LFM2.5-VL-1.6B
Liquid AI · LiquidAI/LFM2.5-VL-1.6B
Licença dos pesos: Termos do publicador: LFM Open License v1.0 · código e componentes podem ter outros termos
Qualidade
Sem score comparável
Ainda não acompanhamos benchmark público e comparável que cubra este modelo. Nenhuma nota é inferida.
Informado pelo publicador
- MMStar
- 50,67VLMEvalKit
- MM-IFEval
- 52,29VLMEvalKit
- BLINK
- 48,82VLMEvalKit
- InfoVQA (Val)
- 62,71VLMEvalKit
- OCRBench (v2)
- 41,44VLMEvalKit
- RealWorldQA
- 64,84VLMEvalKit
- MMMU (Val)
- 40,56VLMEvalKit
- MMMB (avg)
- 76,96VLMEvalKit
Todos os resultados informados
- Multilingual MMBench (avg)
- 65,90VLMEvalKit
Valores como impressos na ficha, com a configuração do próprio publicador (seção da ficha: 📊 Performance); coluna “LFM2.5-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.
Liquid AI lançou LFM2.5-VL-1.6B em 2026-01-05: um modelo de visão e linguagem que responde sobre imagens, com 1,6B parâmetros pela contagem do Hugging Face e licença Termos do publicador: LFM Open License v1.0. Idiomas declarados pelo publicador: en, ja, ko, fr, es, de, ar, zh.
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.
pip install transformers pillowfrom transformers import AutoProcessor, AutoModelForImageTextToText
from transformers.image_utils import load_image
# Load model and processor
model_id = "LiquidAI/LFM2.5-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://cdn.britannica.com/61/93061-050-99147DCE/Statue-of-Liberty-Island-New-York-Bay.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 showcases the iconic Statue of Liberty standing majestically on Liberty Island in New York Harbor. The statue is positioned on a small island surrounded by calm blue waters, with the New York City skyline visible in the background.Detalhes técnicos
O que a fonte e o catálogo guardam deste checkpoint. Campos ausentes ficam de fora, nunca como zero.
- Checkpoint / fonte
- LiquidAI/LFM2.5-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/LFM2.5-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
- en, ja, ko, fr, es, de, ar, zhMetadados do model card · consultado em 2026-10-25fonte
- Lançamento
- Introducing LFM2.5: The Next Generation of On-Device AI | Blog | Liquid AI (publisher announcement; meta article:published_time) · consultado em 2026-10-19fonte
Todos os campos guardados
- Revisão conferida
- 919fde3d022e3f90a4716006f993938ee8c2eb97
- Arquitetura
- Lfm2VlForConditionalGeneration
- Biblioteca
- transformers
- Tag de tarefa no Hub
- image-text-to-text
- Modelos base declarados
- LiquidAI/LFM2.5-1.2B-Base
- Formatos
- transformers, safetensors
- Acesso
- Download aberto
- Tipo de publicador
- Oficial
- Parâmetros no Hub
- 1.596.625.904safetensors.total
- Repositório criado
- 2026-01-05criação não é o lançamento do modelo
- Repositório atualizado
- 2026-03-30um commit não é data de lançamento
- Downloads no Hub (30 dias) · curtidas
- 25.051 · 333só 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.
- Ficha do publicador
- Licença: LiquidAI/LFM2.5-VL-1.6B LICENSE: LFM Open License v1.0 (Hugging Face)
- Data de lançamento: Introducing LFM2.5: The Next Generation of On-Device AI | Blog | Liquid AI (publisher announcement; meta article:published_time)
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.






























































