Black Forest Labs veröffentlicht FLUX.2 (klein), eine kompakte Bildmodellfamilie, die auf interaktive visuelle Intelligenz auf Verbraucherhardware abzielt. FLUX.2 (klein) erweitert die FLUX.2-Reihe um Era und Bearbeitung in weniger als einer Sekunde, eine einheitliche Architektur für Textual content zu Bild und Bild zu Bild sowie Bereitstellungsoptionen, die von lokalen GPUs bis hin zu Cloud-APIs reichen, während die Bildqualität auf dem neuesten Stand der Technik bleibt.

Von FLUX.2 (dev) bis zur interaktiven visuellen Intelligenz

FLUX.2 (dev) ist ein gleichgerichteter Flusstransformator mit 32 Milliarden Parametern für die textkonditionierte Bildgenerierung und -bearbeitung, einschließlich der Komposition mit mehreren Referenzbildern, und läuft hauptsächlich auf Beschleunigern der Rechenzentrumsklasse. Es ist auf maximale Qualität und Flexibilität ausgelegt, mit langen Sampling-Zeitplänen und hohen VRAM-Anforderungen.

FLUX.2 (klein) nimmt die gleiche Designrichtung auf und komprimiert sie in kleinere Gleichrichtertransformatoren mit 4 Milliarden und 9 Milliarden Parametern. Diese Modelle sind auf sehr kurze Sampling-Zeitpläne destilliert, unterstützen die gleichen Textual content-zu-Bild- und Multi-Referenz-Bearbeitungsaufgaben und sind für Reaktionszeiten unter 1 Sekunde auf modernen GPUs optimiert.

Modellfamilie und Fähigkeiten

Die FLUX.2 (klein)-Familie besteht aus 4 Hauptvarianten mit offenem Gewicht in einer einzigen Architektur.

• FLUX.2 (klein) 4B
• FLUX.2 (klein) 9B
• FLUX.2 (klein) 4B Foundation
• FLUX.2 (klein) 9B Foundation

FLUX.2 (klein) 4B und 9B sind stufendestillierte und führungsdestillierte Modelle. Sie nutzen 4 Inferenzschritte und gelten als die schnellsten Optionen für Produktions- und interaktive Workloads. FLUX.2 (klein) 9B kombiniert ein 9B-Flussmodell mit einem 8B-Qwen3-Texteinbetter und wird als das Flaggschiff-Kleinmodell an der Pareto-Grenze für Qualität versus Latenz zwischen Textual content und Bild, Einzelreferenzbearbeitung und Mehrfachreferenzgenerierung beschrieben.

Bei den Basisvarianten handelt es sich um undestillierte Versionen mit längeren Probenahmeplänen. In der Dokumentation werden sie als Basismodelle aufgeführt, die das vollständige Trainingssignal bewahren und eine höhere Ausgabevielfalt bieten. Sie sind für die Feinabstimmung, LoRA-Coaching, Forschungspipelines und benutzerdefinierte Submit-Coaching-Workflows gedacht, bei denen Kontrolle wichtiger ist als minimale Latenz.

Alle FLUX.2 (klein)-Modelle unterstützen drei Kernaufgaben in derselben Architektur. Sie können Bilder aus Textual content generieren, sie können ein einzelnes Eingabebild bearbeiten und sie können die Generierung und Bearbeitung mehrerer Referenzen durchführen, wobei mehrere Eingabebilder und eine Eingabeaufforderung gemeinsam die Zielausgabe definieren.

Latenz, VRAM und quantisierte Varianten

Die FLUX.2 (klein)-Modellseite bietet ungefähre Finish-to-Finish-Inferenzzeiten für GB200 und RTX 5090. FLUX.2 (klein) 4B ist die schnellste Variante und wird je nach {Hardware} mit etwa 0,3 bis 1,2 Sekunden professional Bild angegeben. FLUX.2 (klein) 9B strebt bei höherer Qualität etwa 0,5 bis 2 Sekunden an. Die Basismodelle benötigen mehrere Sekunden, da sie mit 50-stufigen Stichprobenplänen ausgeführt werden, bieten jedoch mehr Flexibilität für benutzerdefinierte Pipelines.

