Hero-Titelkarte für den Artikel „Clef-Flash vs LFM2.5 2.6B Base“, mit dem Untertitel „Zwei Modelle, die klein genannt werden, zwei Maschinen voneinander entfernt“. Das OrcaRouter-Logo ist in die untere rechte Ecke eingefügt.
Guides & Insights

Clef-Flash vs LFM2.5 2.6B Base: Zwei Modelle, die als „klein“ bezeichnet werden, drei Größenordnungen auseinander

Autor

Elias Hawthorne

Veröffentlicht am

Neueste Modelle · 20Alle Modelle ansehen →
Benchmarks: Artificial Analysis · täglich aktualisiert
Zurück zu allen Beiträgen

Der clef-flash-Build, den die meisten Leute tatsächlich herunterladen, ist 11 GB groß. LiquidAI/LFM2.5-2.6B-Base läuft mit unter 2,5 GB Arbeitsspeicher. Beide Modelle werden von den Laboren, die sie entwickelt haben, als klein, schnell und effizient beschrieben, und beide Beschreibungen sind zutreffend – genau deshalb ist der Vergleich nützlich, weil die beiden Wörter völlig unterschiedliche Arbeit leisten. Cloudflare/clef-flash ist ein multimodales 9B-Entscheidungsmodell, das eingegebene Fragen mit kalibrierten Wahrscheinlichkeiten beantwortet und niemals ein Token schreibt; es benötigt eine GPU der H200-Klasse, um auf seiner eigenen Karte die mediane Latenz von 38,8 ms zu erreichen, und Cloudflares Verkaufsargument dafür ist Edge-Inferenz innerhalb ihres Netzwerks. LFM2.5 2.6B Base ist ein vortrainierter Text-Checkpoint, den Liquid AI am 1. August 2026 veröffentlicht hat, damit jemand anderes ihn feinabstimmen kann, und sein vorgesehenes Einsatzziel ist ein Laptop.

Keines von beiden ist ein Sprachmodell, das man in ein Chatfenster setzen würde. Beide sind günstig. Die Wahl zwischen ihnen ist nicht wirklich eine Frage der Qualität – sie ist eine Frage dessen, wie hoch Ihr Hardwarebudget ist und ob das, was Sie bauen, bereits weiß, wie seine Antworten aussehen.

Das Footprint-Gespräch, in Zahlen

Beginne mit dem, was die Maschinen tatsächlich brauchen, denn das ist die Achse, auf der die beiden am weitesten auseinanderliegen.

• Parameter — Clef-Flash ist ein eingefrorenes Qwen3.5-9B-Backbone mit seinem Vision-Encoder plus einem 243,5 MB großen gemeinsamen Schema-Head; LFM2.5 2.6B Base hat 2,69 Milliarden Parameter, nur Text.

• Speicherplatz und Arbeitsspeicher — der Community-Build von clef-flash umfasst 11 GB; das vollständige Hugging-Face-Repository umfasst etwa 18,8 GB verteilt auf vier Backbone-Shards plus den Head. Für LFM2.5 2.6B Base werden unter 2,5 GB Arbeitsspeicher für die Inferenz angegeben, und daneben werden quantisierte GGUF-, ONNX- und MLX-Builds veröffentlicht.

• Latenz — Clef-Flash: 38,8 ms Median, 122,4 ms p95, gemessen von Cloudflare auf einem einzelnen H200. LFM2.5 2.6B, das nachtrainierte Schwestermodell dieses Basis-Checkpoints, läuft mit 220 Tokens pro Sekunde auf einem Apple M5 Max und 113 Tok/s auf einer AMD-Ryzen-CPU.

• Kontext — 65.536 Token für Clef-Flash laut Cloudflares Dokumentation zu Workers AI; 131.072 Token für LFM2.5 2.6B Base.

• Lizenz — Apache-2.0 für clef-flash; die LFM-1.0-Lizenz für LFM2.5, die offene Gewichte bietet, aber keine OSI-zugelassene Open-Source-Lizenz ist, und der Unterschied ist wichtig, wenn Sie ein Produkt ausliefern statt zu experimentieren.

Diese beiden Latenzzeilen messen nicht dieselbe Einheit, und Sie sollten sie nicht voneinander abziehen. Doch zusammengelesen sagen sie klar und deutlich das Offensichtliche: Clef-Flash ist eine Rechenzentrumskomponente, deren mitgelieferte Runtime zufällig auch in einem Edge-Netzwerk sitzt, und LFM2.5 2.6B ist eine Komponente für den Rechner auf Ihrem Schreibtisch.

