LFM3-VL-2B: מודל ראייה של 1.92B שציון הכותרת שלו תלוי במתג אחד

LiquidAI/LFM3-VL-2B היה קיים בפומבי במשך שמונה ימים לפני ש-Liquid AI אמרה עליו מילה. מאגר Hugging Face נוצר ב-19 באוקטובר 2026, וגרסת GGUF הופיעה באותו ערב; ההכרזה של הספק — פוסט בבלוג, אוסף מודלים, כרטיס עם טבלת בנצ'מרקים מלאה — פורסמה ב-27 באוקטובר. המודל שהוא מחליף, LFM2.5-VL-3B, הוא אמת המידה הברורה: יש לו 3.1B פרמטרים לעומת 1.92B של המודל החדש, ובחבילת 62 הבנצ'מרקים של Liquid עצמה החדש מגיע לממוצע של 71.4 לעומת 57.6 של הישן. אותו כרטיס רושם גם מספר שני שזוכה להרבה פחות תשומת לב: כשהחשיבה מושבתת, LFM3-VL-2B מגיע לממוצע של 62.1. דגל התצורה הבודד הזה שווה 9.3 נקודות, והוא ההבדל בין ניצחון דורי מכריע לניצחון צנוע.

המאמר הזה מכסה את מה שרשום בפועל נכון ל-28 באוקטובר — ציר הזמן של המאגר, המפרטים, טבלת הבנצ'מרקים וההסתייגויות שלה — ומסמן בבירור היכן נעצרות הראיות.

מה הופיע, ומתי

ציר הזמן חשוב משום שהוא מסביר מדוע המודל הגיע בלי שום סיקור. Liquid AI לא פרסמה טיזר, רשימת המתנה או פוסט מחקר. היא העלתה משקלים וכרטיס מודל, והכרטיס פשוט ישב שם. עוקבים חיצוניים שמו לב למאגר, והכתיבה הפומבית הראשונה על LFM3-VL-2B הייתה ספקולציה שנבנתה על בקשת מיזוג שלא מוזגה של מסגרת אינפרנס, ולא על משהו מהספק.

• המאגר נוצר — 19 באוקטובר 2026, 19:51 UTC, לפי ה-API של Hugging Face.

• נוצר מאגר GGUF — 19 באוקטובר 2026, 20:29 UTC, שלושים ושמונה דקות לאחר מכן.

• הכרטיס שונה לאחרונה — 27 באוקטובר 2026, 16:24 UTC, יום ההכרזה.

• הכרזת ספק — 27 באוקטובר 2026: פוסט בלוג משפחתי, פוסט בלוג של Hugging Face, ואוסף מודלים.

אז התיאור המדויק אינו "נשלח בשקט ועדיין לא הוכרז". הוא "נשלח בשקט, ואז הוכרז שמונה ימים לאחר מכן". כל מי שכתב על המאגר במהלך החלון הזה תיאר צ'קפוינט אמיתי שניתן להוריד, אך לא מוצר עם מקום מוצהר בהיצע של Liquid. המקום הזה קיים כעת: LFM3-VL-2B הוא חבר החזון במשפחה של שישה מודלים הבנויה על בסיס משותף של 1.7B, וההצגה של הספק היא הבנה חזותית על-מכשיר — מסמכים, תרשימים, מסכי אפליקציות, איתור עצמים והסקה מרחבית עבור רובוטים.

המודל, במספרים של הכרטיס עצמו

הכרטיס של Liquid ספציפי באופן יוצא דופן לגבי לאן הלכו הפרמטרים, מה שראוי לציון כי "2B" בשם של דגם בדרך כלל מסתיר יותר ממה שהוא מגלה.

• סך הפרמטרים — 1.92B: מודל שפה של 1.73B, מקודד חזותי של 164M ומקרן של 25M.

• מקודד — נבנה פנימית, קונבולוציה בתוספת קשב, ומחליף את מגדל SigLIP2 המשמש במודלי הראייה LFM2.5.

• מודאליות — טקסט, תמונות ווידאו בקלט; טקסט בפלט. זהו מודל הראייה הראשון של LFM שמקבל וידאו, בדגימה של 2 פריימים בשנייה.

