@paulabartabajo_:给AI工程师的建议——在自定义数据上微调的小型视觉语言模型,准确率堪比GPT-5……
摘要
一条推文称,在自定义数据上微调的小型视觉语言模型准确率可媲美GPT-5,成本却低50倍,并举例Liquid AI的1.6B模型可用llama.cpp本地全速运行。
给AI工程师的建议:在自定义数据上微调的小型视觉语言模型,准确率堪比GPT-5……成本却低50倍。例如,@liquidai 的 LFM2.5-VL-1.6B 可用 llama.cpp 本地全速运行 ↓
查看缓存全文
缓存时间: 2026/04/22 17:51
给 AI 工程师的建议
在自定义数据集上微调的小型视觉-语言模型,准确率堪比 GPT-5……
而成本只有后者的 1/50
例如,由 @liquidai 发布的 LFM2.5-VL-1.6B,可在本地用 llama.cpp 全速运行 ↓
相似文章
@paulabartabajo_: 给AI工程师的建议 学习本地AI的最佳方式就是用本地AI去构建。过去7个月的7场动手实践网络研讨会。
过去7个月中7场动手实践的开源网络研讨会合集,聚焦于使用本地AI和小型语言模型进行构建,全部在设备端运行。
@cjzafir: 垂直语言模型(VLMs)正在击败顶级大语言模型。这些参数量7B到15B的小型专精模型在各自的细分领域击败了SoTA模型……
作者演示了,通过使用开源模型和Codex编排进行高性价比微调,小型垂直语言模型(6B-15B)能够在细分基准上超越顶级大语言模型,仅用价值300美元的数据集就取得了成果。
@paulabartabajo_:给AI工程师的建议 如果你正在构建语音智能体,别再连接3个独立模型了,用于音频转文本、文本转音频,或文本转文本……
宣布推出 liquid-audio,这是 Liquid AI 端到端语音转语音 LFM 模型(LFM2-Audio-1.5B 和 LFM2.5-Audio-1.5B)的开源仓库,支持交错和顺序生成模式以及微调功能。
现在运行本地模型已经很不错了
作者报告说,运行本地AI模型如今已经表现出色,最近发布的GPT-OSS和Gemma 4等模型使得在本地进行自主编码的准确率达到了前沿模型的大约75%,与几个月前相比有了显著提升。
@hooeem: https://x.com/hooeem/status/2068752941553476002
一份全面指南,介绍如何部署 GLM 5.2(一款自称在编程基准测试中超越 GPT-5.5 且成本更低的开源 AI 模型),涵盖云端和本地部署方案。