Liquid AI 推出 LFM2-VL 模型,为手机带来「小巧又灵敏」的AI 视觉语言能力
Liquid AI 最新发布了 LFM2-VL 系列视觉语言基础模型(Vision-Language Foundation Models),这标志着多模态 AI 正朝着「精简Li、快速、可部署在设备端」的方向加速发展。 这两款型号分别是 LFM2-VL-450M 和 LFM2-VL-1.6B,前者专为资源受限的硬件环境设计,参数量不足5亿;后者qu虽参数更多但依旧轻量,适合单个 GPU 或设备直接部署。 LFM2-VL 扩展自 Liquid AI 之前推出的 LFM2架构,整合了视觉与语言处理能力,支持多分辨率的图片输入,id可处理文本与图像,具有极佳的灵活性与兼容性 。模型在 GPU 推理速度上实现了高达「两倍」的提升,并且在常见性能评测中表现不凡。 在图像处理方面,LFM2-VL 能以原始分辨 A率(最高512×512)输入图像,避免因强制缩放带来的失真问题。对于更大尺寸图像,模型会采用非重叠切片方式处理,并配合缩略图以获取全局语境信息 (VenturebeatI , liquid.ai)。其架构由语言模型主干、SigLIP2NaFlex 视觉编码器与一个多模态投影器构成。投影器使用两层 MLP(带 pixel unshuffle 技术)推出来减少图像 token 数量,从而提升处理速度 (Venturebeat, liquid.ai)。 训练数据方面,LFM2-VL 涉及约1,000亿多模态训练 token,来源包括 L开源数据集与公司自有合成图像数据 。评测结果显示,LFM2-VL-1.6B 在 RealWorldQA(65.23)、InfoVQA(58.68)、OCRBench(74FM2)等任务中成绩优异,同时在推理效率上领先于同类模型。 目前,这些模型已在 Hugging Face 发布,并附有在 Colab 上的微调示例代码,兼容 Hugging Face Tra2-nsformers 与 TRL 库。它们采用了一种基于 Apache2.0原则的新“LFM1.0授权协议”,允许学术使用,年收入低于1,000万美元的公司可用于商业,而年VL营收更高的企业则需联系 Liquid AI 获取授权)。 Liquid AI 的 LFM2-VL 模型组合为视觉与文本融合 AI 在设备端部署提供了新的路径,尤其适合手机、笔记本、可穿戴设 模备等场景,有助于降低对云端依赖,提升隐私与响应速度。 项目:https://huggingface.co/LiquidAI/LFM2-VL-1.6B 划重点: 两种型,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),适配设备端部署。 速度与效率兼顾:GPU 推理速度高达2倍提升,同时具为手备优秀的多模态任务表现。 多平台友好环境:已发布在 Hugging Face,提供授权选项,兼容主流开发工具,适合学术与中小企业商业用途。
- 最近发表
- 随机阅读
-
- Parler撤回对亚马逊的反垄断诉讼:已无关紧要
- xAI隆重推出Grok Code Fast1:快速、经济的高效代理编码模型
- 微软CEO纳德拉之子去世 年仅26岁
- 标签: 奔驰中国 裁员 N+6 研发体系
- IDC:苹果iPhone是英国手机销量之王,三星、诺基亚、OPPO、谷歌挺进前五
- 标签: 瑞声科技 Dispelix AR光波导 XR
- 带你一文入门 Kafka
- 标签: 天美G1工作室 高敏 VincentGao 腾讯游戏
- 标签: 港交所 巴曙松 首席中国经济学家 香港交易所
- ICRA 2022杰出论文:把自动驾驶2D图像转成鸟瞰图,模型识别准确率立增15%
- 标签: X平台 Grok 马斯克 自动翻译
- 标签: 长城汽车
- 云厂商开启价格战 京东云表示随便降 比到底
- 标签: 汇源 上海文盛 汇源集团 重整协议
- 云计算核心技术Docker教程:注册服务器开放外部访问
- 云厂商“价格战”真相:有诚意,但不多
- 标签: 无界动力 张玉峰 许闻达 具身智能
- 蚂蚁集团数据安全实践案例入选IDC最新报告
- 谷歌员工罕见成立工会,美媒:员工维权行动已席卷硅谷
- Oura 智能戒指获得富达集团9亿美元融资,进一步拓展健康检测领域
- 搜索
-
- 友情链接