• טוקניזציה חזותית — כל בלוק 2×2 של טלאים הופך לטוקן שפה אחד, ברזולוציה המקורית.

• הקשר — 128K אסימונים, קלט ופלט, עם מיקום מרבי של 128,000.

• רישיון — ה-LFM Open License v1.0, אותם תנאים לא-מתירניים אך פתוחים כמו בשאר המשפחה.

• אימון מקדים — שלד LFM3-1.7B-Base, סך הכול 22T טוקנים, עם הרחבת הקשר של 128K והרחבה של 256K ששימשה במהלך אימון הביניים.

• לא מומלץ עבור — קידוד, שיחה מרובת תורות, או הסקה מורכבת, לפי ההנחיות של הכרטיס עצמו.

השורה האחרונה היא זו שכדאי לקרוא פעמיים. מודל שבאופן מפורש לא מומלץ לשיחות רב-תוריות הוא גם מודל שחלון ההקשר של 128K שלו יהיה קשה לשימוש בדרך שבה משתמשים בדרך כלל בהקשר ארוך. החלון אמיתי, והוא כמעט פי ארבעה מ-32,768 הטוקנים של LFM2.5-VL-3B. הוא גם, במודל של 1.92B, מטמון KV שגדל מהר יותר מהמשקלים שאליהם הוא מחובר.

שישים ושניים מבחני ביצועים, מעבדה אחת, וטבלה שמציינת את יריביה

חלק הבנצ'מרק הוא החלק השימושי ביותר בשחרור, ולא רק משום שהמספרים גבוהים. Liquid פרסמה טבלה של 62 בנצ'מרקים הכוללת את המודל שלה בשתי תצורות לצד תשעה מתחרים: LFM2.5-VL-3B, MiniCPM-V 4.7 1B, Qwen3.5 2B, Qwen3.5 4B, InternVL3.5 4B, Gemma 4 E2B, Gemma 4 12B, GPT-5.6 Luna ו-Gemini 3.5 Flash Lite. כל ציון מנורמל ל-0–100, כל קטגוריה היא ממוצע לא משוקלל של הבנצ'מרקים שלה, והממוצע הוא ממוצע לא משוקלל על פני כל 62.

זהו ממצא שניתן להפריכו יותר מאשר תרשים של הודעה לעיתונות. הוא מפרט את הכלים, הוא מפרט את המתחרים, והכרטיס מוסיף הערות שוליים אילו מודלים הורצו עם reasoning מופעל ואילו לא. זו עדיין עבודת ספק: Liquid בחרה את 62 מבחני הבנצ'מרק, הריצה כל מודל ופרסמה את הטבלה. איש מחוץ לחברה לא שחזר דבר מזה.

• ממוצע — 71.4 עבור LFM3-VL-2B, לעומת 57.6 עבור LFM2.5-VL-3B ו-57.5 עבור MiniCPM-V 4.7 1B.

• מסמכים, OCR ותרשימים — 83.9, הקטגוריה שהמסר השיווקי של עיבוד במכשיר נשען עליה יותר מכול.

• הבנת ממשק משתמש — 83.1, לעומת 66.0 עבור LFM2.5-VL-3B.

• עיגון חזותי — 77.3, לעומת 68.3.

• וידאו — 61.2, לעומת 41.3, במודל הראייה הראשון של LFM שמקבל וידאו בכלל.

• Agentic — 42.5, לעומת 21.1. הקטגוריה החלשה ביותר עבור כל מודל קטן בטבלה.

• מתמטיקה וחשיבה לוגית — 68.8, לעומת 40.6. זכרו את המספר הזה; הוא המעניין.

הכרטיס מציג שלוש טענות השוואתיות בטקסט: ש-LFM3-VL-2B משיג יתרון של לפחות 8 נקודות על כל הדגמים בגודל דומה ב-62 מבחני הבנצ'מרק, שהוא משתווה ל-Gemma 4 12B, ושהוא נמצא בטווח של 2 נקודות מ-GPT-5.6 Luna בעודו מנצח את Gemini 3.5 Flash Lite. בבדיקה מול הטבלה, הטענות מחזיקות מעמד: Gemma 4 12B מגיע בממוצע ל-71.7, ‏GPT-5.6 Luna ל-73.4, ‏Gemini 3.5 Flash Lite ל-70.0. דגם 1.92B שממוצעו נמצא בטווח של 0.3 מדגם 12B הוא הטענה המרכזית, והיא טענת ספק שמבוססת על מספרים של הספק.

