LFM3-VL-2B: een visiemodel van 1,92B waarvan de hoofdscore van één schakelaar afhangt

LiquidAI/LFM3-VL-2B heeft acht dagen in de openbaarheid bestaan voordat Liquid AI er een woord over zei. De Hugging Face-repository werd op 19 oktober 2026 aangemaakt en dezelfde avond verscheen een GGUF-build; de aankondiging van de leverancier — een blogpost, een modelcollectie, een modelkaart met een volledige benchmarktabel — kwam op 27 oktober uit. Het model dat het vervangt, LFM2.5-VL-3B, is het voor de hand liggende ijkpunt: het heeft 3,1B parameters tegenover 1,92B van het nieuwe model, en op Liquids eigen suite van 62 benchmarks scoort het nieuwe model gemiddeld 71,4 tegenover 57,6 voor het oude. Dezelfde modelkaart vermeldt ook een tweede getal dat veel minder aandacht krijgt: met de denkmodus uitgeschakeld scoort LFM3-VL-2B gemiddeld 62,1. Die ene configuratievlag is 9,3 punten waard, en dat is het verschil tussen een beslissende generatieoverwinning en een bescheiden overwinning.

Dit stuk behandelt wat per 28 oktober daadwerkelijk officieel is vastgelegd — de tijdlijn van de repository, de specificaties, de benchmarktabel en de bijbehorende kanttekeningen — en markeert duidelijk waar het bewijs ophoudt.

Wat verscheen, en wanneer

De tijdlijn is belangrijk omdat die verklaart waarom het model zonder enige berichtgeving verscheen. Liquid AI publiceerde geen teaser, geen wachtlijst en geen onderzoeksbericht. Het uploadde gewichten en een modelkaart, en de kaart bleef daar staan. Trackers van derden merkten de repository op, en het eerste publieke stuk over LFM3-VL-2B was speculatie gebaseerd op een niet-samengevoegde pull request voor een inferentieframework, in plaats van op iets van de leverancier.

• Repository aangemaakt — 19 oktober 2026, 19:51 UTC, volgens de Hugging Face API.

• GGUF-repository aangemaakt — 19 oktober 2026, 20:29 UTC, achtendertig minuten later.

• Kaart laatst gewijzigd — 27 oktober 2026, 16:24 UTC, de dag van de aankondiging.

• Aankondiging van de leverancier — 27 oktober 2026: een blogpost van de familie, een blogpost van Hugging Face en een modelcollectie.

De accurate beschrijving is dus niet "stilletjes uitgeleverd en nog steeds niet aangekondigd". Het is "stilletjes uitgeleverd, en acht dagen later aangekondigd". Iedereen die de repository in dat venster beschreef, beschreef een echt, downloadbaar checkpoint, maar geen product met een vastgestelde positie in het assortiment van Liquid. Die positie bestaat nu: LFM3-VL-2B is het visiemodel binnen een familie van zes modellen op een gedeelde basis van 1,7B, en de leverancier positioneert het als visueel begrip op het toestel zelf — documenten, grafieken, app-schermen, objecten vinden en ruimtelijk redeneren voor robots.

Het model, in de eigen cijfers van de kaart

Liquid's modelkaart is ongewoon specifiek over waar de parameters naartoe zijn gegaan, wat het vermelden waard is omdat "2B" in een modelnaam meestal meer verbergt dan onthult.

• Totaal aantal parameters — 1,92B: een taalmodel van 1,73B, een visie-encoder van 164M en een projector van 25M.

• Encoder — intern gebouwd, convolutie plus attention, ter vervanging van de SigLIP2-toren die in de LFM2.5-visiemodellen wordt gebruikt.

• Modaliteiten — tekst, afbeeldingen en video als invoer; tekst als uitvoer. Het is het eerste LFM-visiemodel dat video accepteert, bemonsterd op 2 frames per seconde.

• Visuele tokenisatie — elk 2×2-blok patches wordt één taaltoken, op native resolutie.

• Context — 128K tokens, invoer plus uitvoer, met een maximale positie van 128.000.

• Licentie — de LFM Open License v1.0, dezelfde niet-permissieve-maar-open voorwaarden als de rest van de familie.

• Pre-training — de LFM3-1.7B-Base trunk, in totaal 22T tokens, met een contextuitbreiding naar 128K en een uitbreiding naar 256K die tijdens mid-training werd gebruikt.

• Niet aanbevolen voor — coderen, gesprekken met meerdere beurten of complexe redeneringen, volgens de eigen richtlijnen van de kaart.

Die laatste regel is er een om twee keer te lezen. Een model dat expliciet niet wordt aanbevolen voor gesprekken met meerdere beurten, is ook een model waarvan het contextvenster van 128K moeilijk te gebruiken zal zijn op de manier waarop lange context gewoonlijk wordt gebruikt. Het venster is echt en het is bijna vier keer de 32.768 tokens van LFM2.5-VL-3B. Het is op een model van 1,92B ook een KV-cache die sneller groeit dan de gewichten waaraan hij is gekoppeld.

