Dowody: wyniki benchmarków podane przez dostawcę
LFM3-VL 2B — VRAM, szybkość i lokalna konfiguracja
Autor: Jakub Rusinowski · Ostatnia aktualizacja:
Wizyjno-językowy członek rodziny LFM3: ten sam 24-warstwowy trójhybrydowy szkielet z enkoderem obrazu, łącznie 1,9B parametrów i kontekst 128K. Oficjalne wersje GGUF, MLX i ONNX; llama.cpp ładuje go od 27 października 2026.
LFM3-VL 2B potrzebuje około 2 GB VRAM przy Q4_K_M — skwantyzowane wagi plus narzut frameworka, bez pamięci podręcznej KV. Na Apple Silicon ta wartość pochodzi z pamięci zunifikowanej.
VRAM i szybkość według kwantyzacji
Liczone dla NVIDIA RTX 4090 (24 GB). Obejmuje pamięć podręczną KV przy kontekście 8K, więc wartości są wyższe niż główna liczba.
| Kwant. | Pamięć | VRAM | Szybkość (szac.) | Dopasowanie |
|---|---|---|---|---|
| Q2_K 2.63 bpw | 1.5 GB | ~317 tok/s | Mieści się | |
| Q3_K_M 3.41 bpw | 1.7 GB | ~294 tok/s | Mieści się | |
| Q4_K_M 4.83 bpw | 2.1 GB | ~259 tok/s | Mieści się | |
| Q5_K_M 5.67 bpw | 2.3 GB | ~243 tok/s | Mieści się | |
| Q6_K 6.56 bpw | 2.5 GB | ~227 tok/s | Mieści się | |
| Q8_0 8.50 bpw | 2.9 GB | ~199 tok/s | Mieści się | |
| F16 16.00 bpw | 4.7 GB | ~135 tok/s | Mieści się |
Czarny znacznik = dostępna pamięć na NVIDIA RTX 4090 (24 GB). Szacunki z modelu przepustowości pamięci opisanego na stronie metodologii. Kalkulator VRAM dla LFM3-VL 2B →
Uruchom LFM3-VL 2B
Najtańsze GPU z naszego katalogu, które uruchomi LFM3-VL 2B, to Intel Arc B570 (10 GB).
lub porównaj w Vast.ai od $0.35/godz. (typical low · varies)
Jako partner Amazon zarabiamy na kwalifikujących się zakupach. Linki do chmurowych GPU są linkami polecającymi — możemy otrzymać prowizję bez dodatkowych kosztów dla Ciebie.
Jak uruchomić LFM3-VL 2B
No Ollama tag for the vision model yet. Use the official GGUF with llama.cpp, or the MLX builds on Apple Silicon.
Specyfikacja
Verified — Checked against the primary source — the model card or the vendor spec page — and corroborated by a second independent source.
- Parametry
- 1.9 Billion
- Okno kontekstu
- 128,000
- Architektura
- Hybrid: 13 short-conv + 5 sliding-window + 6 global-attention layers, image encoder
- Dostawca
- Liquid AI
- Licencja
- LFM Open License v1.0
- Practical deployment
- Edge device (phone, SBC)
- Określono przy
- Q4_K_M
- RAM systemowy
- 8 GB
- Rekord zaktualizowany
- 2026-11-03
Weights are downloadable and commercial use is permitted, subject to the licence’s acceptable-use terms.
Commercial use is licensed only below $10M annual revenue; above that, a separate agreement.
Ograniczenia i zastrzeżenia
- Commercial use is licensed only below US$10M annual revenue.
Jakość i zastosowania
Wyniki opublikowane przez autorów modelu lub niezależnego oceniającego — jakość, nie przepustowość, i nie mierzone przez nas.
Inne rozmiary Liquid LFM3
LFM3-VL 2B — najczęściej zadawane pytania
How much VRAM does LFM3-VL 2B need?
About 2 GB at Q4_K_M — quantized weights plus framework overhead, before any KV cache. The cache grows with context length and is added on top; the table above folds it in. Apple Silicon counts unified memory toward the same figure.
Does LFM3-VL 2B run on an RTX 4090 (24 GB)?
Yes. LFM3-VL 2B needs about 2 GB at Q4_K_M, inside a 24 GB card, at an estimated 259 tokens/sec.
How do I run LFM3-VL 2B locally?
No Ollama tag for the vision model yet. Use the official GGUF with llama.cpp, or the MLX builds on Apple Silicon. Running the published tag would send your prompts to a hosted GPU rather than your own machine.
What other sizes does Liquid LFM3 come in?
LFM3 1.7B (2 GB), LFM3-VL 2B (2 GB). Every size shares the family's training and licence; the larger ones score higher and need proportionally more memory.