Liquid AI 近期重磅推出 LFM2-VL 系列视觉语言基础模型，这一创新举措将多模态 AI 技术推向了前所未有的新高度，朝着「精简化、高速化、设备端部署」的演进方向迈出了关键一步。该系列包含两款核心模型：LFM2-VL-450M 和 LFM2-VL-1.6B。前者专为资源受限的硬件环境量身打造，参数量控制在 5 亿以内；后者虽然参数量有所增加，但依然保持轻量化设计，能够直接部署在单个 GPU 或设备上。
LFM2-VL 系列模型继承并扩展了 Liquid AI 之前推出的 LFM2 架构，成功整合了视觉与语言处理能力，支持多分辨率图片输入，能够同时处理文本和图像数据，展现出卓越的灵活性与广泛的兼容性 (liquid.ai，Venturebeat)。在性能表现上，该模型在 GPU 推理速度上实现了高达「两倍」的显著提升，同时在多项常见性能评测中脱颖而出，表现令人瞩目 (Venturebeat，liquid.ai)。
在图像处理方面，LFM2-VL 模型具备独特优势，能够以原始分辨率（最高 512×512）直接输入图像，有效避免了因强制缩放而导致的失真问题。对于更大尺寸的图像，模型会采用非重叠切片方式进行处理，并配合缩略图来获取全局语境信息，确保图像信息的完整性与准确性 (Venturebeat，liquid.ai)。其架构设计由语言模型主干、SigLIP2NaFlex 视觉编码器以及一个多模态投影器三部分构成。投影器特别采用了两层 MLP（结合 pixel unshuffle 技术）来减少图像 token 数量，从而大幅提升处理速度 (Venturebeat，liquid.ai)。
在训练数据方面，LFM2-VL 模型积累了约 1，000 亿多模态训练 token，这些数据来源于开源数据集与公司自有的合成图像数据，为模型的性能奠定了坚实基础 (Venturebeat，liquid.ai)。评测结果显示，LFM2-VL-1.6B 在 RealWorldQA（65.23）、InfoVQA（58.68）、OCRBench（742）等关键任务中均取得了优异成绩，同时在推理效率上超越了同类模型，展现出强大的综合实力 (Venturebeat，liquid.ai)。
目前，这些模型已在 Hugging Face 平台公开发布，并提供了在 Colab 上的微调示例代码，全面兼容 Hugging Face Transformers 与 TRL 库。在授权方面，Liquid AI 推出了一种基于 Apache2.0 原则的新「LFM1.0授权协议」，为学术研究提供开放支持，年收入低于 1，000 万美元的公司可用于商业用途，而年营收更高的企业则需要联系 Liquid AI 获取专属授权 (Venturebeat，liquid.ai)。
Liquid AI 的 LFM2-VL 模型组合为视觉与文本融合 AI 在设备端的部署开辟了全新路径，尤其适用于手机、笔记本电脑、可穿戴设备等场景，有助于显著降低对云端的依赖，提升数据隐私保护水平与响应速度。项目主页：https://huggingface.co/LiquidAI/LFM2-VL-1.6B
划重点：
🆕 两种型号设计：LFM2-VL-450M（极简资源环境适用）和 LFM2-VL-1.6B（更强但依然轻量），完美适配设备端部署需求。
速度与效率兼顾：GPU 推理速度高达 2 倍提升，同时具备卓越的多模态任务表现，实现性能与效率的双重突破。
多平台友好环境：已发布在 Hugging Face，提供灵活的授权选项，全面兼容主流开发工具，既适合学术研究，也支持中小企业商业应用。