Liquid AI ha publicado LFM2.5-VL-3B, un modelo de visión y lenguaje de 3.100 millones de parámetros pensado para correr en el dispositivo. Ocupa unos 3 GB de memoria y saca 20 tokens por segundo en un Galaxy S26 Ultra. En la media del conjunto de pruebas marca 69,4, la misma cifra que InternVL 3.5 4B, que es un modelo más grande.
Puntos clave
- 3.100 millones de parámetros, unos 3 GB de memoria, con codificador de visión SigLIP2 400M NaFlex.
- Velocidad: 228 tokens/s en la CPU de un M5 Max, 116 en Ryzen AI Max+, 20 en un Galaxy S26 Ultra y unos 11.000 tokens/s en GPU con alta concurrencia.
- ToolSandbox: 59,5 frente a los 47,7 de Qwen3.5-2B.
- MMStar 63,3 (InternVL 3.5 4B marca 65,5 y Qwen3.5-4B, 59,3); RefCOCO 87,9 frente a 88,8.
En qué es bueno
El perfil del modelo está claro leyendo dónde gana y dónde pierde. En MMStar, que mide comprensión visual general, se queda por debajo de InternVL 3.5 4B (63,3 contra 65,5). En anclaje visual sobre RefCOCO, casi empata (87,9 contra 88,8). En ScreenSpot Desktop, que mide entender interfaces de escritorio, pierde por más (78,7 contra 82,0).
Donde se despega es en ToolSandbox, la prueba de llamada a funciones: 59,5 contra los 47,7 de Qwen3.5-2B. Traducido, este modelo está afinado para mirar una pantalla y decidir qué hacer, no para describir una foto bonita.
Sus puntos declarados encajan con eso: comprensión de pantallas e interfaces, anclaje de objetos con consultas en lenguaje natural, razonamiento sobre varias imágenes a la vez y llamada a funciones. Documentos, gráficas y OCR entran en el paquete.
Esta es la segunda entrega reciente de la casa. En agosto ya publicaron LFM2.5-2.6B, su modelo de texto para agentes locales con 128K de contexto, y MacPaw los fichó para dar inferencia local a los desarrolladores de Setapp. La estrategia es consistente: modelos pequeños que van rápido en hardware que la gente ya tiene.
Las cifras de velocidad, en contexto
228 tokens por segundo en la CPU de un MacBook Pro con M5 Max es la cifra que hay que mirar dos veces. En CPU, sin tocar la GPU. Eso significa que el modelo puede correr de fondo en un portátil de trabajo sin comerse los recursos de la máquina.
Los 20 tokens por segundo en un Galaxy S26 Ultra son la otra referencia. Es aproximadamente la velocidad a la que una persona lee cómodamente, así que un asistente visual en el móvil, sin conexión, responde a ritmo de lectura.
Y los 11.000 tokens por segundo en GPU con alta concurrencia apuntan al otro caso: procesar lotes grandes de documentos o capturas de pantalla en un servidor propio.
Por qué importa
El caso de uso más directo para una empresa es la automatización sobre pantallas antiguas. Todo el mundo tiene un sistema que no tiene API: un terminal del ERP, un portal de un proveedor, una pantalla de un almacén. Un modelo que entiende interfaces y llama a funciones puede leer esa pantalla y actuar sobre ella.
La ventaja de que quepa en 3 GB es que ese trabajo no tiene que salir de la empresa. Ni facturas ni albaranes ni pantallas con datos de cliente subiendo a una API externa.
Con el matiz que toca: 3.100 millones de parámetros no es Claude. Este modelo clasifica, extrae y decide sobre tareas acotadas. Para lo demás sigue haciendo falta el modelo grande, y el diseño sensato es local para el volumen y nube para lo difícil.
Relacionado
