Liquid AISpezialmodellOpen Weights
LFM2.5-VL-3B-DSpark
BeliebtheitPlatz 10 von 12 Spezialmodellen
24von 100-10 zum Vormonat
beruht auf zwei Datengruppen, überwiegend Suche, Spanne 15 bis 34
Zusammenfassung
LFM2.5-VL-3B-DSpark ist ein Draft-Modell für spekulatives Decoding. Es erzeugt Kandidaten für das Zielmodell LFM2.5-VL-3B, das diese prüft und gegebenenfalls korrigiert. Draft- und Zielmodell bilden ein gemeinsames Inferenzsystem. DSpark beschleunigt damit das lokale Decoding des Zielmodells; die offenen Gewichte sind für Laufzeiten wie SGLang oder MLX-VLM gedacht.
Liquid AI misst bis zu 2,66-faches Decoding auf einem H100 und bis zu 3,13-faches auf einem Apple M5 Max, jeweils unter festgelegten Laufzeiten und Einstellungen. Bildkodierung und Prefill werden dadurch nicht schneller, sodass der Ende-zu-Ende-Gewinn geringer ausfallen kann.
Alle Benchmark-Werte
Jeder veröffentlichte Messwert mit Quelle, Testbedingungen und Vergleichsmodellen.
Alle 54 veröffentlichten Benchmark-Werte anzeigen
Seite 1 von 5
Messungen ohne passende Vergleichswerte
Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.
M5 Max MLX Multi-turn decoding speedup (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 2.3
- Messgröße
- speedup over target-only inference
- Einheit
- ratio
- Kategorie
- inference-performance
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Liquid AI DSpark Hugging Face model card
- Status
- active
- Abrufdatum
- 2026-10-15
- Methodik
- Vom Anbieter veröffentlichter Wert. Zielmodell LiquidAI/LFM2.5-VL-3B plus Draft-Modell LiquidAI/LFM2.5-VL-3B-DSpark (279,5M BF16); MMSpec Multi-turn; M5 Max, MLX-VLM FP16, Batchgröße 1, temperature 0, Blockgröße 8, maximal 2.048 Ausgabetokens.
- Einordnung
- Die Beschleunigung gilt für das Ziel-plus-Draft-System, nicht für die eigenständige Qualität oder den Durchsatz von DSpark.
M5 Max MLX COCO decoding speedup (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 3.13
- Messgröße
- speedup over target-only inference
- Einheit
- ratio
- Kategorie
- inference-performance
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Liquid AI DSpark Hugging Face model card
- Status
- active
- Abrufdatum
- 2026-10-15
- Methodik
- Vom Anbieter veröffentlichter Wert. Zielmodell LiquidAI/LFM2.5-VL-3B plus Draft-Modell LiquidAI/LFM2.5-VL-3B-DSpark (279,5M BF16); MMSpec COCO; M5 Max, MLX-VLM FP16, Batchgröße 1, temperature 0, Blockgröße 8, maximal 2.048 Ausgabetokens.
- Einordnung
- Die Beschleunigung gilt für das Ziel-plus-Draft-System, nicht für die eigenständige Qualität oder den Durchsatz von DSpark.
M5 Max MLX TextVQA end-to-end speedup (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 1.56
- Messgröße
- speedup over target-only inference
- Einheit
- ratio
- Kategorie
- inference-performance
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Liquid AI DSpark Hugging Face model card
- Status
- active
- Abrufdatum
- 2026-10-15
- Methodik
- Vom Anbieter veröffentlichter Wert. Zielmodell LiquidAI/LFM2.5-VL-3B plus Draft-Modell LiquidAI/LFM2.5-VL-3B-DSpark (279,5M BF16); MMSpec TextVQA; M5 Max, MLX-VLM FP16, Batchgröße 1, temperature 0, Blockgröße 8, maximal 2.048 Ausgabetokens.
