LFM2.5-VL-DSparkは、画像を読むAIの返事を速くするための小さな下書き役です。本体に足すのは約280Mパラメータで、答えの中身は変えずに、返事を書く時間を短くします。Liquid AIがHugging Faceで公開した、実験的なドラフトモデルです。私は、公開された数値と、速くなる範囲・速くならない範囲を、発表資料に沿って読み直しました。

1. 小さな下書き役が、返事を速くする
LFM2.5-VL-DSparkは、画像を読むAI「LFM2.5-VL-3B」の隣に置く、小さな下書き役です。足すパラメータは約280Mで、3Bの本体に対して8.9%の増加です。
01. 280Mを足して、8.9%だけ重くなる
02. 画像も文章も、同じ形にして渡している
仕組みは、先に公開されたテキスト版のLFM2.5-DSparkと同じです。下書き役は、本体の決められた層から途中の状態を受け取り、それを手がかりに次のトークンをk個まとめて下書きします。
画像のパッチも文章のトークンも、その層より手前で同じ形のベクトルに変換されています。下書き役に届く時点で、写真と言葉の区別はありません。発表資料は、推論の手順はテキスト版から変わっていないと説明しています。
手元の機器でAIを動かす組み方の全体は、こちらにまとめています。
-
-
現実版J.A.R.V.I.S.の作り方2026 — Alexa+・HomePod・Geminiで家をAI化する
作中でトニーがJ.A.R.V.I.S.とF.R.I.D.A.Y.に出した指示を21件数え直し、2026年の市販品でどこまで届くかを1件ずつ突き合わせました。そのまま作れるのは7件です。
2. 答えは変わらない、という約束
速くなると聞くと、その分だけ答えが雑になっていないかが気になります。発表はこの点を先に説明しています。投機的デコーディングは厳密で、下書きされたトークンは本体がすべて検証します。
01. 下書きは、本体が確かめる
発表の説明では、貪欲法での出力は、本体だけで動かしたときと一致します。速い版と正確な版を使い分ける必要はありません。応答ごとに draft_n/draft_n_accepted という形で、下書きした数と受け入れられた数も記録されます。
02. 初日から、三つの環境で動く
ドラフトモデルはHugging Faceで配られています。発表は、LFM2.5のモデルを、制限なくダウンロードし、微調整し、展開できる公開重みだと説明しています。ブロックサイズは設定ファイルやサイドカーのメタデータから読まれるので、手で合わせる箇所は多くありません。
3. 速くなる場所と、変わらない場所
この発表は、限界を自分で書いています。投機的デコーディングが速くするのはデコードだけです。画像をエンコードする時間も、プロンプトを読み込むprefillも、速くなりません。
01. 写真を読む時間は、削れない
画像を扱うモデルは、まず画像エンコーダに写真を通し、それから言語側が数百の視覚トークンと文章を一緒に処理します。端末のチップはデータセンターのGPUより計算力が小さいので、この前半が全体の時間に占める割合は大きくなります。
02. 数字は、環境でこれだけ違う
評価は、一般VQA、テキストVQA、画像の説明、チャートVQA、複雑な推論、複数ターンの会話の六つのタスクで、MMSpecベンチマークに沿って行われています。推論時のブロックサイズは、ハードウェアに応じて8か9が推奨されています。
4. いま試せる環境と、専用ビルドの条件
Apple Siliconのマシンでローカルのモデルをすでに動かしている人は、今日ダウンロードして自分の環境で測れます。アプリの中でAIを使っているだけの人には、まだ触れる場所がありません。
01. もう試せる人
MLX-VLMの場合、発表に載っている起動のコマンドは次の1行です。本体のLFM2.5-VL-3Bに、ドラフトモデルを添えて立ち上げます。
mlx_vlm.server --model LiquidAI/LFM2.5-VL-3B --draft-model LiquidAI/LFM2.5-VL-3B-DSparkレシートや図表を読ませる、スクリーンショットの中身を説明させる、といった作業で、返事を書く部分の時間が短くなります。伸びた量は、draft_n/draft_n_accepted の記録と、フラグを外した同じ条件との比較で確かめられます。
02. 標準のリリースを待つ場合
三つの環境はいずれも専用ビルドが前提で、PRの番号を追う手間があります。発表自身が、これは実験的なドラフトモデルだと断っています。普段からビルドを触っていない人は、標準のリリースに取り込まれてから試せば足ります。
画像を読ませる前半の時間は変わりません。写真1枚を渡して短い答えをもらう使い方では、全体の時間の多くを前半が占めます。長い説明を書かせる作業ほど、デコードの時間が長いので、短くなる時間も増えます。
5. よくある質問
LFM2.5-VL-DSparkとは何ですか
Liquid AIの画像対応モデルLFM2.5-VL-3B向けに公開された、実験的なドラフトモデルです。投機的デコーディングの経路を追加し、わずかなメモリ増加と引き換えに生成の速度を上げます。出力の品質は変えない設計だと説明されています。
出力の品質は落ちますか
落ちない設計です。投機的デコーディングは厳密で、下書きされたトークンを本体がすべて検証します。そのため貪欲法での出力は、ドラフトを使わず本体だけで生成した場合と一致します。
どれくらい速くなりますか
デコード自体は端末上で最大3.13倍、H100で最大2.66倍と発表されています。画像の読み込みを含む全体の時間では、それぞれ最大2.62倍と最大2.27倍です。六つの画像タスクで測った値で、環境とタスクによって幅があります。
メモリはどれだけ増えますか
ドラフトモデルは約280Mパラメータで、3Bの本体に対して8.9%の増加です。内訳は4層のデコーダが193.0M、隠れ状態の射影が21.0M、Markovヘッドが65.5Mなどで、合計279.5Mです。
どの環境で動きますか
llama.cpp、MLX-VLM、SGLangの三つに初日から対応しています。それぞれDSpark対応を含むビルドが必要で、SGLangはPR #40651、llama.cppはPR #29339、MLX-VLMはPR #2280が案内されています。
日本語でも同じだけ速くなりますか
今回示されたのはMMSpecベンチマークに沿った六つの画像タスクの結果で、言語別の内訳は公式発表では未公表です。日本語での数値は示されていません。
6. まとめ
LFM2.5-VL-DSparkは、本体のLFM2.5-VL-3Bに約280Mの下書き役を足して、返事を書く時間を短くします。答えの中身は、本体だけで動かしたときと同じです。速くなるのはデコードだけで、画像を読み込む前半は変わりません。そのため、デコードが最大3.13倍でも、全体では最大2.62倍です。重みは公開されていて、三つの環境で専用ビルドを使えば試せます。
- 対象確認:本体はLFM2.5-VL-3B。ドラフトは本体に添えて使う
- 容量を見る:追加は約280M、本体比8.9%
- 環境を選ぶ:llama.cpp/MLX-VLM/SGLangの対応ビルド
- 数値を測る:投機用のフラグを外した同じ条件と比べる
- 速くならない部分:画像のエンコードとprefill
出典:Liquid AIがHugging Faceに載せた発表「Accelerating vision-language models with LFM2.5-VL-DSpark」を、2026年10月13日に原文で確認しました。発表日は2026年9月24日です。数値と仕様は発表時点のものです。