Die FLUX.2 (klein) 4B-Modellkarte gibt an, dass 4B in etwa 13 GB VRAM passt und für GPUs wie RTX 3090 und RTX 4070 geeignet ist. Die FLUX.2 (klein) 9B-Karte meldet einen Bedarf von etwa 29 GB VRAM und zielt auf {Hardware} wie die RTX 4090 ab. Dies bedeutet, dass eine einzige Excessive-Finish-Shopper-Karte die destillierten Varianten mit Sampling in voller Auflösung hosten kann.

Um die Reichweite auf mehr Geräte auszudehnen, veröffentlicht Black Forest Labs außerdem FP8- und NVFP4-Versionen für alle FLUX.2 (klein)-Varianten, die gemeinsam mit NVIDIA entwickelt wurden. Die FP8-Quantisierung wird als bis zu 1,6-mal schneller bei bis zu 40 Prozent geringerer VRAM-Nutzung beschrieben, und NVFP4 als bis zu 2,7-mal schneller bei bis zu 55 Prozent geringerer VRAM-Nutzung auf RTX-GPUs, bei gleichbleibenden Kernfunktionen.

Benchmarks mit anderen Bildmodellen

Black Forest Labs bewertet FLUX.2 (klein) anhand von Elo-Stilvergleichen in Bezug auf Textual content und Bild, Bearbeitung einzelner Referenzen und Aufgaben mit mehreren Referenzen. Die Leistungsdiagramme zeigen FLUX.2 (klein) an der Pareto-Grenze von Elo-Rating versus Latenz und Elo-Rating versus VRAM. Im Kommentar heißt es, dass FLUX.2 (klein) die Qualität von Qwen-basierten Bildmodellen bei einem Bruchteil der Latenz und des VRAM erreicht oder übertrifft und dass es Z Picture übertrifft und gleichzeitig einheitliche Textual content-zu-Bild- und Multi-Referenz-Bearbeitung in einer Architektur unterstützt.

Bei den Basisvarianten muss etwas Geschwindigkeit gegen vollständige Anpassbarkeit und Feinabstimmung eingetauscht werden, was ihrer Rolle als grundlegende Kontrollpunkte für neue Forschung und domänenspezifische Pipelines entspricht.

Wichtige Erkenntnisse

• FLUX.2 (klein) ist eine kompakte gleichgerichtete Flusstransformatorfamilie mit 4B- und 9B-Varianten, die Textual content-zu-Bild, Einzelbildbearbeitung und Mehrfachreferenzgenerierung in einer einheitlichen Architektur unterstützt.
• Die destillierten FLUX.2 (klein) 4B- und 9B-Modelle verwenden 4 Sampling-Schritte und sind für die Inferenz in Sekundenbruchteilen auf einer einzigen modernen GPU optimiert, während die undestillierten Basismodelle längere Zeitpläne verwenden und für Feinabstimmung und Forschung gedacht sind.
• Mit NVIDIA erstellte quantisierte FP8- und NVFP4-Varianten bieten eine bis zu 1,6-fache Beschleunigung mit etwa 40 Prozent VRAM-Reduzierung für FP8 und eine bis zu 2,7-fache Beschleunigung mit etwa 55 Prozent VRAM-Reduzierung für NVFP4 auf RTX-GPUs.

Schauen Sie sich das an Technische Particulars, Repo Und Modellgewichte. Sie können uns auch gerne weiter folgen Twitter und vergessen Sie nicht, bei uns mitzumachen 100.000+ ML SubReddit und Abonnieren Unser Publication. Warten! Bist du im Telegram? Jetzt können Sie uns auch per Telegram kontaktieren.

