Dessa vs. LFM2.5 2.6B Base: Ein Checkpoint, den Sie besitzen können, vs. eine Stimme, die Sie nur hören können

LFM2.5-2.6B-Base ist eine Datei mit 2,69 Milliarden Parametern, die in etwa 2,5 GB passt, auf einem Telefon läuft und mit einer Lizenz kommt, die es dir erlaubt, sie feinabzustimmen und das Ergebnis auszuliefern. Dessa ist ein Vollduplex-Sprachmodell, das Block am 23. Oktober 2026 angekündigt hat, ausschließlich auf menschlichen Gesprächen trainiert wurde und Berichten zufolge schnell genug ist, um auf einem MacBook Pro M4 Max zu laufen. Du kannst Dessa nicht herunterladen, feinabstimmen, messen oder aufrufen. Es ist eine Warteliste.

Diese beiden in einem Satz zu nennen, ist auf offensichtliche Weise unfair: Das eine ist ein vortrainierter Text-Checkpoint, das andere ein fertig ausgebildetes Konversationsverhalten. Doch gerade diese Ungerechtigkeit ist nützlich. Die Frage, vor der ein Team tatsächlich steht, lautet nicht „Welches Modell ist besser?“, sondern „Auf welchem Modell kann ich ein Geschäft aufbauen?“ – und bei dieser Frage ist die Kluft zwischen einem herunterladbaren Basis-Checkpoint und einer geschlossenen Research-Preview größer als jeder Benchmark-Unterschied.

Was LFM2.5-2.6B-Base tatsächlich ist

Liquid AI hat die LFM2.5-Familie am 4. August 2026 veröffentlicht. Das Suffix Base ist wichtiger als die Parameterzahl: Dies ist der vortrainierte Checkpoint, nicht der instruktionsgetunte Assistent. Er hat 34 Billionen Tokens gelesen und die statistische Struktur von 16 Sprachen erlernt, wurde aber nicht darauf trainiert, Anweisungen zu befolgen, einen Dialog zu führen oder Tools zu verwenden. Wenn man ihn ohne Kontext anspricht, erhält man eine Textvervollständigung, kein Gespräch.

Die Architektur ist hybrid. Dreißig Schichten, von denen 22 doppelt gegatete Kurzfaltungsblöcke und acht Grouped-Query-Attention sind – ein Design, das Liquid seit der ersten LFM2-Generation verfeinert. Das Vokabular umfasst 128.000 Token und wurde gegenüber der vorherigen Generation durch eine In-place-Tokenizer-Erweiterung verdoppelt, die auf nicht-lateinische Schriftsysteme abzielt. Der Kontext beträgt 131.072 Token und wird durch eine spezielle Mid-Training-Erweiterung erreicht, nicht bereits beim Pretraining.

Das instruktionsgetunte Schwestermodell LFM2.5-2.6B ist dasjenige mit der veröffentlichten Benchmark-Tabelle: AIME25 51,87, LiveCodeBench v6 59,41, IFBench 59,17, BFCLv4 56,88, ToolSandbox 77,83, Claw-Eval English 62,85. Diese Werte wurden vom Anbieter gemeldet und gehören zum nachtrainierten Modell, nicht zum Basismodell. Liquid selbst rät davon ab, die Familie für agentisches Coding oder wissensintensive Arbeit zu verwenden – ein nützliches Ehrlichkeitssignal in einem Markt, in dem jedes kleine Modell als eines beschrieben wird, das über seine Gewichtsklasse hinausschlägt.

Warum es sich weiterhin lohnt, einen Basis-Checkpoint mit einem fertigen Verhalten zu vergleichen

Ein Basismodell ist ein Ausgangspunkt. Sein Wert liegt in dem, was man daraus machen kann: kontinuierliches Pretraining auf Ihrer Domäne, ein überwachtes Fine-Tuning auf Ihren Transkripten, ein destillierter Student für eine eng umrissene Aufgabe. Dessa ist die entgegengesetzte Art von Artefakt. Es kommt als ein Verhalten — Sprecherwechsel, Backchannel, emotionales Timing — und nichts davon ist für eine Modifikation zugänglich gemacht.

Der Vergleich dreht sich also wirklich um Kontrolle. LFM2.5-2.6B-Base liefert die Gewichte, die Lizenz und die Verpflichtung, die Arbeit zu erledigen. Dessa liefert eine Demo und die Möglichkeit auf Zugang. Für ein Forschungslabor kann das Zweite wertvoller sein. Für ein Produktteam ist das Erste das Einzige, das ein lieferbares Ergebnis hervorbringt.

Das Datenblatt mit beiden Seiten auf einer Zeile

Die LFM-Zahlen stammen aus der Model Card und der Ankündigung von Liquid; die Dessa-Zahlen stammen von der Seite von Block. Alle vom Anbieter gemeldeten Zahlen sind als solche gekennzeichnet.

• Parameter — LFM2.5-2.6B-Base: 2,69B insgesamt vs. Dessa: nicht angegeben.

