LFM3-VL-2B: визуальная модель на 1,92 млрд параметров, чей главный показатель зависит от одного переключателя

LiquidAI/LFM3-VL-2B просуществовала в открытом доступе восемь дней, прежде чем Liquid AI обмолвилась о ней хоть словом. Репозиторий на Hugging Face был создан 19 октября 2026 года, а сборка GGUF появилась в тот же вечер; анонс вендора — пост в блоге, коллекция моделей, карточка с полной таблицей бенчмарков — вышел 27 октября. Модель, которую она заменяет, LFM2.5-VL-3B — очевидный ориентир: у неё 3,1 млрд параметров против 1,92 млрд у новой модели, и в собственном наборе Liquid из 62 бенчмарков новая в среднем набирает 71,4 против 57,6 у старой. В той же карточке приводится и второе число, которому уделяют гораздо меньше внимания: при отключённом режиме размышления LFM3-VL-2B в среднем набирает 62,1. Этот единственный флаг конфигурации стоит 9,3 балла, и именно он отделяет решительную победу нового поколения от скромной.

В этом материале собрано то, что действительно зафиксировано по состоянию на 28 октября, — хронология репозитория, спецификации, таблица бенчмарков и оговорки к ней, — и чётко обозначено, где заканчиваются доказательства.

Что появилось и когда

Хронология важна, потому что объясняет, почему модель появилась без освещения. Liquid AI не публиковала тизер, лист ожидания или исследовательский пост. Она загрузила веса и карточку модели, и карточка просто осталась лежать там. Сторонние трекеры заметили репозиторий, и первый публичный материал о LFM3-VL-2B был домыслом, построенным на неслитом пул-реквесте к фреймворку инференса, а не на чем-либо от поставщика.

• Репозиторий создан — 19 октября 2026 г., 19:51 UTC, согласно API Hugging Face.

• Репозиторий GGUF создан — 19 октября 2026 г., 20:29 UTC, тридцать восемь минут спустя.

• Карточка последний раз изменена — 27 октября 2026 года, 16:24 UTC, в день объявления.

• Анонс от вендора — 27 октября 2026 г.: публикация в блоге о семействе моделей, публикация в блоге Hugging Face и коллекция моделей.

Итак, точное описание — не «выпущен тихо и до сих пор не анонсирован». А «выпущен тихо, а затем анонсирован через восемь дней». Любой, кто писал о репозитории в этот промежуток, описывал реальный доступный для скачивания чекпойнт, но не продукт с заявленным местом в линейке Liquid. Теперь это место существует: LFM3-VL-2B — визуальная модель в семействе из шести моделей, построенном на общей базе 1.7B, а формулировка производителя — визуальное понимание на устройстве: документы, графики, экраны приложений, поиск объектов и пространственные рассуждения для роботов.

Модель — в собственных цифрах карточки.

Карточка Liquid необычно конкретно указывает, куда именно делись параметры, и это стоит отметить, поскольку «2B» в названии модели обычно скрывает больше, чем раскрывает.

• Общее количество параметров — 1,92 млрд: языковая модель на 1,73 млрд, визуальный энкодер на 164 млн и проектор на 25 млн.

• Энкодер — собственная разработка, свёртка плюс внимание, заменяет башню SigLIP2, используемую в визуальных моделях LFM2.5.

• Модальности — текст, изображения и видео на входе; текст на выходе. Это первая визуальная модель LFM, принимающая видео с частотой дискретизации 2 кадра в секунду.

• Визуальная токенизация — каждый блок патчей 2×2 становится одним языковым токеном в исходном разрешении.

• Контекст — 128K токенов, входные и выходные данные, с максимальной позицией 128 000.

• Лицензия — LFM Open License v1.0, те же непермиссивные, но открытые условия, что и у остальных представителей семейства.

• Предобучение — основа LFM3-1.7B-Base, всего 22 трлн токенов, с расширением контекста до 128K и расширением до 256K, использованным на этапе промежуточного обучения.

• Не рекомендуется для — программирования, многоходовых диалогов или сложных рассуждений, согласно указаниям на самой карточке.

Вот эту последнюю строку стоит прочитать дважды. Модель, которую явно не рекомендуют для многоходовых диалогов, — это ещё и модель, чьё 128K-окно контекста будет трудно использовать так, как длинный контекст обычно используется. Окно действительно есть, и оно почти в четыре раза больше 32 768 токенов LFM2.5-VL-3B. Кроме того, на модели с 1,92 млрд параметров это KV-кэш, который растёт быстрее, чем веса, к которым он привязан.

