スマホで動く視覚言語モデル「LFM2.5-VL-3B」が登場 日本語のOCRやUI認識に対応

スマートフォンで画像がぞうの文字もじを読よみ取とったり、画面がめんのボタンやデザインを理解りかいしたりできる新あたらしいAIモデルが登場とうじょうしました。アメリカのAI企業きぎょう「Liquid AI」が発表はっぴょうした「LFM2.5-VL-3B」は、スマートフォンやノートパソコンなどの身近みじかなデバイスで直接ちょくせつ動うごかすことができる軽量けいりょうな視覚言語しかくげんごモデル（VLM）です。このモデルはオープンソースとして無料むりょうで公開こうかいされており、だれでもダウンロードして使つかうことができます。

「LFM2.5-VL-3B」は、写真しゃしんや書類しょるいに書かかれた文字もじを探さがすOCR機能きのうや、アプリの画面がめん構成こうせいを見分みわけるUI認識にんしき能力のうりょくを持もっています。データサイズは約やく31億おくパラメーターで、動作どうさに必要ひつようなメモリも3.3GB以下いかに抑おさえられています。テストでは、よりサイズが大おおきいほかのAIモデルよりも高たかい性能せいのうを記録きろくしました。さらに、スマートフォン（Galaxy S26 Ultra）では1秒びょうあたり20トークンの速はやさで文章ぶんしょうを作成さくせいできるなど、素早すばやい応答おうとうが可能かのうです。

これまでは大型おおがたのクラウドサーバーでしか処理しょりできなかった高度こうどなAI機能きのうが、手元てもとのスマートフォンやパソコンで安全あんぜんかつ素早すばやく動うごかせると期待きたいされています。NVIDIAやAMD、Apple、Qualcommなどの多様たようなチップを搭載とうさいした機器ききで利用りようできるため、今後こんごさまざまなアプリへの活用かつようが広ひろがりそうです。