- Einordnung
- Die Beschleunigung gilt für das Ziel-plus-Draft-System, nicht für die eigenständige Qualität oder den Durchsatz von DSpark.
M5 Max MLX MMMU-Pro end-to-end speedup (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 2.62
- Messgröße
- speedup over target-only inference
- Einheit
- ratio
- Kategorie
- inference-performance
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Liquid AI DSpark Hugging Face model card
- Status
- active
- Abrufdatum
- 2026-10-15
- Methodik
- Vom Anbieter veröffentlichter Wert. Zielmodell LiquidAI/LFM2.5-VL-3B plus Draft-Modell LiquidAI/LFM2.5-VL-3B-DSpark (279,5M BF16); MMSpec MMMU-Pro; M5 Max, MLX-VLM FP16, Batchgröße 1, temperature 0, Blockgröße 8, maximal 2.048 Ausgabetokens.
- Einordnung
- Die Beschleunigung gilt für das Ziel-plus-Draft-System, nicht für die eigenständige Qualität oder den Durchsatz von DSpark.
H100 SGLang Multi-turn decoding speedup (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 2.04
- Messgröße
- speedup over target-only inference
- Einheit
- ratio
- Kategorie
- inference-performance
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Liquid AI DSpark Hugging Face model card
- Status
- active
- Abrufdatum
- 2026-10-15
- Methodik
- Vom Anbieter veröffentlichter Wert. Zielmodell LiquidAI/LFM2.5-VL-3B plus Draft-Modell LiquidAI/LFM2.5-VL-3B-DSpark (279,5M BF16); MMSpec Multi-turn; Eine H100 mit 80GB, SGLang BF16, Batchgröße 1, temperature 0, Blockgröße 9.
- Einordnung
- Die Beschleunigung gilt für das Ziel-plus-Draft-System, nicht für die eigenständige Qualität oder den Durchsatz von DSpark.
H100 SGLang COCO decoding speedup (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 2.66
- Messgröße
- speedup over target-only inference
- Einheit
- ratio
- Kategorie
- inference-performance
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Liquid AI DSpark Hugging Face model card
- Status
- active
- Abrufdatum
- 2026-10-15
- Methodik
- Vom Anbieter veröffentlichter Wert. Zielmodell LiquidAI/LFM2.5-VL-3B plus Draft-Modell LiquidAI/LFM2.5-VL-3B-DSpark (279,5M BF16); MMSpec COCO; Eine H100 mit 80GB, SGLang BF16, Batchgröße 1, temperature 0, Blockgröße 9.
- Einordnung
- Die Beschleunigung gilt für das Ziel-plus-Draft-System, nicht für die eigenständige Qualität oder den Durchsatz von DSpark.
H100 SGLang TextVQA end-to-end speedup (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 1.64
- Messgröße
- speedup over target-only inference
- Einheit
- ratio
- Kategorie
- inference-performance
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Liquid AI DSpark Hugging Face model card
- Status
- active
- Abrufdatum
- 2026-10-15
- Methodik
- Vom Anbieter veröffentlichter Wert. Zielmodell LiquidAI/LFM2.5-VL-3B plus Draft-Modell LiquidAI/LFM2.5-VL-3B-DSpark (279,5M BF16); MMSpec TextVQA; Eine H100 mit 80GB, SGLang BF16, Batchgröße 1, temperature 0, Blockgröße 9.
- Einordnung
- Die Beschleunigung gilt für das Ziel-plus-Draft-System, nicht für die eigenständige Qualität oder den Durchsatz von DSpark.
H100 SGLang COCO end-to-end speedup (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 2.27
- Messgröße
- speedup over target-only inference
- Einheit
- ratio
- Kategorie
- inference-performance
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Liquid AI DSpark Hugging Face model card
- Status
- active
- Abrufdatum
- 2026-10-15
- Methodik
- Vom Anbieter veröffentlichter Wert. Zielmodell LiquidAI/LFM2.5-VL-3B plus Draft-Modell LiquidAI/LFM2.5-VL-3B-DSpark (279,5M BF16); MMSpec COCO; Eine H100 mit 80GB, SGLang BF16, Batchgröße 1, temperature 0, Blockgröße 9.
