@ma_sc_：我一直在测试除官方支持的14种语言之外的许多其他语言，结果真的非常令人惊讶。……
摘要
一位用户分享了在多种语言上测试Liquid AI新推出的LFM2.5-VL-3B视觉语言模型的惊人结果，指出其视觉能力很强，但指令跟随能力低于预期；Liquid AI宣布该模型能够读取屏幕、文档，并将物体定位到坐标。
查看缓存全文
缓存时间: 2026/08/12 20:34
我一直在用除官方支持的14种语言之外的许多其他语言测试这个模型，结果真的令人惊讶。 现在就试试这个模型吧！
视觉能力很棒，但指令遵循比我预期的要差一些。
我在伦敦的AIE遇到了@maximelabonne，只能说：他们在搞大事
Liquid AI（@liquidai）： 今天，我们发布了LFM2.5-VL-3B，一个轻量级的视觉语言模型，能够读取屏幕、文档和物理世界。它处理移动端、网页和桌面端的数字屏幕，将对象定位到坐标，读取文本和图表，并可通过文本或图像调用工具。
相似文章
LiquidAI LFM2.5-VL-3B：一款3.1B本地视觉语言模型超越Gemma-4 E4B——屏幕理解从2.5提升至82.2
LiquidAI发布了LFM2.5-VL-3B，这是一款3.1B本地视觉语言模型，性能超越Gemma-4 E4B，并在屏幕理解上展现了显著提升，使得设备端AI更加实用。
LiquidAI/LFM2.5-VL-3B · Hugging Face
LiquidAI releases LFM2.5-VL-3B, a 3B multimodal model for on-device deployment with improved OCR, grounding, and efficient inference, available in multiple formats including GGUF, ONNX, and MLX.
@liquidai: 推出 LFM2.5-VL-1.6B-Extract 和 LFM2.5-VL-450M-Extract：返回结构化JSON的视觉语言模型，而非…
Liquid AI发布了LFM2.5-VL-1.6B-Extract和LFM2.5-VL-450M-Extract，这些视觉语言模型能从图像和字段列表中输出结构化JSON。模型为开放权重，提供两种规格。
在Fable-5编码轨迹上微调了LiquidAI的LFM2.5-230M模型——结果比预期的要好
在Fable-5编码轨迹上微调了LiquidAI的LFM2.5-230M模型，发现结果比预期的要好。
LFM2.5-VL-3B for Better and Faster Vision Capabilities for the Edge
LiquidAI announces LFM2.5-VL-3B, an efficient vision-language model for edge hardware with improved screen understanding, grounding, multi-image input, and function calling, trained with 4x more vision data and post-training via SFT and RL.