מתג החשיבה עושה את רוב העבודה

LFM3-VL-2B מדווח על שני ציונים עבור אותם משקלים. במצב הסקה הוא מגיע בממוצע ל-71.4. כשהחשיבה מושבתת הוא מגיע בממוצע ל-62.1. הפער אינו מתפרס באופן אחיד על פני הקטגוריות — הוא מרוכז במקום שבו הייתם מצפים שהסקה תעזור וכמעט נעדר במקום שבו לא.

• מתמטיקה וחשיבה לוגית — 68.8 עם חשיבה, 41.0 בלי. פער של 27.8 נקודות, הגדול ביותר בהרבה.

• מסמכים, OCR ותרשימים — 83.9 לעומת 71.6. פער של 12.3 נקודות במשימות שנראות תפיסתיות אך לעתים קרובות אינן כאלה.

• הבנת GUI — 83.1 לעומת 81.5. כמעט ולא זז, מה שמרמז שיכולת קריאת המסך נמצאת באנקודר ובשלב שלאחר האימון, ולא בלולאת החשיבה.

• תפיסה — 75.6 לעומת 68.9.

• ממוצע — 71.4 לעומת 62.1.

התוצאה היא שההשוואה הראשית מחמיאה למודל החדש באופן ספציפי. LFM2.5-VL-3B אינו תומך במצב חשיבה, ולכן Liquid משווה מודל חושב מול מודל לא חושב. ההשוואה ההוגנת היא 62.1 מול 57.6 — עדיין ניצחון, אבל ניצחון של 4.5 נקודות ולא של 13.8 נקודות. ובתצורה הזו הוא כבר אינו מוביל על כל מה שסביבו: Qwen3.5 2B מגיע בממוצע ל-64.0, אף שהנתון הזה מגיע גם הוא מהרצה עם חשיבה מופעלת.

שום דבר מזה לא הופך את השחרור לפחות מעניין. זה הופך את השחרור לקריא. Liquid בנתה מודל קטן שפריסת ברירת המחדל שלו מהירה ואינה מבצעת חשיבה, והתקרה שלו גבוהה בהרבה כשנותנים לו לחשוב. איזה מספר חל עליך תלוי לחלוטין בשאלה אם המוצר שלך יכול להרשות לעצמו את השהיה של לופ חשיבה בטלפון.

מה אפשר לקבל ב-1.92B במכשיר

טיעון היעילות הוא החלק ש-Liquid למעשה מוכרת, והכרטיס מגבה אותו במדידות ולא בשמות תואר. על NVIDIA B300 יחיד שבו רץ SGLang ב-BF16, המודל מפיק יותר מ-12,000 טוקני פלט בשנייה ב-1,024 בקשות בו-זמניות. הנתון הזה אומר יותר על באצ'ינג מאשר על המודל, אבל הוא מוכיח שמסלול ההגשה קיים מהיום הראשון.

{{1}}במכשיר{{/1}}, הכרטיס מפרסם ערכי prefill, decode וזיכרון שיא עבור כל מודל מושווה תחת עומס עבודה קבוע: תמונה אחת בגודל 512×512, 1,024 אסימוני טקסט בקלט, 256 אסימונים בפלט, הכול ב-llama.cpp עם מודל שפה Q4_0 GGUF ומקרן חזותי F16. זהו מערך הגדרות שניתן לשחזור, ועמודת הזיכרון היא זו שכדאי לקרוא לפני שמתחייבים לטלפון.

הכלים אמיתיים אך לא אחידים. התמיכה ב-SGLang הייתה קיימת כבר בהשקה. התמיכה ב-llama.cpp נמצאת בבדיקה — pull request 31252 — והיא כוללת הסתייגות מפורשת מ-Liquid: אין קלט וידאו לעת עתה. משקולות GGUF קיימות וקדמו להכרזה בשמונה ימים. אם וידאו הוא הסיבה שאתה רוצה את המודל הזה, המסלול המקומי עדיין לא מוכן, והכרטיס אומר זאת.

