LFM2.5-VL-3B

LFM2.5-VL-3B는 사진이나 화면을 보고 그 내용을 이해해 글로 답하는 작은 인공지능 모델이다. 크기를 압축하는 처리를 거치면 메모리를 약 3기가바이트만 차지하는데, 이는 요즘 스마트폰 저장공간의 극히 일부에 불과하다. 그래서 이 모델은 인터넷에 연결하거나 서버에 사진을 올리지 않고도 폰 안에서 곧바로 화면을 읽고 답을 낼 수 있다.

비유하자면 예전에는 사진 한 장을 이해시키려면 멀리 있는 큰 도서관(클라우드 서버)에 사진을 보내고 답을 받아와야 했다면, 이 모델은 아예 도서관을 통째로 축소해 주머니 속에 넣어둔 셈이다. 화면 속 버튼의 정확한 위치를 좌표로 짚어낼 수도 있어서, 사람 대신 화면을 눌러주는 자동화 프로그램의 눈 역할도 할 수 있다.

다만 폰에서 돌릴 때는 컴퓨터용 고성능 그래픽카드에서 돌릴 때보다 반응이 느리다. 첫 답이 나오기까지 10초 넘게 걸리는 경우도 있어, 아직은 '즉답'보다는 '기다렸다 받는 답'에 가깝다.

기사는 "갤럭시 S26 울트라 한 대에서 이미지를 보고 답을 쓰는 모델이 초당 20토큰을 뱉는다"며 LFM2.5-VL-3B의 실측치를 소개한다. 오해하기 쉬운 점: 이 모델의 강점은 '가장 빠른 속도'가 아니라 크기 대비 균형이다. 실제로 첫 토큰 응답이나 메모리 사용량에서 더 가벼운 경쟁 모델도 있었고, 회사도 속도 1위를 주장하지 않았다.

이 모델은 개발자나 연구자가 직접 내려받아 실행하는 형태로 배포된다. 일반 사용자가 시험해보려면 다음을 검색해보면 된다.

1. 허깅페이스에서 모델 이름으로 검색해 공개 여부와 사용 조건을 확인한다.
2. 로컬 실행 도구(예: LM Studio 같은 프로그램)에서 이 모델을 불러올 수 있는지 확인한다.
3. 사진 한 장을 올리고 "이 화면에서 로그인 버튼의 위치를 좌표로 알려줘" 같은 프롬프트로 그라운딩 기능을 시험해본다.