Tweeënzestig benchmarks, één lab en een tabel die zijn rivalen bij naam noemt.

De benchmarksectie is het nuttigste onderdeel van de release, en niet alleen omdat de cijfers hoog zijn. Liquid heeft een tabel met 62 benchmarks gepubliceerd waarin het eigen model in twee configuraties naast negen concurrenten staat: 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 en Gemini 3.5 Flash Lite. Elke score is genormaliseerd naar 0–100, elke categorie is een ongewogen gemiddelde van de bijbehorende benchmarks, en het gemiddelde is een ongewogen gemiddelde over alle 62.

Dat is een falsifieerbaarder artefact dan een grafiek in een persbericht. Het noemt de instrumenten, het noemt de concurrenten, en de voetnoten van de kaart geven aan welke modellen met reasoning aan draaiden en welke niet. Het blijft toch leverancierswerk: Liquid koos de 62 benchmarks, draaide elk model en publiceerde de tabel. Niemand buiten het bedrijf heeft er ook maar iets van gereproduceerd.

• Gemiddelde — 71,4 voor LFM3-VL-2B, tegen 57,6 voor LFM2.5-VL-3B en 57,5 voor MiniCPM-V 4.7 1B.

• Document, OCR en grafiek — 83,9, de categorie waarop de on-device-pitch het sterkst leunt.

• GUI-begrip — 83,1, tegenover 66,0 voor LFM2.5-VL-3B.

• Visuele grounding — 77,3, tegenover 68,3.

• Video — 61,2 tegenover 41,3, op het eerste LFM-visiemodel dat überhaupt video aankan.

• Agentic — 42,5, tegenover 21,1. De zwakste categorie voor elk klein model in de tabel.

• Wiskunde en logisch redeneren — 68,8, tegenover 40,6. Onthoud dat getal; dat is het interessante.

De kaart maakt in proza drie vergelijkende beweringen: dat LFM3-VL-2B op de 62 benchmarks minstens 8 punten voorloopt op alle modellen van vergelijkbare grootte, dat het Gemma 4 12B evenaart, en dat het binnen 2 punten van GPT-5.6 Luna uitkomt terwijl het Gemini 3.5 Flash Lite verslaat. Getoetst aan de tabel kloppen die: Gemma 4 12B scoort gemiddeld 71,7, GPT-5.6 Luna 73,4, Gemini 3.5 Flash Lite 70,0. Een model van 1,92B dat gemiddeld binnen 0,3 van een 12B-model blijft, is de hoofdclaim, en het is een claim van de leverancier over cijfers die door de leverancier zijn geproduceerd.

De denkschakelaar doet het meeste werk.

LFM3-VL-2B rapporteert twee scores voor dezelfde gewichten. In de redeneermodus ligt het gemiddelde op 71,4. Met het denken uitgeschakeld ligt het gemiddelde op 62,1. Het verschil is niet gelijkmatig over de categorieën verdeeld — het is geconcentreerd waar je zou verwachten dat redeneren helpt en vrijwel afwezig waar je dat niet zou verwachten.

• Wiskunde en logisch redeneren — 68,8 met denken, 41,0 zonder. Een verschil van 27,8 punten, veruit het grootste.

• Documenten, OCR en grafieken — 83,9 tegen 71,6. Een verschil van 12,3 punten bij taken die perceptueel lijken, maar dat vaak niet zijn.

• GUI-begrip — 83,1 tegen 81,5. Beweegt nauwelijks, wat suggereert dat de vaardigheid in schermlezen in de encoder en de post-training zit, niet in de redeneerlus.

• Perceptie — 75,6 tegen 68,9.

• Gemiddeld — 71,4 tegen 62,1.

Het gevolg is dat de kopvergelijking het nieuwe model op een specifieke manier bevoordeelt. LFM2.5-VL-3B ondersteunt geen redeneermodus, dus vergelijkt Liquid een denkend model met een niet-denkend model. De eerlijke vergelijking is 62,1 tegen 57,6 — nog steeds een overwinning, maar een overwinning van 4,5 punt in plaats van 13,8 punt. En in die configuratie steekt het niet langer alles in de buurt de loef af: Qwen3.5 2B haalt gemiddeld 64,0, hoewel dat cijfer ook uit een run met ingeschakelde redeneermodus komt.

Niets hiervan maakt de release minder interessant. Het maakt de release leesbaar. Liquid heeft een klein model gebouwd waarvan de standaardimplementatie snel en niet-redenerend is, en waarvan het plafond veel hoger ligt wanneer je het laat nadenken. Welk getal op jou van toepassing is, hangt volledig af van of je product de latentie van een redeneerlus op een telefoon kan veroorloven.