Шестьдесят два бенчмарка, одна лаборатория и таблица, которая называет своих соперников

Раздел бенчмарков — самая полезная часть релиза, и не только потому, что цифры высоки. Liquid опубликовала таблицу из 62 бенчмарков, в которой её собственная модель представлена в двух конфигурациях наряду с девятью конкурентами: 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 и Gemini 3.5 Flash Lite. Каждая оценка нормализована к диапазону 0–100, каждая категория — это невзвешенное среднее по её бенчмаркам, а итоговый показатель — невзвешенное среднее по всем 62.

Это артефакт, который легче опровергнуть, чем график из пресс-релиза. В нём названы инструменты, названы конкуренты, а в сносках карточки указано, какие модели работали с включённым режимом рассуждения, а какие — нет. Это всё равно работа вендора: Liquid выбрала 62 бенчмарка, прогнала каждую модель и опубликовала таблицу. Никто за пределами компании не воспроизвёл ничего из этого.

• Среднее — 71,4 для LFM3-VL-2B против 57,6 для LFM2.5-VL-3B и 57,5 для MiniCPM-V 4.7 1B.

• Документы, OCR и графики — 83,9, категория, на которую сильнее всего опирается аргумент о работе на устройстве.

• понимание GUI — 83,1 против 66,0 у LFM2.5-VL-3B.

• Визуальная привязка — 77,3 против 68,3.

• Видео — 61,2 против 41,3 у первой модели LFM vision, которая вообще поддерживает видео.

• Агентность — 42,5 против 21,1. Самая слабая категория для каждой малой модели в таблице.

• Математика и логическое мышление — 68,8 против 40,6. Запомните это число; оно самое интересное.

В карточке в текстовой форме приводятся три сравнительных утверждения: что LFM3-VL-2B опережает все модели сопоставимого размера как минимум на 8 баллов по 62 бенчмаркам, что он не уступает Gemma 4 12B и что он оказывается в пределах 2 баллов от GPT-5.6 Luna, опережая Gemini 3.5 Flash Lite. При сверке с таблицей они подтверждаются: средний балл Gemma 4 12B — 71,7, GPT-5.6 Luna — 73,4, Gemini 3.5 Flash Lite — 70,0. То, что модель с 1,92B в среднем отличается от 12B-модели менее чем на 0,3 балла, — главное утверждение, и это заявление вендора о числах, полученных вендором.

Переключатель мышления выполняет большую часть работы

LFM3-VL-2B сообщает две оценки для одних и тех же весов. В режиме рассуждений он в среднем набирает 71,4. При отключённом мышлении он в среднем набирает 62,1. Разрыв распределён по категориям неравномерно — он сосредоточен там, где вы ожидали бы, что рассуждение поможет, и почти отсутствует там, где нет.

• Математика и логическое мышление — 68,8 с рассуждением, 41,0 без него. Разница в 27,8 пункта — самая большая с огромным отрывом.

• Документы, OCR и диаграммы — 83,9 против 71,6. Разрыв в 12,3 пункта на задачах, которые кажутся перцептивными, но часто таковыми не являются.

• Понимание GUI — 83,1 против 81,5. Почти не меняется, что позволяет предположить: навык чтения экрана заключён в энкодере и посттренинге, а не в цикле рассуждений.

• Восприятие — 75,6 против 68,9.

• В среднем — 71,4 против 62,1.

Следствие в том, что сравнение, вынесенное в заголовок, льстит новой модели вполне определённым образом. LFM2.5-VL-3B не поддерживает режим рассуждения, поэтому Liquid сравнивает «думающую» модель с «недумающей». Честное сравнение — 62,1 против 57,6: победа всё ещё есть, но с отрывом в 4,5 балла, а не в 13,8. И в такой конфигурации модель уже не опережает всё ближайшее окружение: Qwen3.5 2B в среднем набирает 64,0, хотя этот показатель тоже получен в прогоне с включённым режимом рассуждения.

Ничто из этого не делает релиз менее интересным. Это делает релиз понятным. Liquid создала небольшую модель, развертывание которой по умолчанию быстрое и не предполагает рассуждений, а её потолок гораздо выше, если дать ей подумать. Какое число относится к вам, полностью зависит от того, может ли ваш продукт позволить себе задержку цикла рассуждений на телефоне.

Что можно получить за 1,92 млрд на устройстве

Аргумент об эффективности — это то, что Liquid на самом деле продаёт, и карта подкрепляет его измерениями, а не эпитетами. На одном NVIDIA B300 с SGLang в BF16 модель выдаёт более 12 000 выходных токенов в секунду при 1 024 одновременных запросах. Эта цифра говорит больше о батчинге, чем о самой модели, но она подтверждает, что контур обслуживания существует с первого дня.