- Einordnung
- Die Beschleunigung gilt für das Ziel-plus-Draft-System, nicht für die eigenständige Qualität oder den Durchsatz von DSpark.
H100 SGLang MMMU-Pro draft acceptance (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 4.11
- Messgröße
- mean draft tokens accepted per target verification pass
- Einheit
- mean-count
- Kategorie
- inference-performance
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Liquid AI DSpark Hugging Face model card
- Status
- active
- Abrufdatum
- 2026-10-18
- Methodik
- Vom Anbieter veröffentlichter Wert. Zielmodell LiquidAI/LFM2.5-VL-3B; Draft-Checkpoint LiquidAI/LFM2.5-VL-3B-DSpark (279,5M BF16). Aufgabenzeile: MMMU-Pro. eine H100 mit 80 GB, SGLang, BF16, Batchgröße 1, Temperatur 0, Blockgröße 9; laut Quelle verwenden sowohl Vision-Encoder als auch Sprach-Backbone 16-Bit-Verarbeitung. Dies ist ein Tabellenwert für Draft-Akzeptanz.
- Einordnung
- Vom Anbieter berichteter Mittelwert akzeptierter Draft-Tokens je Zielmodell-Verifikationsschritt. Kein eigenständiger Qualitäts- oder Durchsatzwert für DSpark und selbst keine Ende-zu-Ende-Beschleunigung. Laut Modellkarte hängt die Beschleunigung auch von Hardware und Laufzeit ab. Die Quelle nennt weder Fallzahl noch Konfidenzintervall je Tabellenzelle; die Tabellenwerte sind korrelierte Messungen, keine unabhängigen Experimente.
M5 Max MLX-VLM MMMU-Pro draft acceptance (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 4.07
- Messgröße
- mean draft tokens accepted per target verification pass
- Einheit
- mean-count
- Kategorie
- inference-performance
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Liquid AI DSpark Hugging Face model card
- Status
- active
- Abrufdatum
- 2026-10-18
- Methodik
- Vom Anbieter veröffentlichter Wert. Zielmodell LiquidAI/LFM2.5-VL-3B; Draft-Checkpoint LiquidAI/LFM2.5-VL-3B-DSpark (279,5M BF16). Aufgabenzeile: MMMU-Pro. Apple M5 Max, MLX-VLM, FP16-Gewichte, Batchgröße 1, Temperatur 0, Blockgröße 8, bis zu 2.048 Ausgabetokens; laut Quelle verwenden sowohl Vision-Encoder als auch Sprach-Backbone 16-Bit-Verarbeitung. Dies ist ein Tabellenwert für Draft-Akzeptanz.
- Einordnung
- Vom Anbieter berichteter Mittelwert akzeptierter Draft-Tokens je Zielmodell-Verifikationsschritt. Kein eigenständiger Qualitäts- oder Durchsatzwert für DSpark und selbst keine Ende-zu-Ende-Beschleunigung. Laut Modellkarte hängt die Beschleunigung auch von Hardware und Laufzeit ab. Die Quelle nennt weder Fallzahl noch Konfidenzintervall je Tabellenzelle; die Tabellenwerte sind korrelierte Messungen, keine unabhängigen Experimente.
M3 Ultra llama.cpp MMMU-Pro draft acceptance (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 4.19
- Messgröße
- mean draft tokens accepted per target verification pass
- Einheit
- mean-count
- Kategorie
- inference-performance
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Liquid AI DSpark Hugging Face model card
- Status
- active
- Abrufdatum
- 2026-10-18
- Methodik
- Vom Anbieter veröffentlichter Wert. Zielmodell LiquidAI/LFM2.5-VL-3B; Draft-Checkpoint LiquidAI/LFM2.5-VL-3B-DSpark (279,5M BF16). Aufgabenzeile: MMMU-Pro. Apple M3 Ultra, llama.cpp, FP16-Gewichte, Batchgröße 1, Temperatur 0, Blockgröße 8, bis zu 2.048 Ausgabetokens; laut Quelle verwenden sowohl Vision-Encoder als auch Sprach-Backbone 16-Bit-Verarbeitung. Dies ist ein Tabellenwert für Draft-Akzeptanz.
