लिक्विड एआई ने एलएफएम2.5-वीएल-3बी के लिए तेज़ विजन-लैंग्वेज एआई के लिए एलएफएम2.5-वीएल-3बी जारी किया

लिक्विड एआई ने 12 अगस्त, 2026 को एलएफएम2.5-वीएल-3बी जारी किया, एक 3.1-बिलियन-पैरामीटर ओपन-वेट विजन-लैंग्वेज मॉडल जो फोन, लैपटॉप और सिंगल जीपीयू पर चलने के लिए बनाया गया है, न कि डेटा सेंटर में। मॉडल, कंपनी के ब्लॉग पर घोषित और हगिंग फेस पर पोस्ट किया गया वजन तुरंत उपलब्ध है, पिछले साल के एलएफएम2-वीएल-3बी को मजबूत स्क्रीन समझ, वस्तु आधार, बहु-छवि तर्क और फ़ंक्शन कॉलिंग के साथ बढ़ाता है।

कंपनी इसकी रिलीज़ को अपने सबसे क्षमतावान विजन मॉडल के रूप में रखती है जो स्व-होस्टेड हार्डवेयर के लिए है। रिलीज़ पोस्ट में, लिक्विड एआई इसे “हमारा सबसे क्षमतावान विजन-लैंग्वेज मॉडल” के रूप में वर्णित करता है, जो “दो गुना बड़े मॉडल के खिलाफ प्रतिस्पर्धी दृष्टि प्रदर्शन प्रदान करता है, जबकि सीपीयू और जीपीयू दोनों पर तेजी से चलता है, यहां तक कि कम पैरामीटर वाले मॉडल की तुलना में भी।”

इस रिलीज़ में सभी बेंचमार्क और गति के आंकड़े विक्रेता द्वारा रिपोर्ट किए गए हैं: लिक्विड एआई ने वीएलएलएम 0.26.0 का उपयोग करके मूल्यांकन स्वयं चलाया, प्रत्येक मॉडल को गैर-तर्क मोड में और सीधे उत्तर देने के लिए प्रेरित किया। अभी तक नए मॉडल का कोई स्वतंत्र मूल्यांकन नहीं है, जो रिलीज़ दिवस पर अपेक्षित स्थिति है, हालांकि हाल के यूनाइट.एआई कवरेज में एक अमेज़ॅन अध्ययन का मूल्यांकन किया गया है जो कुछ ही तुलनात्मक मॉडल का मूल्यांकन करता है जो स्वतंत्र रूप से मापी गई प्रतिलेखन व्यवहार क्यों विचलित हो सकती है स्वच्छ बेंचमार्क स्कोर से।

एलएफएम2.5-वीएल-3बी स्क्रीन, दस्तावेज़ और कई छवियों को कैसे पढ़ता है

मॉडल एक सिग्लिपी2 400एम नाफ्लेक्स विजन एनकोडर को जोड़ता है गूगल से लिक्विड एआई के एलएफएम2.5-2.6बी पाठ मॉडल के साथ पूर्व-प्रशिक्षित बैकबोन के साथ, जो 4 अगस्त, 2026 को जारी किया गया था। मॉडल कार्ड के अनुसार, यह लगभग 34 ट्रिलियन टोकन पर पूर्व-प्रशिक्षित किया गया था जिसमें इसके पूर्ववर्ती की तुलना में चार गुना अधिक दृष्टि डेटा था, और इसका शब्दावली 128,000 टोकन तक बढ़ा दी गई थी मौजूदा टोकनाइज़र को बढ़ाने के द्वारा, न कि पुनः प्रशिक्षण के द्वारा, जो गैर-लैटिन लिपियों के लिए एक परिवर्तन है। पोस्ट-ट्रेनिंग में एक बड़े शिक्षक मॉडल से पर्यवेक्षित फाइन-ट्यूनिंग और ज्ञान संक्षेपण के साथ-साथ बहु-इनाम मजबूर शिक्षा शामिल है।

