-3B。这款模型不仅参数量控制在 31 亿级别，更重要的是，它被专门设计用于在本地设备上运行，无需依赖昂贵的云端算力，为隐私保护和低延迟交互提供了新的解决方案。
极致轻量化与高性能并存
LFM2.5-VL-3B 的最大亮点在于其卓越的“端侧”适应性。该模型仅占用约 3GB 的存储空间，这使得它能够轻松部署在大多数消费级硬件设备上，包括 MacBook、高端移动设备或企业内部服务器。在解码速度方面，该模型在 Apple M5 Max 芯片上表现惊人，达到了每秒 228 个 token 的处理速度。这一性能指标表明，用户在本地运行该模型时，将获得接近实时的交互体验，极大地降低了延迟。
多模态能力的全面升级
作为一款视觉-语言模型，LFM2.5-VL-3B 展现出了强大的屏幕理解和物体定位能力。在 ScreenSpot-v2 基准测试中，该模型平均得分达到了 80.7，显示出其对用户界面（UI）元素的精准识别能力，这对于开发基于屏幕的 AI 助手至关重要。而在 RefCOCO 物体定位任务上，其准确率更是从以往的 57.1 大幅提升至 87.9，表明模型能够精准地“看懂”并定位屏幕上的具体物体，无论是图标、按钮还是文本区域。
引入工具调用功能，迈向 Agent 时代
值得注意的是，Liquid AI 在该系列模型中引入了“工具调用”这一创新功能，标志着模型正在从单纯的观察者向执行者转变。通过引入 ToolSandbox 技术，LFM2.5-VL-3B 不再局限于单纯的视觉分析，而是具备了调用外部工具的能力。在 ToolSandbox 的评估中，其得分从之前的 26.4 飙升至 59.5。这一突破意味着模型已经具备了成为“智能体”的潜力，能够根据屏幕内容执行操作，而不仅仅是进行观察和描述。
行业影响与未来展望
LFM2.5-VL-3B 的发布，标志着视觉语言模型正朝着更实用、更隐私的方向发展。以往，多模态大模型往往依赖云端服务器，这不仅消耗流量，还可能带来数据隐私泄露的风险。而 3B 参数的 LFM2.5-VL-3B 使得在手机、平板或个人电脑上运行复杂的多模态 AI 应用成为可能。未来，我们或许能直接在本地设备上获得具备 UI 自动化能力的 AI 助手，它们可以自动填写表单、导航应用界面，甚至在个人设备上自主完成复杂的任务流程。
总的来说，Liquid AI 的 LFM2.5-VL-3B 凭借其平衡的参数规模、优秀的端侧性能以及全面的多模态能力，为端侧 AI 的发展提供了一个强有力的范例。随着硬件技术的不断进步，这类“小而美”的模型有望在更多垂直领域落地，推动人机交互进入一个新的时代。
信息来源：MarkTechPost
原文链接：https://www.marktechpost.com/2026/08/13/liquid-ai-lfm2-5-vl-3b-on-device-vision-language-model/
信息来源：MarkTechPost，原文链接：https://www.marktechpost.com/2026/08/13/liquid-ai-lfm2-5-vl-3b-on-device-vision-language-model/
