LFM2-VL-3B-GGUF

קוד פתוח

LiquidAIother2025-10-22

gguf
vision
vlm
liquid
lfm2

מודל ראייה ושפה קומפקטי בפורמט שמתאים להרצה מקומית. הוא פונה למי שרוצה לפענח תמונות ישירות על חומרה חלשה בלי להיות תלוי ברשת.

20.0 GBמשקל הקבצים
3,046הורדות בחודש
54לייקים

מה זה

מדובר במודל שמשלב קלט של תמונה וטקסט ומחזיר טקסט, בגודל של שלושה מיליארד פרמטרים. המטרה המרכזית שלו היא ביצועים על מכשירי קצה, כלומר מחשבים ניידים, שרתים קטנים או מעבדים מקומיים, שבהם הזיכרון מוגבל וזמן התגובה חייב להיות מהיר. הפורמט שבו הוא מופץ מאפשר לטעון אותו ישירות לתוכנות הרצה קלות בלי להתעסק בהגדרות מסובכות של סביבות פיתוח כבדות.

המודל כולל תמיכה מובנית במספר שפות, בהן אנגלית, יפנית, צרפתית, ספרדית, גרמנית, איטלקית, פורטוגזית וערבית. הוא מיועד לניתוח תמונות, מענה על שאלות שקשורות בתוכן ויזואלי, וחילוץ מידע בסיסי מתוך מסמכים או תצלומים, בלי לדרוש תשתית ענן מנופחת.

מתאים ל

פענוח תמונות על מכשיר קצה
הוא מיועד להרצה מקומית ומאפשר ניתוח תמונות מהיר בלי תלות בחיבור רשת.
חילוץ מידע רב לשוני מתמונות
הוא תומך בשמונה שפות שונות ומאפשר קריאת טקסט וניתוח תמונות מגוונות.
בדיקות מקומיות על מחשב אישי
הפורמט המכווץ רץ בצורה חלקה דרך llama.cpp גם על חומרה ביתית פשוטה.

איפה זה נופל

הכרטיס לא מציג מדדי ביצועים רשמיים, מבחני השוואה או פירוט על מגבלות הראייה שלו. בנוסף, עברית אינה מופיעה ברשימת השפות הנתמכות, ולכן מי שבונה עליו לקריאת טקסט בעברית מתוך תמונות יצטרך לבדוק אותו בזהירות לפני שילוב במערכת פעילה.

אותה משפחה

LFM2-VL יצא ב־6 גרסאות שיש להן עמוד כאן. אלה האחרות, לפי כמה מורידים אותן.

LFM2-VL-1.6B33,781 LFM2-VL-1.6B-GGUF22,488 LFM2-VL-450M15,113 LFM2-VL-450M-GGUF13,722 LFM2-VL-3B2,363

שאלות
נפוצות

האם אפשר להריץ אותו על מחשב נייד בלי כרטיס מסך ייעודי?

כן, בגרסאות המכווצות כמו Q4_0 המודל צורך מעט זיכרון. מעבד מודרני עם זיכרון עבודה סביר יוכל להתמודד עם המשימה דרך כלי הרצה מקומיים.

האם המודל יודע לקרוא מסמכים ותמונות בעברית?

עברית לא מופיעה ברשימת השפות הרשמית של המודל. הוא נבנה עבור שפות אחרות כמו אנגלית וערבית, כך שייתכן שיתקשה לזהות אותיות עבריות בצורה מדויקת.

איך מריצים

את המודל מריצים ישירות דרך כלי שורת הפקודה של llama.cpp באמצעות הפקודה llama-mtmd-cli. יש שתי צורות עבודה עיקריות שמופיעות בתיעוד. אפשרות אחת היא דיוק מלא בתצורת F16 שדורשת יותר זיכרון אבל שומרת על איכות מקסימלית, ואפשרות שנייה היא גרסה מכווצת כמו Q4_0 למהירות גבוהה וצריכת זיכרון מינימלית.

בשביל גרסת שלושה מיליארד פרמטרים מכווצת מספיק כרטיס מסך בסיסי או אפילו מעבד מודרני עם זיכרון משותף. אם אתם צריכים לנתח אלפי תמונות בדקה בסקייל רחב, כנראה שעדיף לשלם על שירות ענן חיצוני ולא להחזיק שרתים משלכם.

ollama run hf.co/LiquidAI/LFM2-VL-3B-GGUF:Q4_K_M

איזו גרסה

אותו מודל בכמה רמות דחיסה. ככל שהמספר נמוך יותר הקובץ קטן יותר ורץ על פחות זיכרון, והתשובות נהיות פחות מדויקות. רוב האנשים רוצים את הגדולה ביותר שנכנסת להם בזיכרון.

BF165.1 GB F165.1 GB Q8_02.7 GB Q6_K2.1 GB Q5_K_M1.8 GB Q4_K_M1.6 GB Q4_01.5 GB F16860.8 MB Q8_0586.8 MB

הקבצים

14 קבצים במאגר, 20.0 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

הרישיון מוגדר כרישיון מותאם אישית ולא כרישיון קוד פתוח סטנדרטי. החברה מפנה לצוות המכירות שלה לפתרונות מותאמים, ולכן לפני שימוש מסחרי בקוד או שילוב במוצר חובה לבדוק את תנאי השימוש המדויקים מול המפתח כדי למנוע חשיפה משפטית.

הרישיון המלא בעמוד המודל ↗