/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
455 млн
Лицензия
Своя лицензия
Архитектура
qwen3 · dense
Базовая модель
LFM2.5-VL-3B
Библиотека
sglang
Опубликована
18 сен 2026

LFM2.5-VL-3B-DSpark

Изображение и текст → текст3 профессии

Вспомогательная модель Liquid AI для ускорения спекулятивного декодирования мультимодальной LFM2.5-VL-3B.

1 032скачиваний за 30 дней18лайковвеса обновлены24 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

LFM2.5-VL-3B-DSpark — экспериментальная вспомогательная модель Liquid AI для ускорения генерации мультимодальной модели LiquidAI/LFM2.5-VL-3B методом спекулятивного декодирования. Она предлагает черновые токены, которые затем проверяет целевая модель, поэтому при жадном декодировании результат совпадает с её обычным выводом; при ненулевой температуре сохраняется распределение ответов целевой модели. Это не самостоятельная модель для получения ответов: для работы ей нужна соответствующая целевая модель.

Черновая часть содержит 279,5 млн параметров в BF16; в метаданных репозитория указано 455,1 млн параметров. Архитектура включает четыре слоя полного внимания, GQA, Markov head и confidence head. Метаданные указывают контекст до 128 000 токенов. Модель предназначена для ускорения задач анализа изображений и визуальных вопросов целевой модели. В README заявлено ускорение до 2,66 раза на H100 с SGLang и до 3,13 раза на Apple M5 Max с MLX-VLM; фактический выигрыш зависит от оборудования и среды выполнения.

Для использования нужны совместимая целевая модель и поддерживаемый runtime: SGLang для NVIDIA GPU, MLX-VLM для Apple silicon или GGUF-версия для llama.cpp. Для SGLang требуется версия 0.5.19 или новее; для MLX-VLM — 0.7.2 или новее, где режим DSpark использует жадное декодирование. Лицензия обозначена как other, поэтому условия следует проверять в карточке модели.

Сценарии применения

  • Ускорение ответов на вопросы по изображениям с LFM2.5-VL-3B
  • Ускорение описания изображений целевой моделью
  • Ускорение визуального OCR целевой модели
  • Снижение времени генерации в мультимодальном диалоге

Ограничения

Не является самостоятельной моделью: требует соответствующую LFM2.5-VL-3B и совместимый runtime; выигрыш в скорости зависит от оборудования и настроек. Для MLX-VLM режим DSpark поддерживает только жадное декодирование.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

LFM2.5-VL-3B-DSpark

LFM2.5-VL-3B-DSpark is an experimental speculative-decoding draft model that brings DSpark to vision-language models. It allows LiquidAI/LFM2.5-VL-3B to decode substantially faster without changing its output, for a minimal increase in memory footprint.

This is a drafter for LiquidAI/LFM2.5-VL-3B. In SGLang on a single H100, decoding runs up to 2.66× faster. On Apple silicon, it reaches up to 3.13× with MLX-VLM on an M5 Max and up to 2.14× with llama.cpp on an M3 Ultra.

Find more information about LFM2.5-VL-3B-DSpark in our blog post.

🗒️ Model Details

LFM2.5-VL-3B-DSpark is a DSpark speculative-decoding draft model with the following features:

  • Target model: LiquidAI/LFM2.5-VL-3B
  • Draft parameters: 279.5M (BF16)
  • Backbone: 4 full attention layers, hidden_size=2048, intermediate_size=6144 with SiLU/SwiGLU, GQA with num_attention_heads=32 / num_key_value_heads=8, head_dim=64
  • Extra heads: Markov head (rank 256) + confidence head
  • Block size: 9 during training; 8 or 9 at inference, depending on hardware
  • Vocabulary: 128,000

[!NOTE] On Apple silicon the drafter is run at block size 8 rather than 9.

Use each drafter checkpoint with its corresponding target model:

DrafterTarget
LFM2.5-VL-3B-DSparkLFM2.5-VL-3B
LFM2.5-VL-3B-DSpark-GGUFLFM2.5-VL-3B-GGUF

📊 Performance

Benchmarks

Speculative decoding is exact under greedy decoding: the target verifies every proposed token, so the generated text is what the target would have produced on its own. Under matched sampling settings at non-zero temperatures, speculative decoding preserves the target model's output distribution. You get the speedup, not a different model.

