FastVLM を選ぶ場合
- ブラウザや iPhone デモ向けに最小の高解像度モデルが欲しい
- パイプラインが Apple ハードウェア上の MLX や Core ML
- 大きな画像での TTFT が最適化指標
FASTVLM VS LFM2.5-VL
FastVLM vs LFM2.5-VL
LFM2.5-VL は Liquid AI の2026年エッジ視覚ファミリーで、4月に 450M、8月にグラウンディング、画面理解、関数呼び出しを追加した 3B が公開されました。FastVLM はエンコーダ効率を中心に設計された Apple の2025年ファミリーです。各社の公式記載を比較します。
比較一覧
| 項目 | FastVLM | LFM2.5-VL |
|---|---|---|
| 開発元 | Apple の研究者 | Liquid AI |
| サイズと公開 | 0.5B · 1.5B · 7B（2025年） | 450M（2026年4月8日）· 3B = 2.6B LM + SigLIP2 400M NaFlex（2026年8月12日） |
| オブジェクトグラウンディング（ボックス） | 公式には未対応 | 対応。RefCOCO-avg 87.9（3B）、RefCOCO-M 81.28（450M）、Liquid 報告値 |
| 画面 / UI 理解 | 文書/OCR スコアは高いが ScreenSpot の数値は未公開 | ScreenSpot-v2 デスクトップ 78.7 · モバイル 81.2 · Web 82.2（3B、Liquid 報告値） |
| 関数 / ツール呼び出し | 公式には未対応 | 対応 |
| 複数画像 | 公式例では単一画像 | 対応 |
| ブラウザ（WebGPU） | 0.5B ONNX（本サイト） | LFM2.5-VL-3B-ONNX と公式 WebGPU Space |
| ランタイム | Transformers · MLX（公式アプリ）· Core ML · Transformers.js | llama.cpp · MLX · vLLM · SGLang · ONNX · LEAP（初日対応、Liquid 記載） |
| 公表オンデバイス速度 | 1152 px で LLaVA-OneVision-0.5B より最大85倍速い TTFT。トークン/秒は未公開 | 3B：M5 Max で 228 tok/s、Galaxy S26 Ultra で 20 tok/s、約3 GB メモリ（Liquid） |
| ライセンス | Apple ML Research ライセンス | LFM Open License（現行版はモデルカードを確認） |
確認日 2026-09-17
選択の要約
- LFM2.5-VL はボックス、ツール呼び出し、複数画像、GGUF など多くの機能を公式に記載しており、エージェント型エッジアプリに適合しやすい。
- FastVLM は高解像度でのエンコーダ効率の基準であり、Apple プラットフォーム統合（MLX アプリ、Core ML アセット）が最も密接。
- どちらもブラウザ版があり、3B の LFM モデルは FastVLM-0.5B の約3倍のメモリが必要。
LFM2.5-VL を選ぶ場合
- バウンディングボックス、UI グラウンディング、関数呼び出しが必要
- llama.cpp/GGUF で Android、Windows、Linux に配布する
- Liquid の公表スループットを出発点にしたい
表の読み方
上記の数値はすべてベンダー自身のハードウェアと評価環境での報告値です。FastVLM の85倍は特定解像度での TTFT 比、Liquid のトークン/秒は特定デバイスでのデコード速度で、いずれも一般的な順位ではありません。
よくある質問
FastVLM はバウンディングボックスに対応？
Apple のモデルカードにはグラウンディング出力の記載がありません。位置を文章で説明させることはできますが、LFM2.5-VL のような評価済みのボックス形式はありません。
Android で動くのは？
LFM2.5-VL は llama.cpp 用 GGUF を提供し、Liquid はスマートフォンの数値を公表しています。FastVLM に公式の Android 経路はなく、コミュニティの GGUF や ONNX 移植はここでは扱いません。