Der Beitrag Black Forest Labs veröffentlicht FLUX.2 (klein): Kompakte Strömungsmodelle für interaktive visuelle Intelligenz erschien zuerst auf MarkTechPost.

[ad_2]

Liquid AI hat LFM2.5 eingeführt, eine neue Technology kleiner Basismodelle, die auf der LFM2-Architektur basieren und sich auf Geräte- und Edge-Bereitstellungen konzentrieren. Die Modellfamilie umfasst LFM2.5-1.2B-Base und LFM2.5-1.2B-Instruct und erstreckt sich auf die Varianten Japanisch, Bildsprache und Audiosprache. Es wird als offene Gewichte auf Hugging Face freigegeben und über die LEAP-Plattform freigelegt.

Architektur- und Trainingsrezept

LFM2.5 behält die hybride LFM2-Architektur bei, die für schnelle und speichereffiziente Inferenz auf CPUs und NPUs entwickelt wurde, und skaliert die Daten- und Publish-Coaching-Pipeline. Das Vortraining für das 1,2-Milliarden-Parameter-Spine wird von 10T- auf 28T-Tokens erweitert. Die Anweisungsvariante erhält dann eine überwachte Feinabstimmung, Präferenzausrichtung und groß angelegtes mehrstufiges Verstärkungslernen, das sich auf die Befolgung von Anweisungen, die Verwendung von Werkzeugen, Mathematik und Wissensbegründung konzentriert.

Textmodellleistung im Maßstab einer Milliarde

LFM2.5-1.2B-Instruct ist das wichtigste allgemeine Textmodell. Das Liquid AI-Crew meldet Benchmark-Ergebnisse für GPQA, MMLU Professional, IFEval, IFBench und mehrere Funktionsaufruf- und Codierungssuiten. Das Modell erreicht 38,89 bei GPQA und 44,35 bei MMLU Professional. Konkurrierende offene Modelle der 1B-Klasse wie Llama-3.2-1B Instruct und Gemma-3-1B IT schneiden bei diesen Kennzahlen deutlich schlechter ab.

Bei IFEval und IFBench, die auf mehrstufige Befehlsverfolgung und Funktionsaufrufqualität abzielen, meldet LFM2.5-1.2B-Instruct 86,23 und 47,33. Diese Werte liegen über den anderen Basiswerten der 1B-Klasse in der obigen Liquid AI-Tabelle.

Japanisch optimierte Variante

LFM2.5-1.2B-JP ist ein für Japanisch optimiertes Textmodell, das vom gleichen Spine abgeleitet ist. Es zielt auf Aufgaben wie JMMLU, M-IFEval auf Japanisch und GSM8K auf Japanisch ab. Dieser Prüfpunkt übertrifft das allgemeine Unterrichtsmodell für japanische Aufgaben und konkurriert mit oder übertrifft andere kleine mehrsprachige Modelle wie Qwen3-1.7B, Llama 3.2-1B Unterricht und Gemma 3-1B IT bei diesen lokalisierten Benchmarks.

Imaginative and prescient-Sprachmodell für multimodale Edge-Workloads

LFM2.5-VL-1.6B ist das aktualisierte Imaginative and prescient-Sprachmodell der Serie. Es nutzt LFM2.5-1.2B-Base als Sprachrückgrat und fügt einen Imaginative and prescient Tower für das Bildverständnis hinzu. Das Modell ist auf eine Reihe von Benchmarks für visuelles Denken und OCR abgestimmt, darunter MMStar, MM IFEval, BLINK, InfoVQA, OCRBench v2, RealWorldQA, MMMU und mehrsprachiges MMBench. LFM2.5-VL-1.6B verbessert die meisten Metriken gegenüber dem vorherigen LFM2-VL-1.6B und ist für reale Aufgaben wie das Verstehen von Dokumenten, das Lesen von Benutzeroberflächen und die Argumentation mehrerer Bilder unter Randeinschränkungen gedacht.