На устройстве карточка публикует показатели prefill, decode и пикового потребления памяти для каждой сравниваемой модели при фиксированной нагрузке: одно изображение 512×512, 1 024 входных текстовых токена, 256 выходных токенов, всё в llama.cpp с языковой моделью Q4_0 GGUF и F16 vision projector. Это воспроизводимая конфигурация, и именно на столбец памяти стоит смотреть, прежде чем останавливать выбор на телефоне.

Инструментарий реальный, но неравномерный. Поддержка SGLang была уже на старте. Поддержка llama.cpp находится на рассмотрении — пул-реквест 31252 — и сопровождается явной оговоркой от Liquid: видеовхода пока нет. Веса GGUF существуют и появились за восемь дней до анонса. Если видео — причина, по которой вам нужна эта модель, локальный путь ещё не завершён, и в карточке это указано.

Что пока ещё непознаваемо

{{1}}Честная граница этого материала: все количественные данные выше получены от Liquid AI. Независимой оценки LFM3-VL-2B нет, записи в сторонних лидербордах нет, воспроизведения набора из 62 бенчмарков нет, и по состоянию на 28 октября не опубликована цена за токен для этой модели в собственном API Liquid. В карточке указана доступность через Hugging Face, Liquid playground и Liquid API, а веса открыты, но «открытые веса» и «независимо подтверждено» — разные утверждения.{{/1}}

Существует также разрыв между агрегированной оценкой и реальным развёртыванием. Среднее по 62 бенчмаркам — хороший инструмент для ранжирования моделей и плохой для прогнозирования вашей рабочей нагрузки. Категории, в которых LFM3-VL-2B сильнее всего — понимание GUI, визуальная привязка, чтение документов и графиков — именно те, где выбор поставщиком экземпляров бенчмарка может сдвинуть оценку на несколько пунктов. Категории, в которых она слабее всего, — агентная работа с показателем 42.5, — те, которые, скорее всего, будут наиболее важны для сценария робототехники, который рекламирует карточка модели.

Куда это вписывается, если вы что-то создаёте

LFM3-VL-2B отсутствует в каталоге OrcaRouter на момент написания — это чекпоинт, который вы скачиваете и запускаете самостоятельно, а не то, что вы вызываете через наш API. Это скорее формирует полезный паттерн, чем исключает его. Модели, с которыми этот релиз конкурирует по стоимости — облачные vision-модели, обрабатывающие длинный хвост документов и видео — это как раз те, которые вы бы маршрутизировали, и размещение локального чекпоинта и облачного фолбэка по разные стороны одного решения о маршрутизации — это та архитектура, за которую на самом деле говорят цифры. Запуск модели с 1.92B параметров на устройстве с эскалацией сложных кадров на более крупную облачную модель — это та схема развёртывания, которая делает показатель 62.1 приемлемым, потому что случаи, на которых она ошибается, — это как раз те случаи, которые покидают устройство.

Для моделей, которые мы действительно маршрутизируем, один эндпоинт — это один ключ, никакого второго контракта, и автоматическое переключение между провайдерами, когда основной деградирует. Это та половина системы, которой нужен роутер; половине, работающей на устройстве, нужна хорошая квантизация и бюджет заряда батареи.

Что изменило бы эту картину?

Три вещи — в порядке того, насколько сильно они могли бы повлиять. Независимое воспроизведение таблицы с 62 бенчмарками либо подтвердило бы самое интересное утверждение из релиза, либо изменило бы его. Сборка llama.cpp с поддержкой видео, влитая в основную ветку, превратила бы аргумент о работе на устройстве из плана в продукт. А опубликованная цена API позволила бы любому сравнить его по параметру, который определяет большинство внедрений и который прямо сейчас представляет собой пустую ячейку.

До этого момента обоснованное прочтение остаётся узким и полезным: Liquid выпустила визуальную модель на 1,92 млрд параметров, которая превосходит модель на 3,1 млрд, которую она заменяет, в собственном наборе тестов поставщика, решительно выигрывает это сравнение при включённом reasoning и с небольшим перевесом — при выключенном, а также лидирует в своём размерном классе на экранах и документах. Репозиторий был публичным за восемь дней до анонса, что является фактом о процессе запуска Liquid, а не о модели, — но именно поэтому первое освещение LFM3-VL-2B было предположением, а не обзором.