- Einordnung
- Vom Anbieter berichteter Mittelwert akzeptierter Draft-Tokens je Zielmodell-Verifikationsschritt. Kein eigenständiger Qualitäts- oder Durchsatzwert für DSpark und selbst keine Ende-zu-Ende-Beschleunigung. Laut Modellkarte hängt die Beschleunigung auch von Hardware und Laufzeit ab. Die Quelle nennt weder Fallzahl noch Konfidenzintervall je Tabellenzelle; die Tabellenwerte sind korrelierte Messungen, keine unabhängigen Experimente.
H100 SGLang Multi-turn draft acceptance (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 3.46
- Messgröße
- mean draft tokens accepted per target verification pass
- Einheit
- mean-count
- Kategorie
- inference-performance
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Liquid AI DSpark Hugging Face model card
- Status
- active
- Abrufdatum
- 2026-10-18
- Methodik
- Vom Anbieter veröffentlichter Wert. Zielmodell LiquidAI/LFM2.5-VL-3B; Draft-Checkpoint LiquidAI/LFM2.5-VL-3B-DSpark (279,5M BF16). Aufgabenzeile: Multi-turn. eine H100 mit 80 GB, SGLang, BF16, Batchgröße 1, Temperatur 0, Blockgröße 9; laut Quelle verwenden sowohl Vision-Encoder als auch Sprach-Backbone 16-Bit-Verarbeitung. Dies ist ein Tabellenwert für Draft-Akzeptanz.
- Einordnung
- Vom Anbieter berichteter Mittelwert akzeptierter Draft-Tokens je Zielmodell-Verifikationsschritt. Kein eigenständiger Qualitäts- oder Durchsatzwert für DSpark und selbst keine Ende-zu-Ende-Beschleunigung. Laut Modellkarte hängt die Beschleunigung auch von Hardware und Laufzeit ab. Die Quelle nennt weder Fallzahl noch Konfidenzintervall je Tabellenzelle; die Tabellenwerte sind korrelierte Messungen, keine unabhängigen Experimente.
Seite 1 von 5
Beliebtheit im Vergleich
Wie oft das Modell gesucht, genutzt und erwähnt wird, im Vergleich mit allen Modellen dieser Kategorie.
Beliebtheitsindex
0 bis 100, höher ist beliebter
15 von 15 Modellen
Stand November 2026 · Quelle: gradually.ai Beliebtheitsindex
Zeitlicher Verlauf
Wochenwerte vom 18. Oktober 2026 bis 9. November 2026
LFM2.5-VL-3B-DSparkAgora-2 33LensVLM-9B 32AstaBrief-8B 30Hy-SimulMT-30B-A3B 27
Methodenwechsel im Verlauf, ein Sprung an dieser Stelle ist kein Marktereignis:
- 11. November 2026: Wert nur mit Such- oder Nutzungsdaten, 30-Tage-Aufmerksamkeit
- 21. November 2026: Methodenversion 4 (gemeinsame Skala, Schrumpfung)
- 39. November 2026: Neue Topics-Erhebung V20 (Tagesquorum, Kurzformen)
Was gerade an Beliebtheit gewinnt, steht für Modelle, Anbieter, Harnesses und KI-Abos gesammelt in Alle KI-Trends.
Ähnliche Modelle
Weitere Modelle derselben Art wie LFM2.5-VL-3B-DSpark, ausgewählt nach Modellreihe, Anbieter, Größe, Preis und Erscheinungsdatum.
