리퀴드 AI, 온디바이스용 초경량 비전 모델 'LFM2-VL' 출시

LFM2-VL은 리퀴드 AI(Liquid AI)가 처음으로 선보인 오픈웨이트 비전 언어 파운데이션 모델군이다. 기존 리퀴드 파운데이션 모델(LFM) 아키텍처를 멀티모달 영역으로 확장한 것으로, 초경량 450M과 실용적인 1.6B 두 가지 크기로 출시되었다. 스마트폰, 노트북, 웨어러블, 임베디드 기기 등 자원이 제한된 환경에서 텍스트와 다양한 비율의 이미지를 처리하도록 설계되었다.

어떻게 만들었나

LFM2-VL은 언어 모델 백본, 비전 인코더, 멀티모달 프로젝터 세 가지 요소로 구성된다.

언어 백본은 LFM2 제품군을 기반으로 하며, 450M 모델은 LFM2-350M을, 1.6B 모델은 LFM2-1.2B를 사용한다.

비전 인코더에는 SigLIP2 NaFlex를 채택했다. 450M 모델에는 빠른 처리를 돕는 86M 기본 인코더가, 1.6B 모델에는 정밀한 이미지 이해를 위한 400M 인코더가 들어갔다. 최대 512×512 해상도까지는 강제 업스케일링 없이 원본 비율 그대로 처리해 왜곡을 방지한다.

그보다 큰 이미지는 512×512 크기의 겹치지 않는 패치로 분할해 처리한다. 1.6B 모델의 경우 전체 장면의 구조를 파악할 수 있도록 축소된 썸네일 이미지를 함께 입력으로 받는다.

프로젝터는 2계층 MLP와 픽셀 언셔플 기술을 적용해 비전 토큰 수를 대폭 줄였다. 256×384 해상도 이미지는 96개, 384×680 이미지는 240개, 1000×3000 크기의 대형 이미지도 1,020개의 토큰만 생성한다.

무엇보다 재학습 없이도 추론 시점에 최대 비전 토큰 수와 패치 수를 직접 조절할 수 있다. 기기의 연산 성능과 지연 시간 요구 조건에 맞춰 속도와 품질 간의 균형을 유연하게 맞출 수 있는 셈이다.

추론 속도와 벤치마크 결과

LFM2-VL의 가장 큰 강점은 빠른 속도다. 1024×1024 이미지와 간단한 프롬프트를 입력하고 100토큰을 생성하는 표준 GPU 평가 환경에서, 기존 동급 소형 VLM 대비 최대 2배 빠른 속도를 기록했다.

벤치마크 결과도 탄탄하다. 1.6B 모델은 RealWorldQA에서 65.23점을 기록해 SmolVLM2-2.2B(57.50점)를 앞서고 InternVL3-2B 수준에 도달했다. 복잡한 지시 수행 능력을 측정하는 MM-IFEval은 37.66점, OCRBench는 742점을 받았다.

450M 초소형 모델 역시 RealWorldQA 52.29점, OCRBench 655점을 기록하며 비슷한 체급의 SmolVLM2-500M을 큰 폭으로 제쳤다.

사용 방법과 라이선스

모델 가중치는 허깅페이스에 공개되었으며, 코랩에서 바로 돌려볼 수 있는 파인튜닝 예제 코드도 함께 제공된다.

허깅페이스 transformers 라이브러리와 TRL을 기본 지원하며, 기업 고객은 리퀴드 AI의 LEAP 플랫폼을 통해 다양한 엣지 기기용 커스텀 배포를 진행할 수 있다.

라이선스는 아파치 2.0을 바탕으로 수정된 오픈 라이선스를 따른다. 학술 및 연구 목적은 전면 무료이며, 연 매출 1,000만 달러 미만의 기업이나 개인은 상업적 이용도 무료다. 기준 매출을 초과하는 대규모 상업 프로젝트는 별도 라이선스 계약이 필요하다.

왜 중요한가

웨어러블 기기, 온디바이스 카메라, 오프라인 데스크톱 도구에서 저지연 비전 기능을 구현하려는 개발자라면 지금 바로 테스트해볼 만하다. 기존 소형 VLM은 엣지 하드웨어에서 메모리를 과도하게 점유하거나 반응 속도가 느린 문제가 있었는데, 450M과 1.6B는 단말기 탑재 장벽을 현실적으로 낮췄다.

우리는 리퀴드 AI가 매개변수 경쟁 대신 효율적인 토큰 압축과 적응형 패치 처리로 온디바이스 추론 속도를 2배 끌어올린 점이 매우 영리한 접근이라고 본다. 고난도 수학 추론에는 한계가 있겠지만, 밀리초 단위의 즉시 반응이 중요한 엣지 현장에서는 가장 실용적인 대안 중 하나가 될 것이다.