Segun MarkTechPost (AI/ML News), Liquid AI presentó el modelo LFM2.5-VL-3B el pasado 12 de agosto de 2026. Este sistema de inteligencia artificial de visión y lenguaje, con 3.1 billones de parámetros, está diseñado para operar directamente en dispositivos móviles, escritorios y navegadores web. Su función principal consiste en interpretar pantallas digitales, identificar elementos visuales mediante coordenadas espaciales, analizar documentos y gráficos, y ejecutar herramientas basadas en entradas de texto o imágenes. En pruebas realizadas sobre 28 métricas de visión, el modelo obtuvo un promedio de 69.4, resultado que se sitúa en línea con InternVL-3.5-4B, aunque queda 0.7 puntos por debajo del Qwen3.5-4B, ambos modelos de 4.7 billones de parámetros. Diferenciándose por su enfoque no deductivo, LFM2.5-VL-3B responde de forma directa, minimizando el tiempo de respuesta. Su consumo de memoria es de aproximadamente 3 GB, y alcanza una tasa de decodificación de 228 tokens por segundo en dispositivos Apple M5 Max.
El modelo está disponible en cuatro formatos: nativo, GGUF, ONNX y MLX, lo que permite su integración en diversas plataformas. Su ejecución inicial se soporta mediante entornos como llama.cpp, MLX, vLLM, SGLang y ONNX. En cuanto a licencias, el LFM Open License v1.0 se basa en Apache-2.0, pero incluye una condición clave: las empresas que superan los 10 millones de dólares anuales en ingresos deben negociar una licencia comercial. Empresas de tamaño mediano, startups y desarrolladores independientes pueden utilizarlo sin costo comercial, mientras que entidades industriales con ingresos superiores deben acordar un contrato directo. Las actividades de investigación, educación y servicios no lucrativos no están sujetas a este límite.
Las aplicaciones potenciales abarcan sectores clave como electrónica de consumo, automotriz, robótica industrial, servicios financieros, salud y comercio electrónico. También es útil para empresas que automatizan interfaces gráficas, como en pruebas de calidad (QA) o procesos de automatización de tareas (RPA). Ejemplos concretos incluyen agentes de interfaz en dispositivos móviles, validación automática de pantallas, extracción de texto estructurado de PDFs con etiquetas visuales, reconocimiento óptico de caracteres (OCR) en comprobantes y recibos, detección en tiempo real de objetos en vehículos, traducción offline de menús y señales vial, y comparación entre imágenes.
En comparación con su versión anterior, LFM2.5-VL-3B mejora significativamente en comprensión de pantallas y interfaces. Su desempeño promedio en ScreenSpot-v2 alcanza 80.7 puntos, con 78.7 en escritorios, 81.2 en móviles y 82.2 en navegadores web. Este avance demuestra una mayor capacidad para adaptarse a entornos heterogéneos, lo que es especialmente relevante para el mercado peruano. En un contexto donde muchas empresas aún dependen de soluciones locales y de bajo costo, este modelo ofrece una alternativa viable para pequeños y medianos negocios que necesitan automatizar procesos sin invertir en infraestructura especializada. La posibilidad de usarlo sin costo en fases iniciales puede acelerar la innovación en sectores como comercio, servicios y logística, donde la interacción con pantallas digitales es constante.