Pular para o conteúdo
Local AI Wizard
Sua máquina
Tema

LFM2-VL-1.6B

Liquid AI · LiquidAI/LFM2-VL-1.6B

Licença dos pesos: Termos do publicador: LFM Open License v1.0 · código e componentes podem ter outros termos

Informado pelo publicador12 resultadosFicha de Liquid AI · lida em 2026-10-25 · sem ranking · ver
Memória necessária~2 GBPesos Q4 + margem, antes da reserva da máquina
Parâmetros1,6 BTotal de safetensors no Hub
Repositório atualizado2026-03-30Um commit não é data de lançamento

Qualidade

Sem score comparável

Ainda não acompanhamos benchmark público e comparável que cubra este modelo. Nenhuma nota é inferida.

Informado pelo publicador

12 resultados · ficha de Liquid AI · lida em 2026-10-25
RealWorldQA
65,75
MM-IFEval
46,35
InfoVQA (Val)
58,35
OCRBench
729
BLINK
44,50
MMStar
49,87
MMMU (Val)
39,67
MathVista
51,70
Todos os resultados informados12
SEEDBench_IMG
72,00
MMVet
47,75
MMLU
50,99

Valores como impressos na ficha, com a configuração do próprio publicador (seção da ficha: 📈 Performance); coluna “LFM2-VL-1.6B”. Não comparáveis entre publicadores e fora de qualquer ranking. Ficha do modelo

Roda em

Cabe na memória rápida 119

A estimativa de planejamento cabe na memória que o modelo usa rápido: a VRAM da placa de vídeo, ou a memória unificada dentro da fatia de GPU do macOS.

Mostrar todos os 119

Perfis de hardware agrupados pela estimativa de planejamento Q4 em cada máquina (GPUs dedicadas reservam 2 GB; memória unificada e do sistema, 25%, de 2 a 8 GB): cabe na memória rápida, fica na memória mas fora da parte rápida (camadas na RAM do PC, ou acima da fatia de GPU do macOS), ou falta um degrau de memória. Não é compatibilidade nem velocidade medida.

Considere para

Liquid AI lançou LFM2-VL-1.6B em 2025-08-12: um modelo de visão e linguagem que responde sobre imagens, com 1,58B parâmetros pela contagem do Hugging Face e licença Termos do publicador: LFM Open License v1.0. Idiomas declarados pelo publicador: en.

Confira antes

Licença: uso comercial permitido com condições: Uso comercial só enquanto a receita anual for inferior a USD 10 mi. Em Q4 os pesos somam cerca de 1,2 GB antes da reserva de cada máquina; resolução da imagem, quadros de vídeo e contexto somam memória, e o encoder visual precisa de suporte no runtime escolhido.

Velocidade medida

Nenhuma medição publicada para este checkpoint

Tokens por segundo só aparecem quando uma fonte os publica com hardware, build e configuração. Nunca são estimados.

Como rodar

Compatibilidade de runtime e tokens por segundo não foram medidos para este registro. Metadados publicados e estimativa de memória não comprovam uma execução local.

Biblioteca na fonte: transformers

Formas documentadas de rodar

Copiado como aparece na fonte vinculada (lida em 2026-10-18); não executado por este site.

Preparação indicada antes pela fonte · Transformers
pip install -U transformers pillow
Transformers · ficha do modelo · 🏃 How to run LFM2-VL
from transformers import AutoProcessor, AutoModelForImageTextToText
from transformers.image_utils import load_image

# Load model and processor
model_id = "LiquidAI/LFM2-VL-1.6B"
model = AutoModelForImageTextToText.from_pretrained(
    model_id,
    device_map="auto",
    dtype="bfloat16"
)
processor = AutoProcessor.from_pretrained(model_id)

# Load image and create conversation
url = "https://www.ilankelman.org/stopsigns/australia.jpg"
image = load_image(url)
conversation = [
    {
        "role": "user",
        "content": [
            {"type": "image", "image": image},
            {"type": "text", "text": "What is in this image?"},
        ],
    },
]

# Generate Answer
inputs = processor.apply_chat_template(
    conversation,
    add_generation_prompt=True,
    return_tensors="pt",
    return_dict=True,
    tokenize=True,
).to(model.device)
outputs = model.generate(**inputs, max_new_tokens=64)
processor.batch_decode(outputs, skip_special_tokens=True)[0]

# This image depicts a vibrant street scene in what appears to be a Chinatown or similar cultural area. The focal point is a large red stop sign with white lettering, mounted on a pole.

Escolher meu computador

Detalhes técnicos

O que a fonte e o catálogo guardam deste checkpoint. Campos ausentes ficam de fora, nunca como zero.

Checkpoint / fonte
LiquidAI/LFM2-VL-1.6B
Tarefa
image-text-to-text
Arquitetura
Lfm2VlForConditionalGeneration
Biblioteca na fonte
transformers
Licença dos pesos
Termos do publicador: LFM Open License v1.0LiquidAI/LFM2-VL-1.6B LICENSE: LFM Open License v1.0 (Hugging Face) · consultado em 2026-10-19fonte
Uso comercial
Permitido com condições Uso comercial só enquanto a receita anual for inferior a USD 10 mi · LFM Open License v1.0 (LiquidAI/LFM2-VL-1.6B LICENSE) · consultado em 2026-10-18texto da licença
Idiomas
enMetadados do model card · consultado em 2026-10-25fonte
Lançamento
LFM2-VL: Efficient Vision-Language Models | Blog | Liquid AI (publisher announcement; meta article:published_time) · consultado em 2026-10-19fonte
Todos os campos guardados13 campos
Revisão conferida
2c2e7f9b0f48a478d7d497ef1864519dfd3994cd
Arquitetura
Lfm2VlForConditionalGeneration
Biblioteca
transformers
Tag de tarefa no Hub
image-text-to-text
Formatos
transformers, safetensors
Acesso
Download aberto
Tipo de publicador
Oficial
Parâmetros no Hub
1.584.804.000safetensors.total
Repositório criado
2025-08-12criação não é o lançamento do modelo
Repositório atualizado
2026-03-30um commit não é data de lançamento
Downloads no Hub (30 dias) · curtidas
11.755 · 234só este repositório · lido em 2026-10-25
Lido na página do Hub
classe transformers, tags de tarefaVisão geral e lista de arquivos do Hub · lido em 2026-10-18
Estado no catálogo
Config ou pesos encontrados no Hub; sem vínculo de benchmark no inventário

Fontes

Identidade e especificações publicadas vêm da página do checkpoint. As notas pertencem à rodada indicada e não medem velocidade no seu computador.

Fatos curados verificados: 2026-10-19. A licença e a data de lançamento citam as fontes do publicador; parâmetros, arquivos e tarefa vêm do registro do Hugging Face, e a memória é uma estimativa rotulada a partir da contagem de parâmetros. Um valor que nenhuma fonte informa fica vazio; um commit do repositório não é a data de lançamento do modelo.