Wat 1,92 miljard je op een apparaat oplevert

Het efficiëntieverhaal is het onderdeel dat Liquid feitelijk verkoopt, en de kaart onderbouwt dat met metingen in plaats van adjectieven. Op één enkele NVIDIA B300 met SGLang in BF16 produceert het model meer dan 12.000 outputtokens per seconde bij 1.024 gelijktijdige verzoeken. Dat cijfer zegt meer over batching dan over het model, maar het bevestigt wel dat het servingpad er vanaf dag één is.

Op het toestel publiceert de kaart prefill, decode en piekgeheugen voor elk vergeleken model onder een vaste werklast: één afbeelding van 512×512, 1.024 teksttokens in, 256 tokens uit, allemaal in llama.cpp met een Q4_0 GGUF-taalmodel en een F16 vision-projector. Dat is een reproduceerbare opstelling, en de geheugencolom is de kolom die je moet bekijken voordat je je aan een telefoon waagt.

De tooling is er, maar wisselvallig. SGLang-ondersteuning was er bij de lancering. llama.cpp-ondersteuning is in review — pull request 31252 — en gaat gepaard met een expliciet voorbehoud van Liquid: voorlopig geen video-invoer. GGUF-gewichten bestaan en zijn acht dagen ouder dan de aankondiging. Als video de reden is dat je dit model wilt, is het lokale pad nog niet klaar, en dat staat ook op de kaart.

Wat nog niet kenbaar is

De eerlijke afbakening van dit stuk: alle kwantitatieve gegevens hierboven kwamen van Liquid AI. Er is geen onafhankelijke evaluatie van LFM3-VL-2B, geen vermelding op een leaderboard van derden, geen reproductie van de suite van 62 benchmarks, en geen gepubliceerde prijs per token voor het model op Liquid's eigen API per 28 oktober. De modelkaart vermeldt beschikbaarheid via Hugging Face, de Liquid-playground en de Liquid API, en de gewichten zijn open, maar "open gewichten" en "onafhankelijk geverifieerd" zijn verschillende claims.

Er is ook een kloof tussen het geaggregeerde cijfer en het verhaal over de implementatie. Een gemiddelde over 62 benchmarks is een goed instrument om modellen te rangschikken en een slecht instrument om uw workload te voorspellen. De categorieën waarin LFM3-VL-2B het sterkst is — GUI-begrip, visuele grounding, documenten en grafieken lezen — zijn precies de categorieën waarin de keuze van een leverancier voor benchmarkinstanties een score met meerdere punten kan verschuiven. De categorieën waarin het het zwakst is, agentisch werk met 42,5, zijn juist de categorieën die het meest waarschijnlijk relevant zijn voor de robotica-use case die de kaart adverteert.

Waar dit past als je iets bouwt

LFM3-VL-2B staat niet in de catalogus van OrcaRouter op het moment van schrijven — dit is een checkpoint dat je zelf downloadt en draait, niet iets dat je via onze API aanroept. Dat vormt het bruikbare patroon in plaats van het uit te sluiten. De modellen waarmee deze release op kosten concurreert — gehoste vision-modellen die de lange staart van documenten en video afhandelen — zijn de modellen die je zou routeren, en het lokale checkpoint en de gehoste terugvaloptie aan weerszijden van één routeringsbeslissing plaatsen, is de architectuur waar de cijfers eigenlijk voor pleiten. Een model van 1,92B op het apparaat draaien en de moeilijke frames escaleren naar een groter gehost model is de implementatie die het getal 62,1 acceptabel maakt, omdat de gevallen waarin het faalt, de gevallen zijn die het apparaat verlaten.

Voor de modellen die we wel routeren, betekent één endpoint één sleutel, geen tweede contract, en automatische failover tussen providers wanneer de primaire is gedegradeerd. Dat is de helft van het systeem die een router nodig heeft; de on-device helft heeft een goede quantisatie en een batterijbudget nodig.

Wat zou deze afbeelding veranderen?

Drie dingen, gerangschikt naar hoe belangrijk ze zouden zijn. Een onafhankelijke reproductie van de tabel met 62 benchmarks zou de interessantste claim in de release ofwel bevestigen, ofwel verschuiven. Een gemergede llama.cpp-build met video-ondersteuning zou de on-device-pitch van een plan in een product veranderen. En een gepubliceerde API-prijs zou iedereen in staat stellen om het te vergelijken op de as die de meeste deployments beslist, en die is op dit moment een lege cel.

Tot dan is de verdedigbare lezing smal en nuttig: Liquid heeft een visiemodel van 1,92B uitgebracht dat het 3,1B-model dat het vervangt verslaat op de eigen suite van de leverancier, die vergelijking beslissend wint wanneer redeneren is ingeschakeld en nipt wanneer dat niet zo is, en in zijn grootteklasse vooroploopt op schermen en documenten. De repository was acht dagen vóór de aankondiging openbaar, wat een feit is over het lanceringsproces van Liquid en niet over het model — maar het is de reden dat de eerste berichtgeving over LFM3-VL-2B speculatie was in plaats van een review.