Liquid AI hat am 12. August 2026 LFM2.5-VL-3B veröffentlicht. Dieses neue 3.1B Open-Weight-Vision-Language-Modell ermöglicht es Ihnen, Bilder und Dokumente direkt auf Ihrer eigenen Hardware zu analysieren. Sie können es ab sofort über Hugging Face und den Liquid AI Playground beziehen.
Auf Geschwindigkeit ausgelegt, nicht auf langes Nachdenken
Das Modell konzentriert sich auf schnelle Antworten statt auf langsames, mehrstufiges Schlussfolgern. Dieses Design mit geringer Latenz macht es zu einer praktischen Lösung für das Lesen von Screenshots, das Ausführen von OCR auf Dokumenten und die Interaktion mit Software-Oberflächen.
Unter der Haube kombiniert die Architektur einen 400M SigLIP2 NaFlex Vision-Encoder mit einem 2.6B LFM2.5 Backbone. Liquid AI hat es auf rund 34T Token trainiert, viermal mehr Bilddaten als beim Vorgängermodell integriert und mit einem 128K Vokabular ausgestattet.
Von Beginn an unterstützt es weit verbreitete lokale Runtimes:
- llama.cpp (über das GGUF-Format)
- Apple MLX
- vLLM und SGLang
- ONNX
Die Leistungswerte, die Sie überprüfen sollten
Liquid berichtet, dass das Modell etwa 3 GB Speicher benötigt. Es läuft mit 228 tokens/s auf einem Apple M5 Max, 116 tokens/s auf einem AMD Ryzen AI Max+ 395 und 20 tokens/s auf einem Samsung Galaxy S26 Ultra. Auf einer H100 GPU unter vLLM 0.26 mit BF16 gibt Liquid bei hoher Nebenläufigkeit und einem 512×512-Bild etwa 11K Ausgabe-tokens/s an.
Das Unternehmen vermeldete zudem deutliche Benchmark-Sprünge gegenüber dem älteren LFM2-VL-3B:
- ScreenSpot-v2 desktop: 78.7 (zuvor 6.0)
- ScreenSpot-v2 mobile: 81.2 (zuvor 7.6)
- ToolSandbox: 59.5 (zuvor 26.4)
- RefCOCO average: 87.9 (zuvor 57.1)
All diese Geschwindigkeitsangaben und Benchmark-Werte stammen direkt aus den internen Tests von Liquid AI. Niemand außerhalb des Unternehmens hat sie bisher überprüft. Die tatsächliche Speichernutzung und Genauigkeit können je nach genauer Quantisierung, Prompt-Länge und Bildauflösung stark variieren.
Warum lokale Bildverarbeitung für Ihr Team wichtig ist
Das lokale Ausführen von Vision-Modellen löst zwei große Probleme: Cloud-API-Kosten und Datenschutzrisiken. Wenn Sie vertrauliche Rechnungen oder private App-Bildschirme verarbeiten, verhindert die Speicherung der Daten auf dem Gerät Sicherheitslecks. Auch die Geschwindigkeit spielt hier eine Rolle. Schnelle lokale Inferenz sorgt dafür, dass Bildschirmlese-Tools reaktionsschnell bleiben.
Es ist klein und schnell.
Testen Sie es auf Ihrer eigenen Hardware
Bauen Sie Ihre Pipeline noch nicht um. Beginnen Sie mit einem kleinen Pilotprojekt auf einem freien Laptop oder Testrechner.
Laden Sie die Gewichte von LiquidAI/LFM2.5-VL-3B herunter und führen Sie sie mit llama.cpp oder MLX aus. Füttern Sie das Modell mit fünf echten UI-Screenshots und fünf gescannten Dokumenten. Messen Sie die First-Token-Latenz, die RAM-Nutzung und die Antwortgenauigkeit im Vergleich zu Ihrem aktuellen gehosteten Vision-Modell. Wenn die Werte auf Ihrer Hardware standhalten, erhalten Sie ein günstigeres, privates Vision-Tool, das überall läuft.