LFM2.5-VL-3B：面向端侧更快更强的视觉语言模型
Liquid AI 发布视觉语言模型 LFM2.5-VL-3B，基于此前的 LFM2-VL-3B 在屏幕理解、grounding、函数调用和多图输入四方面做了改进，模型已在 Hugging Face 和 Playground 上线。
推荐理由：Liquid AI 发布 3B 端侧视觉语言模型，给出与更大模型的逐项基准对比和部署支持，可据此判断端侧多模态的当前水位。
技术方向
多模态 最新动态
文本之外的能力：视觉理解、图文混合、音视频输入输出的模型与产品进展。
22 条精选近 30 天 17 条共收录 53 条
更新
精选归档 · 第 2 页
日期栏展示收录日期，历史补录归入原文日期。
Liquid AI Blog精选AI 评分6262
Air Street Press精选AI 评分7878 FLUX 3：从视频生成到机器人控制
Black Forest Labs 上周发布多模态基础模型 FLUX 3，在单一架构中联合学习图像、视频和音频，可单次生成最长 20 秒带音频视频。其视频骨干被机器人公司 mimic 用于 FLUX-mimic，在软体装配任务上报告 95% 成功率，无需单任务微调，对比 π0.5 的 55% 和某流匹配策略的 70%。
推荐理由：FLUX 3 把视频生成骨干直接接到机器人动作预测上，读者可看到多模态世界模型向工业操作迁移的一条具体路径。