Liquid AI lanza LFM2.5-VL-3B, modelo multimodal eficiente para inferencia en dispositivos
Hecho Qué ha ocurrido
Liquid AI ha anunciado LFM2.5-VL-3B, un modelo de visión-lenguaje de 3 mil millones de parámetros optimizado para ejecución en dispositivos periféricos. El modelo combina un codificador de visión SigLIP2 400M con la arquitectura base LFM2.5-2.6B, preentrenado en 34 billones de tokens con 4x más datos de visión que versiones anteriores, e incluye soporte para 128K vocabulario para scripts no latinos. Alcanza 228 tokens/segundo en MacBook M5 Max, 116 en Ryzen AI Max+, y hasta 20 en Galaxy S26 Ultra, operando completamente en dispositivo con apenas 3GB de memoria.
Resumen generado mediante IA a partir de Hugging Face (original en inglés). Naturaleza de la información: hecho documentado.
Análisis Por qué importa
Representa un avance en la viabilidad de modelos multimodales avanzados sin depender de infraestructura en la nube, reduciendo latencia, costes operativos y dependencias de conectividad para empresas que necesiten procesamiento visual en tiempo real. Su soporte inmediato en múltiples marcos de inferencia (vLLM, llama.cpp, ONNX) facilita la integración en sistemas existentes.
- Quién se ve afectado
- Desarrolladores de aplicaciones móviles, empresas con flujos de procesamiento de documentos y OCR, plataformas de visión por computadora que requieren ejecución local, y proveedores de soluciones IoT y edge computing.
- Qué puede cambiar
- Permite ejecutar capacidades de comprensión visual complejas (understanding de documentos, lectura de pantallas, grounding de objetos, llamadas a funciones) directamente en dispositivos sin transferencia de datos hacia servidores. Esto facilita casos de uso en privacidad, latencia crítica y aplicaciones offline.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Adopción en plataformas de desarrollo móvil y edge; validación de rendimiento en producción real; comparativa de eficiencia energética frente a modelos cloud; integración en herramientas empresariales de procesamiento documental; evolución de benchmarks multimodales para modelos de tamaño pequeño.
Recomendación Qué debería hacer una empresa
Equipos de mobile y edge AI deberían evaluar LFM2.5-VL-3B en los próximos 2-3 meses para casos de uso de captura de documentos, OCR y comprensión visual local; verificar compatibilidad con infraestructura ONNX/vLLM existente antes de inversión productiva.
Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.
Fuente original: Hugging Face (fuente primaria). La referencia es siempre el artículo original.
Ver fuente original ↗LLMvisión-lenguajeedge AIOCRSigLIP2 edge AIinferencia localLFM2.5-VL-3Bmodelos multimodalesprocesamiento de documentos
Relacionadas
Lenovo apuesta por IA híbrida local con su asistente Qira en IFA 2026
En IFA de Berlín, Lenovo presentó su visión de IA centrada en Qira, un asistente personal que funciona a través de PC, móviles, tablets y el Moto Watch Ultra…
Por qué importaLa estrategia de Lenovo refleja una tendencia hacia modelos de IA local que priorizan privacidad y reducción de dependencia de la nube, algo…
Google y Cathay Pacific amplían pruebas de IA para evitar estelas de condensación
Google Research está ampliando con Cathay Pacific un programa piloto que usa IA, imágenes satelitales y datos meteorológicos para ajustar ligeramente la…
Por qué importaEs un ejemplo de aplicación de IA a un problema climático concreto en un sector con difícil descarbonización, usando infraestructura existente sin…
Gemini Spark de Google ya puede gestionar bibliotecas de Google Photos
Google anunció que su agente personal Gemini Spark puede ejecutar tareas en Google Photos, como editar imágenes, curar álbumes, crear álbumes compartidos…
Por qué importaEs un ejemplo más de cómo las grandes tecnológicas integran agentes de IA en servicios de consumo masivo, buscando justificar el valor de las…
Instagram etiqueta erróneamente fotos reales como contenido generado por IA
Usuarios de Instagram reportan que Meta está aplicando la etiqueta 'AI Content' a imágenes que no fueron creadas ni editadas con IA generativa, mientras…
Por qué importaEl fallo erosiona la confianza en los sistemas de etiquetado de IA de las grandes plataformas justo cuando la detección de contenido sintético se…