Modelo de visão 450M da Liquid AI ganha detecção de objetos, roda em menos de 250ms no edge

A Liquid AI lançou o LFM2.5-VL-450M, atualizando seu modelo visão-linguagem de 450M parâmetros com capacidades de detecção de objetos que pontuam 81.28 no RefCOCO-M (subindo do zero) e suporte multilíngue expandido através de oito idiomas. O modelo mantém seu foco em deployment edge, executando inferência em menos de 250ms em hardware que vai de módulos NVIDIA Jetson Orin até telefones Samsung Galaxy S25 Ultra. O treinamento escalou de 10T para 28T tokens com otimização de preferências adicionada para melhorar o seguimento de instruções e precisão de grounding.

Isso importa porque a maioria dos modelos visão-linguagem requer infraestrutura cloud, criando problemas de latência e privacidade para aplicações do mundo real como robótica de armazém ou câmeras de varejo inteligente. Quando cobri o modelo 350M da Liquid AI mês passado, sua arquitetura híbrida já superava rivais maiores. Adicionar detecção de objetos a um modelo 450M que roda localmente muda o cálculo de deployment para aplicações de visão computacional que precisam tanto de velocidade quanto outputs estruturados.

Os detalhes técnicos mostram escolhas de engenharia cuidadosas: encoder de visão SigLIP2 com resolução nativa 512×512, codificação thumbnail para contexto global durante image tiling, e limites de tokens de imagem ajustáveis para trade-offs velocidade-qualidade sem retreinamento. O suporte a function calling sugere que estão mirando workflows agênticos onde visão alimenta ações estruturadas. Porém, o limite de resolução 512×512 e janela de contexto 32K restringem casos de uso comparado a alternativas baseadas em cloud.

Para desenvolvedores construindo aplicações de visão, isso representa um meio-termo prático entre capacidade e restrições de deployment. A inferência sub-250ms abre casos de uso interativos, enquanto predição de bounding box permite extração de dados estruturados de streams de imagens. O teste real será como performa em tarefas específicas do domínio após fine-tuning, especialmente dadas as alegações da Liquid AI sobre eficiência de adaptação.