Audio-Sprachmodell mit nativer Sprachgenerierung

LFM2.5-Audio-1.5B ist ein natives Audiosprachenmodell, das sowohl Textual content- als auch Audioein- und -ausgänge unterstützt. Es wird als Audio-zu-Audio-Modell präsentiert und verwendet einen Audio-Detokenizer, der bei gleicher Präzision auf eingeschränkter {Hardware} achtmal schneller als der vorherige Mimi-basierte Detokenizer ist.

Das Modell unterstützt zwei Hauptgenerierungsmodi. Die interleaved-Generierung ist für Echtzeit-Speech-to-Speech-Konversationsagenten konzipiert, bei denen die Latenz vorherrscht. Die sequentielle Generierung zielt auf Aufgaben wie automatische Spracherkennung und Textual content-to-Speech ab und ermöglicht den Wechsel der generierten Modalität ohne Neuinitialisierung des Modells. Der Audio-Stack wird mit quantisierungsbewusstem Coaching bei niedriger Präzision trainiert, wodurch Metriken wie STOI und UTMOS nahe an der Basislinie mit voller Präzision bleiben und gleichzeitig die Bereitstellung auf Geräten mit begrenzter Rechenleistung ermöglicht werden.

Wichtige Erkenntnisse

• LFM2.5 ist eine Hybridmodellfamilie im Maßstab 1,2B, die auf der geräteoptimierten LFM2-Architektur basiert, mit den Varianten Base, Instruct, Japanese, Imaginative and prescient Language und Audio Language, die alle als offene Gewichte auf Hugging Face und LEAP veröffentlicht werden.
• Das Vortraining für LFM2.5 erstreckt sich von 10T- bis 28T-Tokens und das Instruct-Modell fügt überwachte Feinabstimmung, Präferenzausrichtung und groß angelegtes mehrstufiges Verstärkungslernen hinzu, wodurch die Qualität der Befehlsbefolgung und der Werkzeugnutzung über andere Basislinien der 1B-Klasse hinausgeht.
• LFM2.5-1.2B-Instruct liefert eine starke Textual content-Benchmark-Leistung auf der 1B-Skala und erreicht 38,89 bei GPQA und 44,35 bei MMLU Professional sowie führende Peer-Modelle wie Llama 3.2 1B Instruct, Gemma 3 1B IT und Granite 4.0 1B bei IFEval und IFBench.
• Die Familie umfasst spezialisierte multimodale und regionale Varianten, wobei LFM2.5-1.2B-JP in seiner Größenordnung hochmoderne Ergebnisse für japanische Benchmarks erzielt und LFM2.5-VL-1.6B und LFM2.5-Audio-1.5B Imaginative and prescient-Sprach- und native Audio-Sprach-Workloads für Edge-Agenten abdecken.

Schauen Sie sich das an Technische Particulars Und Modellgewichte. Sie können uns auch gerne weiter folgen Twitter und vergessen Sie nicht, bei uns mitzumachen 100.000+ ML SubReddit und Abonnieren Unser Publication. Warten! Bist du im Telegram? Jetzt können Sie uns auch per Telegram kontaktieren.

Schauen Sie sich unsere neueste Model von an ai2025.deveine auf das Jahr 2025 ausgerichtete Analyseplattform, die Modelleinführungen, Benchmarks und Ökosystemaktivitäten in einen strukturierten Datensatz umwandelt, den Sie filtern, vergleichen und exportieren können

Der Beitrag Liquid AI veröffentlicht LFM2.5: eine kompakte KI-Modellfamilie für echte On-Gadget-Brokers erschien zuerst auf MarkTechPost.

[ad_2]

Nvidia RTX Professional 2000 Blackwell

Nvidia kündigte diese Woche die an Nvidia RTX Professional 4000 Blackwell SFF Version Und Nvidia RTX Professional 2000 Blackwell GPUs in kompakten Formfaktoren.