- ManiFlow-tbAi2 · ähnliche Größe
- EmbeddingGemma 2Google DeepMind · ähnliche Größe
- pplx-embed-v2-late-0.6bPerplexity · ähnliche Größe
- pplx-embed-v2-context-0.6bPerplexity · ähnliche Größe
- Falcon-OCR-ArabicTechnology Innovation Institute · ähnliche Größe
- TeleOCRTeleAI · etwa gleichzeitig erschienen
- Cohere Rerank 5 FastCohere · ähnliche Größe
- Unlimited OCR 2Baidu · etwa gleichzeitig erschienen
Alle technischen Daten
Architektur
Ein- und Ausgabe
- Geschwindigkeit
- Bis zu 2,66-fach schnelleres Decoding auf H100 und 3,13-fach auf Apple M5 Max, jeweils herstellerseitig gemessen
- Quelle: Geschwindigkeit
Wasserzeichen und Herkunft
KI-Wasserzeichen meint unsichtbare Signale in der Ausgabe. Sichtbare Zeichen und Herkunftsmetadaten sind getrennt aufgeführt. Unbekannt bedeutet, dass für die jeweilige Angabe kein ausreichender Beleg vorliegt.
- KI-Wasserzeichen
- Unbekannt
- ohne Quelle
- Wasserzeichen-Technik
- Nicht bekannt
- ohne Quelle
Lizenz und Zugang
- Abschaltung
- Keine angekündigt
- ohne Quelle
API
Weitere Angaben
Quellen und Datenstand
Benchmarkquellen im Überblick
Welche unabhängigen Auswerter dieses Modell getestet haben. Das ist Abdeckung, keine Qualitätsrangliste.
Für dieses Modell ist derzeit kein aktives Ergebnis der geprüften externen Auswerter zugeordnet. Weitere Quellenbelege stehen darunter.
Ohne Herstellerangaben sowie historische oder strittige Ergebnisse; diese stehen gekennzeichnet bei den Einzelwerten.
| Art | Nachweis und Datenstand |
|---|---|
| Recherchestand | Recherchestand 15. Oktober 2026. 2 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell. |
| Nicht veröffentlicht | standalone-quality-benchmark Hinweis Die offizielle Modellkarte weist LFM2.5-VL-3B als Zielmodell und DSpark als Entwurfsmodell aus; Qualitätsbenchmarks beziehen sich nur auf das Zielmodell, nicht auf einen eigenständigen Score des Draft-Modells. |
| Nicht veröffentlicht | per-cell-sample-count-and-confidence-interval Hinweis Die Modellkarte nennt für diese Tabellenzellen weder Fallzahl noch Konfidenzintervall. Die ausdrücklich veröffentlichten Messwerte bleiben ohne abgeleitete Fallzahl oder Unsicherheit erhalten. |
| Weitere Quelle | Liquid AI model card (abgerufen 26. September 2026; 15. Oktober 2026; 18. Oktober 2026) · Liquid AI model card · Redaktionelle Beschreibung geprüft am 4. Oktober 2026 |
| Weitere Quelle | Liquid AI announcement (abgerufen 26. September 2026; 15. Oktober 2026) · LFM2.5-VL-DSpark announcement · Redaktionelle Beschreibung geprüft am 4. Oktober 2026 |
| Weitere Quelle | OpenRouter: Beliebtheitsindex (abgeleitet), CC BY 4.0 |
| Weitere Quelle | Vercel AI Gateway: Beliebtheitsindex (abgeleitet), CC BY 4.0 |
| Weitere Quelle | Ollama: kumulierte Downloads für den Beliebtheitsindex |
| Weitere Quelle | Replicate: kumulierte Ausführungen für den Beliebtheitsindex |
| Weitere Quelle | Google Trending Now: begrenzte Feed-Auswahl für Deutschland und USA |
| Weitere Quelle | Creative Commons Attribution 4.0 |