2026年8月12日 23:00
Liquid AI、エッジ向けVLM新版を公開
LFM2.5-VL-3B for Better and Faster Vision Capabilities for the Edge
3行まとめ
- •Liquid AIがLFM2.5-VL-3B公開
- •画面認識や物体検出精度を強化
- •スマホ等エッジ端末で高速動作
詳細
概要
米AI企業Liquid AIは2026年8月12日、エッジデバイス向けの軽量ビジョン言語モデル「LFM2.5-VL-3B」を公開した。パラメータ数は31億で、画像認識用エンコーダには「SigLIP2 400M NaFlex」を採用している。学習データは前世代の4倍にあたる34兆トークンに拡大し、画像を含むデータ量を大幅に増やした点が特徴である。
改善点
新版では主に4つの機能を強化した。パソコンやスマートフォンの画面・UIを認識する能力、物体の位置を特定するグラウンディング精度、複数枚の画像をまとめて扱う推論能力、そしてテキストと画像の両方に対応した関数呼び出し機能である。ベンチマークでは総合評価のMMBenchで81.0点、文書理解のDocVQAで91.1点、物体特定のRefCOCOで87.9点を記録し、いずれも軽量モデルとして高い水準を示した。
性能・対応環境
推論速度はCPU環境でApple M5 Maxが毎秒228トークン、AMD Ryzen AI Max+が毎秒116トークン、スマートフォンのGalaxy S26 Ultraでも毎秒20トークンを処理でき、使用メモリは約3GBに抑えられている。GPU(H100)では毎秒約1万1000トークンを処理可能で、1日あたり約10億トークンの出力に相当する。モデルはHugging Face上で配布され、llama.cppやMLX、vLLMなど主要な推論エンジンに対応する。
なぜ重要か
エッジ端末で高速動作する軽量ビジョン言語モデルの選択肢が増え、オンデバイスAI活用を検討する際の技術参考になる。
元記事を読む — Hugging Face Blog