מה שעדיין אינו ניתן לדעת

הגבול הכנה של הקטע הזה: כל דבר כמותי לעיל הגיע מ-Liquid AI. אין הערכה בלתי-תלויה של LFM3-VL-2B, אין רשומה בלוח תוצאות של צד שלישי, אין שחזור של חבילת 62 המבחנים, ואין מחיר פומבי לכל טוקן עבור המודל ב-API של Liquid נכון ל-28 באוקטובר. הכרטיס מפרט זמינות דרך Hugging Face, ה-playground של Liquid וה-API של Liquid, והמשקולות פתוחות, אבל "משקולות פתוחות" ו"מאומת באופן בלתי-תלוי" הן טענות שונות.

יש גם פער בין הסיפור המצרפי לסיפור הפריסה. ממוצע על פני 62 מבחנים הוא כלי טוב לדירוג מודלים וכלי גרוע לחיזוי עומס העבודה שלך. הקטגוריות שבהן LFM3-VL-2B חזק במיוחד — הבנת ממשקי GUI, עיגון חזותי, קריאת מסמכים ותרשימים — הן בדיוק אלו שבהן הבחירה של ספק בנקודות מבחן מסוימות יכולה להזיז ציון בכמה נקודות. הקטגוריות שבהן הוא החלש ביותר, עבודה סוכנית ב-42.5, הן אלו שסביר ביותר שיהיו חשובות לשימוש ברובוטיקה שהכרטיס מפרסם.

איפה זה משתלב אם אתם בונים משהו

LFM3-VL-2B אינו נמצאבקטלוג של OrcaRouter נכון למועד כתיבת הדברים — זהו צ'קפוינט שאתם מורידים ומריצים בעצמכם, לא משהו שקוראים לו ב-API שלנו. זה מעצב את התבנית השימושית במקום לשלול אותה. המודלים שאיתם המהדורה הזו מתחרה על עלות — מודלי ראייה מתארחים שמטפלים בזנב הארוך של מסמכים ווידאו — הם אלה שהייתם מנתבים, והצבת הצ'קפוינט המקומי והגיבוי המתארח משני צדי החלטת ניתוב אחת היא הארכיטקטורה שהמספרים למעשה תומכים בה. הרצת מודל 1.92B על המכשיר והסלמת הפריימים הקשים למודל מתארח גדול יותר היא הפריסה שהופכת את המספר 62.1 לקביל, מפני שהמקרים שבהם הוא נכשל הם המקרים שעוזבים את המכשיר.

לגבי המודלים שאנחנו כן מנתבים, נקודת קצה אחת פירושה מפתח אחד, בלי חוזה שני, ומעבר אוטומטי בין ספקים כאשר הספק הראשי במצב ירוד. זה החצי של המערכת שזקוק לראוטר; החצי שעל המכשיר זקוק לקוונטיזציה טובה ולתקציב סוללה.

מה היה משנה את התמונה הזו

שלושה דברים, לפי סדר החשיבות שלהם. שחזור בלתי תלוי של טבלת 62 הבנצ'מרקים יאשר את הטענה המעניינת ביותר בפרסום או יזיז אותה. גרסת build ממוזגת של llama.cpp עם תמיכה בווידאו תהפוך את ההבטחה ל"על המכשיר" מתוכנית למוצר. ומחיר API מפורסם יאפשר לכל אחד להשוות אותו על הציר שמכריע את רוב הפריסות, שכעת הוא תא ריק.

עד אז, הקריאה המוצדקת היא צרה ושימושית: Liquid שחררה מודל ראייה בגודל 1.92B שגובר על מודל ה-3.1B שהוא מחליף בחבילת הבדיקות של הספק עצמו, מנצח בהשוואה הזו באופן מובהק כשההסקה מופעלת ובאופן דחוק כשהיא כבויה, ומוביל בקטגוריית הגודל שלו במסכים ובמסמכים. המאגר היה ציבורי שמונה ימים לפני ההכרזה, וזו עובדה הנוגעת לתהליך ההשקה של Liquid ולא למודל — אבל זו הסיבה שהסיקור הראשון של LFM3-VL-2B היה ספקולציה ולא סקירה.