Liquid AI выкатила LFM2.5-VL-3B-DSpark: 279,5 млн параметров модели-черновика, которая ускоряет базовую LFM2.5-VL-3B до 3,13x на Apple M5 Max и до 2,66x на H100. Как это работает. Спекулятивное декодирование — черновик генерирует несколько токенов вперёд, большая модель проверяет их за один проход. Если черновик угадал — выигрыш во времени. Разработчик подчёркивает: результаты идентичны, то есть ускорение не в ущерб качеству при greedy decoding. Внедрение. Поддержка уже есть в llama.cpp, MLX-VLM и SGLang — основных фреймворках для локального и серверного запуска. Замеры проведены только при greedy decoding — для других стратегий декодирования данных нет. Что это значит: VL-модели становятся быстрее на реальном железе без дополнительной оптимизации самой базовой модели.