选择 FastVLM 的情况
- 需要最小的高分辨率模型用于浏览器或 iPhone Demo
- 流水线基于 Apple 硬件上的 MLX 或 Core ML
- 优化目标是大图上的首 Token 延迟
FASTVLM VS LFM2.5-VL
FastVLM vs LFM2.5-VL
LFM2.5-VL 是 Liquid AI 2026 年的边缘视觉系列：4 月发布的 450M 模型与 8 月发布的 3B 模型，后者新增目标定位、屏幕理解与函数调用。FastVLM 是 Apple 2025 年围绕编码器效率构建的系列。以下是双方的官方记录。
全部对比
| 项目 | FastVLM | LFM2.5-VL |
|---|---|---|
| 开发方 | Apple 研究人员 | Liquid AI |
| 规模与发布 | 0.5B · 1.5B · 7B（2025） | 450M（2026-04-08）· 3B = 2.6B 语言模型 + SigLIP2 400M NaFlex（2026-08-12） |
| 目标定位（框） | 非官方记录的功能 | 支持——RefCOCO-avg 87.9（3B）、RefCOCO-M 81.28（450M），Liquid 报告 |
| 屏幕 / 界面理解 | 文档/OCR 分数较高；未公布 ScreenSpot 数据 | ScreenSpot-v2 桌面 78.7 · 移动 81.2 · 网页 82.2（3B，Liquid 报告） |
| 函数 / 工具调用 | 非官方记录的功能 | 是 |
| 多图 | 官方示例为单图 | 是 |
| 浏览器（WebGPU） | 0.5B ONNX（本站） | LFM2.5-VL-3B-ONNX 与官方 WebGPU Space |
| 运行时 | Transformers · MLX（官方应用）· Core ML · Transformers.js | llama.cpp · MLX · vLLM · SGLang · ONNX · LEAP（发布当天，Liquid 声明） |
| 官方端侧速度 | 1152 像素下 TTFT 比 LLaVA-OneVision-0.5B 最高快 85 倍；未公布 tokens/s | 3B：M5 Max 228 tok/s，Galaxy S26 Ultra 20 tok/s，约 3 GB 内存（Liquid） |
| 许可 | Apple ML Research 许可 | LFM Open License（以模型卡当前版本为准） |
核对于 2026-09-17
选择摘要
- LFM2.5-VL 记录了更多能力——框、工具调用、多图、GGUF——更适合代理式边缘应用。
- FastVLM 仍是高分辨率下编码器效率的参考，并拥有最紧密的 Apple 平台集成（MLX 应用、Core ML 资源）。
- 两者都有浏览器版本；3B 的 LFM 模型需要约为 FastVLM-0.5B 三倍的内存。
选择 LFM2.5-VL 的情况
- 需要边界框、界面定位或函数调用
- 通过 llama.cpp/GGUF 在 Android、Windows 与 Linux 上发布
- 希望以 Liquid 公布的吞吐数据作为起点
如何阅读这张表
上述所有数字都是厂商在自家硬件与评测框架上的报告。FastVLM 的 85 倍是特定分辨率下的 TTFT 比值；Liquid 的 tokens/s 是特定设备上的解码速率。两者都不是通用排名。
常见问题
FastVLM 支持边界框吗？
Apple 的模型卡没有记录定位输出。你可以让它用文字描述位置，但没有像 LFM2.5-VL 那样经过评测的框格式。
哪个能在 Android 运行？
LFM2.5-VL 提供 llama.cpp 的 GGUF，Liquid 也公布了手机数据。FastVLM 没有官方 Android 路径；社区可能有 GGUF 或 ONNX 移植，但本页不涉及。