Liquid AI 推出邊緣視覺語言模型 LFM2.5-VL-3B，強化螢幕理解與定位

Liquid AI 推出專為邊緣設備設計的視覺語言模型 LFM2.5-VL-3B。該模型參數為 3.1B，檔案大小約 2GB，可於手機端本機運行。架構上，LFM2.5-VL-3B 結合了 SigLIP2 400M NaFlex 視覺編碼器與 LFM2.5-2.6B 文本骨幹，並透過擴充 Tokenizer 將詞彙表倍增至 128K 以支援非拉丁語系。模型使用約 34T tokens 進行預訓練，視覺數據量為前代的 4 倍；後訓練階段則包含監督式微調（SFT，含知識蒸餾與 Antidoom 訓練）及多獎勵強化學習（RL）。 官方指出，新版模型在螢幕與 UI 理解、自然語言物件定位（Grounding）、多圖像推理及函數呼叫能力上有顯著提升，並在真實世界圖像基準測試中領先同級別模型。其中，ScreenSpot-v2 desktop 測試分數由前代的 6 大幅提升至 78.7。在實際邊緣設備測試中，開發者於 iPhone 17 本機運行該模型，約耗時 2 分 31 秒即可完成實體物件的圖像辨識與詳細特徵描述。