Dazu gehören RT-Kerne der vierten Era und Tensor-Kerne der fünften Era mit niedrigerer Leistung von einer halben Größe einer traditionellen GPU, sagte das Unternehmen.

„Die neuen GPUs sind so konzipiert, dass sie eine Reihe von professionellen Arbeitsabläufen in der nächsten Era verleihen und unglaubliche Beschleunigungen für Engineering, Design, Inhaltserstellung, KI und 3D-Visualisierung bieten“, sagte Nvidia.

Im Vergleich zur Architektur der vorherigen Era verfügt die RTX Professional 4000 SFF mit einer Leistung von bis zu 2,5-fach höheren KI, einer Leistung von 1,7x höheren Strahlen und einer höheren Bandbreite von 1,5x, wodurch mehr Effizienz mit dem gleichen 70-Watt-Max-Stromverbrauch führt.

Der RTX Professional 2000, der auf Mainstream-Design- und KI-Workflows abzielt, bietet bis zu 1,6-fach schnellere 3D-Modellierung, 1,4x schnellere, computergestützte Design (CAD) und 1,6-fache schnellere Rendering-Geschwindigkeiten im Vergleich zur Vorgängergeneration.

Der RTX Professional 2000 -GPUs bietet einen 1,4 -fachen Increase in der Bildgenerierung und einen 2,3 -fachen in der Textgenerierung, das für schnellere Iteration, schnelles Prototyping und nahtlose Zusammenarbeit ausgelegt ist.

Das Software program -Ökosystem von NVIDIA ermöglicht es Schöpfer, Entwicklern und Unternehmen, die volle Leistung von KI und fortgeschrittenen Grafiken zu nutzen.

Der Nvidia AI Enterprise Software program Suite liefert Instruments für Unternehmensqualität zum Aufbau, Bereitstellen und Skalieren von Produktion KI-von Generative Ai und Pc Imaginative and prescient zu Sprach- und natürliche Sprachlösungen – auf praktisch jeder Infrastruktur.

Der Nvidia Cosmos Platform bietet World Basis-Modellen, die für eine schnelle, effiziente Inferenz- und Edge-Bereitstellung optimiert sind und die Hochleistungs-KI für Robotik-, Automatisierungs- und physische KI-Anwendungen ermöglichen. Das Cosmos-Rate1-7b-Modell kann nahtlos auf dem RTX Professional 4000 SFF ausgeführt werden und liefert leistungsstarke Funktionen für physische KI-Argumentation für Kantengeräte, kompakte Arbeitsstationen und industrielle Systeme.

Die Grafik- und Visualisierungstools von Nvidia, einschließlich der Nvidia Omniverse Plattform, generative physische KI und Simulation in 3D -Designteams, die er erleichtert Digitale Zwillinge und visuelle Workflows.

Darüber hinaus baut die Blackwell -Plattform auf dem Nvidia -Ökosystem leistungsstarker Entwicklungstools auf. Nvidia CUDA-X-Bibliothekenüber 6 Millionen Entwickler und quick 6.000 Anwendungen, um die Leistung über Tausende von GPUs zu skalieren.

Verfügbarkeit

Die NVIDIA RTX Professional 2000 Blackwell und Nvidia RTX Professional 4000 Blackwell SFF Version GPUs kommen später in diesem Jahr.

Der RTX Professional 2000 wird voraussichtlich bei PNY und TD -Synnex sowie bei Systembauern wie Boxx, Dell Applied sciences, HP und Lenovo erhältlich sein.

Die NVIDIA RTX Professional 4000 Blackwell SFF Version wird voraussichtlich bei globalen Vertriebspartnern und führenden Fertigungspartnern wie Dell Applied sciences, HP und Lenovo erhältlich sein.

[ad_2]