चार क्षमता क्षेत्रों में उन्नयन परिभाषित करते हैं एलएफएम2-वीएल-3बी पर। स्क्रीन समझ पर, मॉडल डेस्कटॉप, मोबाइल और वेब स्प्लिट्स पर स्क्रीनस्पॉट-वी2 के औसत 80.7 है, जो पिछले रिलीज़ पर एकल अंकों से ऊपर है और 8-बिलियन-पैरामीटर जेमा-4-ई4बी के 50.9 से आगे है, हालांकि बड़े इंटरनवीएल 3.5 4बी के 84.2 से पीछे है। ग्राउंडिंग पर, जहां मॉडल प्राकृतिक भाषा में वर्णित वस्तुओं के लिए बाउंडिंग बॉक्स लौटाता है, रेफसीओसीओ सटीकता 57.1 से 87.9 तक कूदती है, जो 30 से अधिक बिंदुओं की वृद्धि है जिसे लिक्विड एआई स्केल्ड सिंथेटिक ग्राउंडिंग डेटा के लिए जिम्मेदार ठहराता है।

फ़ंक्शन कॉलिंग कंपनी की विजन लाइन में नई है। टूलसैंडबॉक्स पर, जो टूल के उपयोग को मापता है, स्कोर 26.4 से 59.5 तक बढ़ जाता है, जो 3.1बी मॉडल को जेमा-4-ई2बी और क्वेन3.5-2बी से आगे रखता है। बहु-छवि तर्क में भी तेजी से सुधार होता है, बीएलआईएनके 50.2 से 61.5 और मुइरबेंच 34.9 से 58.3 तक बढ़ जाता है।

पूरे 28-बेंचमार्क विजन सूट में, एलएफएम2.5-वीएल-3बी 69.4 का औसत है, जो इसके पूर्ववर्ती के 57.2 से 12 अंकों का सुधार है और 4.7-बिलियन-पैरामीटर क्वेन3.5-4बी के साथ 0.7 अंकों के भीतर है। औसत वास्तविक बनावट को छुपाता है, हालांकि: मॉडल कुछ सामान्य सूट पर अपने प्रतिद्वंद्वियों से पीछे है, और यह वास्तव में काउंटबेंचक्यू पर जमीन खो देता है, जो 92.2 से 87.3 तक गिर जाता है।

मॉडल जानबूझकर क्या छोड़ता है

एलएफएम2.5-वीएल-3बी एक गैर-तर्क मॉडल है। यह सीधे उत्तर देता है, एक मध्यवर्ती श्रृंखला के विचार को उत्पन्न करने के बजाय, एक डिज़ाइन विकल्प जिसे लिक्विड एआई विलंबता अनुकूलन के रूप में फ्रेम करता है: मॉडल कार्ड इसे “एकल-मोड, उच्च-थ्रूपुट, कम-विलंबता कार्य” के लिए अनुशंसा करता है, जिसमें ऑटोमोटिव अनुप्रयोगों के लिए नियर-रियल-टाइम ऑब्जेक्ट डिटेक्शन, स्कैन किए गए दस्तावेजों की बैच ओसीआर और डिवाइस पर मेनू और सड़क संकेतों का अनुवाद शामिल है।

उसी कार्ड में स्पष्ट रूप से बताया गया है कि मॉडल के लिए क्या नहीं है। यह “लंबे-संदर्भ, तर्क-गहन कार्यों के लिए अनुशंसित नहीं है, जैसे कि दृश्य वेब डिज़ाइन, या नीले रंग के निर्देशों के बारे में अत्यधिक तकनीकी प्रश्नों का उत्तर देना।” संदर्भ लंबाई 32,768 टोकन है, और कार्ड इसके लेआउट-एनोटेशन ओसीआर प्रारूप को प्रयोगात्मक के रूप में चिह्नित करता है, चेतावनी देता है कि यह “परिवर्तित हो सकता है, यह विश्वसनीय नहीं हो सकता है, और इसे पार्स करना आसान नहीं हो सकता है।” वे विक्रेता के अपने स्वयं के वर्णित प्रतिबंध हैं, और वे जहां क्षमता दावा रुक जाती है उसका संकेत देते हैं।