Warum der Basis-Checkpoint eine andere Art von Objekt ist

Das Wort „Base" im Namen ist tragend, und Liquid AIs eigene Modellkarte ist ungewöhnlich offen darüber. LFM2.5-2.6B-Base ist der vortrainierte, reine Text-Checkpoint: 30 Schichten, angeordnet als 22 doppelt gegatete Short-Convolution-Blöcke und 8 Grouped-Query-Attention-Blöcke, trainiert auf 34 Billionen Token über ein Vokabular von 128.000 Token in sechzehn Sprachen. Er wird „nur für Aufgaben empfohlen, die umfangreiches Fine-Tuning erfordern" – sprachspezifische Arbeiten, domänenspezifische Assistenten, Training auf proprietären Daten. Genau das steht in seiner Modellkarte.

Clef-Flash ist das Gegenteil davon. Es ist fertig. Das Training ist abgeschlossen, der Schema-Head ist fest angeschraubt, der API-Vertrag ist veröffentlicht, und das Modell wird im eigenen Edge-Netzwerk des Anbieters zu einem Listenpreis gehostet. Man stimmt es nicht ab; man ruft es auf, oder man lädt es herunter und ruft es lokal auf. Zur Familie gehört ein Fine-Tuning-Produkt – Cloudflare hat eines zusammen mit den Modellen eingeführt –, aber die Nutzung von clef-flash erfordert es nicht, und das ist der Punkt.

Die ehrliche Einordnung ist also, dass es sich um zwei Stufen zweier unterschiedlicher Pipelines handelt. Das eine ist eine Zutat, das andere eine Komponente. Wenn Ihre Aufgabe lautet: „Ich habe 40.000 gelabelte Support-Tickets und möchte einen schnellen domänenspezifischen Klassifikator, der auf unseren eigenen Maschinen läuft“, ist LFM2.5 2.6B Base ein plausibler Ausgangspunkt und clef-flash nicht, denn man kann den Decision-Head von clef-flash nicht zu einer Sprachfähigkeit fine-tunen, die er nicht besitzt – er hat überhaupt keinen Sprachausgabepfad. Wenn Ihre Aufgabe lautet: „Ich muss eine Anfrage in unter 50 Millisekunden einem von sechs Buckets zuordnen, mit einer Wahrscheinlichkeit, auf die ich einen Schwellenwert anwenden kann“, beantwortet clef-flash diese Frage von Haus aus, und LFM2.5 2.6B Base beantwortet sie in keiner Form.

A two-column comparison scoreboard titled 'Clef-Flash vs LFM2.5 2.6B Base — the scoreboard'. The left column, 'Clef-Flash', has rows reading 'Parameters: 9B with vision encoder', 'Context: 65,536 tokens', 'Output: calibrated probabilities', 'Footprint: 18.8 GB, H200-class', 'Latency: 38.8 ms median' and 'Licence: Apache 2.0'. The right column, 'LFM2.5 2.6B Base', has rows reading 'Parameters: 2.69B text only', 'Context: 131,072 tokens', 'Output: generated text', 'Footprint: under 2.5 GB, laptop', 'Latency: 220 tok/s on M5 Max' and 'Licence: LFM 1.0'. The footer reads 'Clef-Flash figures vendor-reported; LFM2.5-2.6B-Base figures per Liquid AI.' The OrcaRouter logo is composited in the bottom-right corner.

Der Teil, der wirklich geteilt wird

Es gibt eine echte Überschneidung, und es lohnt sich, dabei präzise zu sein, denn hier wird der Vergleich nicht mehr trivial.

Ein nachtrainierter Generalist – LFM2.5 2.6B oder irgendein kleines Instruct-Modell – kann dazu veranlasst werden, eine strukturierte Klassifizierung zurückzugeben. Gib ihm ein JSON-Schema, frage nach einem Label und einer Konfidenz, parse die Ausgabe. Das machen Leute ständig. Die Frage ist, was dabei herauskommt.

Was du bekommst, ist eine Token-Sequenz, die zufällig ein Label enthält, das du extrahieren kannst, plus eine Zahl, die das Modell über sich selbst geschrieben hat. Diese Confidence ist ein gesampeltes Token, kein Softmax über Kandidatenantworten, und sie bedeutet nicht das, was eine kalibrierte Wahrscheinlichkeit bedeutet. Die Karte von Clef-Flash ist in der eigenen API ausdrücklich vorsichtig mit der analogen Zahl — Confidence „zeigt, wie konzentriert die Wahrscheinlichkeiten sind. Sie ist nicht die Chance, dass die Antwort richtig ist“ — und das kann sie sich leisten, weil die zugrunde liegende Größe eine echte Verteilung über die von dir bereitgestellten Optionen ist. Ein geprompteter Generalist hat keine solche Verteilung, die er offenlegen könnte. Er hat einen Satz, der 0,85 sagt.

