LFM2-VL

LFM2-VL 是 Liquid AI 发布的一个紧凑的端侧视觉语言模型。LibreYOLO 把它包装成开放词汇目标检测器：任何一份文本标签列表都能成为类别集合，不需要固定的 head，也不需要微调。

任务: detection
尺寸: 450m at 512 px
安装: pip install libreyolo
支持层级: 兄弟层级，自 v 起。一个独立的产品面，有自己的工厂和契约。
上游: LFM2-VL，由 Liquid AI 发布，采用 LFM Open License v1.0 许可。论文、源码
许可: 代码采用 MIT，权重采用 LFM Open License v1.0。商用

安装

LFM2-VL 需要 vlm extra，它会为 chat 模板骨干装上 transformers。

bash

pip install "libreyolo[vlm]"

预测

LibreLFM2VL 是一个 Python 类，不是 .pt 检查点（checkpoint）：它不通过 LibreYOLO() 工厂加载，libreyolo CLI 也解析不了它。LibreVLM(...) 工厂（from libreyolo import LibreVLM）也能通过别名到达这个家族，例如 LibreVLM("lfm2-vl-450m")；下面用到的这个类就是它构造出来的东西。权重来自 Liquid AI 自己的 Hugging Face 仓库，而不是 LibreYOLO 的镜像；首次调用会把它们下载并缓存在本地，并在此之前记录一条一次性的许可提示。

Python

from libreyolo import LibreLFM2VL, SAMPLE_IMAGE model = LibreLFM2VL(size="450m") # 开放词汇：任何词都可以，不是固定的类别 head。它粘住不放，后面每一次# predict()/track() 调用都沿用，直到再次设置model.set_classes(["person", "bicycle", "dog"])result = model(SAMPLE_IMAGE, save=True) for box in result.boxes:    print(box.cls, box.conf, box.xyxy)

直接对话

from libreyolo import LibreLFM2VL, SAMPLE_IMAGE model = LibreLFM2VL(size="450m") # 检测这层便利封装底下的逃生通道：自由形式的提问、计数，或者任何检测框# 封装覆盖不到的提示词text = model.chat(SAMPLE_IMAGE, "Describe the scene in one sentence.")print(text)

result.boxes 和其他任何家族一样，装着解析出来的检测结果。置信度是个占位值： LFM2-VL 不输出逐框分数，所以每个检测结果拿到的都是同一个常数置信度，conf= 只会丢掉低于这个常数的行，并不会给它们排序。iou 会把同一类别里重叠度超过给定值的近重复检测框丢掉，这是贪心解码重复输出同一个物体带来的副作用；它不是一趟按类别做的 NMS。不调用 set_classes() 时，词汇表默认就是 COCO-80 的类别名。数据源、流式处理和结果处理见预测。

变体

两个尺寸：450m 和 1.6b，都来自 Liquid AI 的 LFM2.5-VL 发布版，为端侧部署而造。 LibreYOLO 的基准测试工具还没有测过这个家族，所以没有公开的精度数字可以拿来比较它们；按你自己的算力预算挑一个尺寸。

LibreYOLO 只把这个家族开放给预测。train()、val() 和 export() 全都抛出 NotImplementedError：要微调就在上游做，然后把结果加载进来；数据集验证被跳过，是因为占位的置信度会让 COCO mAP 产生误导；导出则不在范围内，因为这是一个生成式模型，没有 state dict 可以追踪。

许可证

请检查你所下载的具体权重在 Hugging Face 仓库中的许可。LibreYOLO 组织里的每个检查点都附有许可，同一家族内也不一定相同。该仓库是权威来源；以下摘要说明本页上次验证时适用的情况。

这里只说明涉及的许可证，不构成法律意见。如果答案对商用很重要，请自行阅读许可证并咨询法律顾问。

原始工作: LFM2-VL, Liquid AI
上游许可: LFM Open License v1.0
上游来源: huggingface.co/LiquidAI/LFM2.5-VL-450M
LibreYOLO 代码: MIT
权重: 采用 LFM Open License v1.0 许可，由作者分发。LibreYOLO 不托管或镜像这些权重。
解读: The LFM Open License v1.0 permits Commercial Use, reproduction and modification, but only below a $10 million annual revenue threshold; a Legal Entity at or above that threshold is not licensed under this agreement at all for Commercial Use, and must contact Liquid AI directly. Qualified non-profit organizations are exempt from the threshold for non-commercial or research use. Redistribution must keep the license text, and any modified file must carry a notice saying so. LibreYOLO ships no LiquidAI source code, since the model loads through the Apache-2.0 transformers library, and does not host or redistribute the weights: LibreLFM2VL downloads the matching size directly from Liquid AI's own Hugging Face repository the first time it runs, and logs a one-time notice before that download.

LFM Open License v1.0 允许商用、复制和修改，但只在年营收 1000 万美元这个阈值以下有效；达到或超过这个阈值的法律实体，在商用上根本不受本协议许可，必须直接联系 Liquid AI。符合条件的非营利组织在非商业或研究用途上不受这个阈值限制。LibreYOLO 不分发任何 LiquidAI 源代码，因为模型是通过采用 Apache-2.0 许可的 transformers 库加载的，也不托管或转存这些权重：LibreLFM2VL 在首次运行时直接从 Liquid AI 自己的 Hugging Face 仓库下载对应的尺寸，并在那次下载之前记录一条一次性提示。

引用

@article{liquidai2025lfm2,
 title={LFM2 Technical Report},
 author={Liquid AI},
 journal={arXiv preprint arXiv:2511.23404},
 year={2025}
}

复制自作者在 huggingface.co/LiquidAI/LFM2.5-VL-450M#citation 上提供的引用块。