रिलीज़ के साथ जुड़े गति के आंकड़े उस डिज़ाइन से निकलते हैं। लिक्विड एआई एक एप्पल एम5 मैक्स पर 228 टोकन प्रति सेकंड और एक एएमडी राइज़न एआई मैक्स+ 395 पर 116 टोकन प्रति सेकंड की डिकोड गति की रिपोर्ट करता है, लगभग 3 जीबी मेमोरी में, और एक गैलेक्सी एस26 अल्ट्रा पर 20 टोकन प्रति सेकंड। एकल एनवीडिया एच100 पर, कंपनी पांच-फ्रेम वीडियो क्लिप पर पहले टोकन के लिए लगभग 34 मिलीसेकंड का समय मापती है, जो जेमा मॉडल के लिए लगभग 200 मिलीसेकंड है, और उच्च समांतरता पर 11,000 टोकन प्रति सेकंड की आउटपुट थ्रूपुट, जो कंपनी का कहना है कि एक दिन में लगभग एक अरब आउटपुट टोकन जोड़ता है।

एलएफएम2.5-वीएल-3बी संख्या में

• 3.1 बिलियन पैरामीटर; 34 ट्रिलियन पूर्व-प्रशिक्षण टोकन; 32,768-टोकन संदर्भ
• 28 दृष्टि बेंचमार्क के औसत में 69.4, एलएफएम2-वीएल-3बी के लिए 57.2
• स्क्रीनस्पॉट-वी2 स्क्रीन समझ पर 80.7 औसत, पिछले मॉडल पर 2.5 से 7.6 प्रति विभाजन तक
• 87.9 रेफसीओसीओ ग्राउंडिंग सटीकता, 57.1 से
• 59.5 टूलसैंडबॉक्स फ़ंक्शन कॉलिंग पर, 26.4 से
• एप्पल एम5 मैक्स पर 228 टोकन/सेकंड डिकोड; गैलेक्सी एस26 अल्ट्रा पर 20 टोकन/सेकंड; लगभग 3 जीबी मेमोरी फुटप्रिंट
• एकल एच100 पर उच्च समांतरता पर लगभग 11,000 आउटपुट टोकन/सेकंड

एलएफएम2.5-वीएल-3बी के साथ क्या शिप होता है

वजन अब हगिंग फेस से ओपन-वेट लाइसेंस के तहत डाउनलोड के लिए उपलब्ध हैं, जीजीयूएफ, ओएनएनएक्स और एमएलएक्स प्रारूपों में क्वांटाइज़ किए गए निर्यात के साथ, और लामा.सीपीपी, एमएलएक्स, वीएलएलएम, एसजीलैंग और ओएनएनएक्स रनटाइम पर दिन-एक समर्थन। एक वेबजीपीयू डेमो मॉडल को पूरी तरह से ब्राउज़र में चलाता है, और कंपनी 16 समर्थित भाषाओं को सूचीबद्ध करती है, जिनमें अंग्रेजी, अरबी, चीनी, जापानी और हिंदी शामिल हैं।

रिलीज़ लिक्विड एआई द्वारा दूसरे आधे 2026 के माध्यम से इकट्ठा किए गए एलएफएम2.5 परिवार को पूरा करता है: 4 अगस्त, 2026 को एलएफएम2.5-2.6बी पाठ मॉडल, लंबे-संदर्भ सीपीयू अनुमान के लिए एनकोडर वेरिएंट जुलाई 2026 के अंतिम भाग में, और अब फ्लैगशिप दृष्टि टियर, जो छोटे एलएफएम2.5-वीएल-1.6बी और 450एम वेरिएंट का अनुसरण करता है। फाइन-ट्यूनिंग नोटबुक और दस्तावेज़ वजन के साथ शिप होते हैं, ताकि मॉडल को पहले दिन से विशिष्ट ग्राउंडिंग, ओसीआर या टूल-कॉलिंग कार्यभार के लिए अनुकूलित किया जा सके।