Ob dieser Unterschied 11 GB und eine H200 wert ist, hängt ganz davon ab, was Sie mit der Zahl anfangen. Wenn das Label in ein Dashboard einfließt, ist ein per Prompt gesteuertes 2,6B-Modell völlig ausreichend und in jeder Hinsicht günstiger. Wenn das Label über eine unwiderrufliche Aktion entscheidet – eine Rückerstattung auszulösen, ein Konto zu sperren, einen Sicherheitsvorfall eskalieren zu lassen –, dann ist der Unterschied zwischen einem kalibrierten Score und einer plausibel aussehenden Zeichenkette der Unterschied zwischen einem Schwellenwert, den Sie gegenüber einem Auditor rechtfertigen können, und einem, den Sie nicht rechtfertigen können.

A screenshot of the Hugging Face model card for LiquidAI/LFM2.5-2.6B-Base, a text-generation checkpoint of 3B parameters under the LFM 1.0 licence, tagged lfm2, liquid, fm2.5, edge and conversational, described as a hybrid model family designed for on-device deployment with quantizations derived from it and a note that no inference provider is deployed for it. A downloads-last-month figure reads 16,541.

Wo Sie jede davon bekommen können

Keines der beiden Modelle ist auf OrcaRouter. Unser Katalog führt clef-flash nicht, und er führt auch LFM2.5 2.6B Base nicht – ebenso wenig wie irgendeinen anderen Liquid AI Checkpoint. Sie können beides überprüfen, indem Sie unsere Modell-API aufrufen und einen 404 erhalten. Nichts in diesem Artikel ist eine Verfügbarkeitsaussage von uns.

Clef-Flash ist auf Cloudflare's Workers AI für 0,09 $ pro Million Input-Tokens erreichbar, oder als Apache-2.0-Gewichte, die Sie selbst betreiben. LFM2.5 2.6B Base ist auf Hugging Face verfügbar, mit quantisierten Builds für llama.cpp, ONNX Runtime und MLX sowie dem eigenen Playground und der Dokumentation von Liquid AI für die Familie. Wenn Sie ein Entscheidungsmodell möchten, das heute in unserem Katalog live ist, dann ist das dort verfügbare TypeSafe's Jev 1.13 — gleiche Request-Struktur, 65.536-Token-Kontext, 0,042 $ pro Million Input-Tokens — und clef-flash wurde als Drop-in dafür gebaut, was bedeutet, dass das Ausprobieren des einen oder anderen eine Konfigurationsänderung statt einer Neuimplementierung ist. Beide rufen dieselbe Endpoint-Klasse auf, wenn Sie also bereits über einen einzigen Schlüssel routen, wobei die Listenpreise der Anbieter ohne Aufschlag weitergegeben werden, ist der Vergleich ein Experiment, das Sie heute Nachmittag durchführen können, statt einer Migration, die Sie planen müssen.

A screenshot of the OrcaRouter model page for TypeSafe's Jev 1.13 (typesafe/jev-1.13), showing a 65K token context, text input, structured JSON output, a p50 TTFT of 148 ms, a $0.04 per million input token price, 174.0M tokens of throughput, and the POST /v1/systemone request shape.

Welcher gehört in deinen Stack

Der Entscheidungsbaum ist kurz. Wenn Ihre Antworten eine endliche Liste sind, die Sie im Voraus aufschreiben können, und Sie eine Wahrscheinlichkeit brauchen, die etwas bedeutet, und Sie die Hardware haben oder bereit sind, pro Aufruf zu zahlen — clef-flash ist die fertige Komponente und LFM2.5 2.6B Base ist kein Kandidat. Wenn Ihre Antworten offen sind oder das, was Sie tatsächlich brauchen, ein kleines Sprachmodell ist, das Sie mit Ihren eigenen Daten formen und auf einem Laptop ausführen können, ist LFM2.5 2.6B Base der Ausgangspunkt und clef-flash kann Ihnen überhaupt nicht helfen.

Der Fall, in dem die Leute das falsch machen, ist die Mitte: einen begrenzten Klassifikator zu bauen, indem man einen kleinen Generalisten promptet, weil es der Weg des geringsten Widerstands ist und in der Demo funktioniert. Es funktioniert in der Demo. Es hört in dem Moment auf zu funktionieren, in dem die Zahl eine Zahl sein muss, und zu diesem Zeitpunkt sind das Schema, die Prompts und der Parsing-Code allesamt tragend.

Eine Einschränkung auf der clef-flash-Seite, offen gesagt, weil es die schwächste Zahl des Anbieters selbst ist: Bei CLINC150 mit Out-of-Scope-Behandlung, wo die richtige Antwort manchmal lautet „Das passt in keine Ihrer Kategorien“, erreicht clef-flash 66,8 Macro-F1 gegenüber 97,4 für sein größeres 27B-Geschwistermodell. Ein begrenztes Schema ist eine Stärke, solange die Eingabe hineinpasst; passt sie nicht, klassifiziert das Modell trotzdem. Welchen Weg Sie auch wählen, bauen Sie die Restklasse bewusst auf und prüfen Sie, was in ihr landet.