See LiquidAI/LFM2.5-VL-3B for quality benchmarks.

Draft acceptance

This table reports the mean number of draft tokens accepted per target verification pass at batch size 1 and temperature 0. Higher acceptance generally enables greater acceleration, but the measured speedup also depends on hardware and runtime overhead.

Following MMSpec, the evaluation covers General VQA, Text VQA, Image Captioning, Chart VQA, Complex Reasoning, and Multi-turn Conversation.

Benchmark1×H100 (SGLang, block 9)Apple M5 Max (MLX-VLM, block 8)Apple M3 Ultra (llama.cpp, block 8)
MMMU-Pro4.114.074.19
Multi-turn3.463.243.31
COCO4.574.214.50
CharXiv4.114.344.04
TextVQA3.744.083.58
GQA4.143.773.93

Measured inference speedup

This table reports the resulting runtime performance relative to the same target model without DSpark. Each cell is formatted as decode / end-to-end.

Dataset1×H100 (SGLang)Apple M5 Max (MLX-VLM)Apple M3 Ultra (llama.cpp)
MMMU-Pro2.43× / 1.97×2.93× / 2.62×2.03× / 1.74×
Multi-turn2.04× / 1.83×2.30× / 1.91×1.57× / 1.37×
COCO2.66× / 2.27×3.13× / 2.59×2.14× / 1.77×
CharXiv2.39× / 1.97×2.94× / 1.71×1.87× / 1.56×
TextVQA2.14× / 1.64×2.69× / 1.56×1.64× / 1.33×
GQA2.35× / 1.77×2.67× / 1.93×1.77× / 1.30×

All measurements use 16-bit processing for both the vision encoder and language backbone. The H100 results use SGLang on one H100 80GB in BF16 at batch size 1, temperature 0, and block size 9. The Apple results use FP16 weights at batch size 1, temperature 0, block size 8, and up to 2,048 output tokens. Measurements were collected with Pipette.

🏃 Inference

LFM2.5-VL-3B-DSpark is supported by SGLang for NVIDIA GPUs and MLX-VLM for Apple silicon. For llama.cpp, use the GGUF checkpoint.

SGLang

Requires SGLang v0.5.19 or newer. Launch the target with the draft attached:

python -m sglang.launch_server \
  --model-path LiquidAI/LFM2.5-VL-3B \
  --speculative-algorithm DSPARK \
  --speculative-draft-model-path LiquidAI/LFM2.5-VL-3B-DSpark \
  --speculative-draft-attention-backend flashinfer \
  --speculative-dspark-block-size 9 \
  --disable-radix-cache --mem-fraction-static 0.8 --port 30000

Then query the OpenAI-compatible endpoint at http://localhost:30000/v1. The baseline is the same command without the --speculative-* flags.

MLX-VLM

On Apple silicon, use MLX-VLM v0.7.2 or newer. The drafter is detected automatically when passed with --draft-model:

python -m mlx_vlm.generate \
  --model LiquidAI/LFM2.5-VL-3B \
  --draft-model LiquidAI/LFM2.5-VL-3B-DSpark \
  --draft-block-size 8 \
  --image /path/to/image.jpg \
  --prompt "Describe this image." \
  --max-tokens 256 \
  --temperature 0

DSpark decoding in MLX-VLM currently uses greedy sampling, so set --temperature 0.

📬 Contact

Citation

@article{liquidAI2026VL3B,
  author  = {Liquid AI},
  title   = {LFM2.5-VL-3B: A Better and Faster Vision-Language Model for the Edge},
  journal = {Liquid AI Blog},
  year    = {2026},
  note    = {www.liquid.ai/blog/lfm2-5-vl-3b},
}
@article{liquidAI2026vldspark,
  author = {Liquid AI},
  title = {LFM2.5-VL-DSpark: Accelerating vision-language models on edge and beyond},
  journal = {Liquid AI Blog},
  year = {2026},
  note = {www.liquid.ai/blog/lfm2-5-vl-dspark},
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · sglang

Нельзя запустить

Для архитектуры qwen3 нет загрузчика под задачу vision.

Класс архитектуры
Lfm2DSparkDraftModel
Ревизия весов
af77e93

0 моделей