Architektur — LFM2.5-2.6B-Base, ein Hybrid aus Short-Convolution und Grouped-Query-Attention, 30 Schichten gegenüber Dessa End-to-End-Speech-to-Speech, Architektur nicht veröffentlicht.

• Kontext — LFM2.5-2.6B-Base 131.072 Token vs. Dessa nicht angegeben.

• Modalität — LFM2.5-2.6B-Base: Texteingabe, Textausgabe vs. Dessa: Audioeingabe, Audioausgabe.

• Gewichte — LFM2.5-2.6B-Base herunterladbar, einschließlich GGUF-, ONNX- und MLX-Builds, im Vergleich zu Dessa: keine.

• Lizenz — LFM2.5-2.6B-Base: die LFM Open License v1.0, kommerzielle Nutzung mit Bedingungen, gegenüber Dessa: keine Lizenz veröffentlicht.

• Arbeitsspeicher — LFM2.5-2.6B-Base zur Laufzeit unter etwa 2,5 GB, im Vergleich zu Dessa, einem MacBook Pro M4 Max oder besser, pro Block.

• Geschwindigkeit — LFM2.5-2.6B-Base erreicht etwa 220 Token pro Sekunde auf einem Apple M5 Max und etwa 30 auf Smartphones; laut Hersteller im Vergleich zu Dessa „schneller als Echtzeit“, ohne Zahlenangabe.

• Preis — LFM2.5-2.6B-Base frei verfügbare Gewichte vs. Dessa kein Preis.

• Verfügbarkeit — LFM2.5-2.6B-Base seit dem 4. August 2026 allgemein verfügbar vs. Dessa mit Warteliste.

Das Gerätebudget ist das ganze Argument.

Liquids Pitch ist die Deployment-Ökonomie: ein Modell, klein genug für einen Raspberry Pi, schnell genug für ein Smartphone, günstig genug, um ohne GPU-Rechnung zu laufen. Der angegebene Durchsatz – etwa 220 Tokens pro Sekunde auf einem M5 Max, 113 auf einem Ryzen AI Max+ 395 und rund 30 auf einem Smartphone – ist die Art von Zahl, die darüber entscheidet, ob sich ein On-Device-Assistent sofort oder kaputt anfühlt. Dreißig Tokens pro Sekunde sind schneller als die Lesegeschwindigkeit, was die relevante Schwelle für eine Chat-Oberfläche ist.

Dessas Deployment-Behauptung ist ein Laptop, der deutlich über 2.000 US-Dollar kostet und mit einem Spitzenchip von Apple ausgestattet ist. Das ist immer noch lokal, und lokal hat echte Vorteile: keine Abrechnung pro Token, kein Netzwerk-Roundtrip, keine Daten, die das Gerät verlassen. Aber das ist ein anderer Markt. Ein Modell mit 2,6 Milliarden Parametern lässt sich in einer App ausliefern; ein Modell, das einen M4 Max benötigt, ist ein Entwicklerwerkzeug oder eine Desktop-Funktion. Wenn Ihr Produkt auf Smartphones läuft, endet dieser Vergleich an der Speichergrenze.

Die Lizenzierung ist die eigentliche Trennlinie.

Die LFM Open License v1.0 ist keine von der OSI anerkannte Open-Source-Lizenz, und das sollte man klar sagen. Kommerzielle Nutzung ist erlaubt, aber Organisationen über einer Umsatzschwelle – bei Liquid liegt sie bei 10 Millionen US-Dollar Jahresumsatz – benötigen eine separate kommerzielle Lizenz. Das ist eine echte Einschränkung. Sie ist auch eine bekannte Einschränkung, mit einem Dokument, einer Schwelle und jemandem, mit dem man verhandeln kann.

Dessa hat keine Lizenz, weil Dessa keine Distribution hat. Sie können keine Bedingungen einhalten, die nicht existieren, und Sie können keinen Beschaffungsfall auf der Grundlage einer Warteliste aufbauen. Für ein Unternehmen ist eine „individuelle Lizenz mit Umsatzschwelle“ eine rechtliche Prüfung. „Keine veröffentlichten Bedingungen“ sind ein Blocker.

Wenn Sie heute einen Sprachagenten auf einem Telefon möchten

Keines der beiden Modelle ist eine vollständige Lösung, aber die LFM-Seite ist zumindest ein Ausgangspunkt. Ein Telefon-Sprachagent braucht drei Komponenten: Spracherkennung, ein Sprachmodell und Sprachsynthese. LFM2.5-2.6B-Base kann die mittlere Komponente sein, wenn man es feinabstimmt – der Basis-Checkpoint ist ein Textmodell, wird also von sich aus nichts hören, und sein 131K-Kontext reicht aus, um einen langen Gesprächsverlauf plus abgerufene Notizen zu halten.

Das Fine-Tuning ist die interessante Option. Wenn man die Gewichte hat, kann man auf Gesprächen aus der eigenen Domäne trainieren und das Ergebnis nach eigenen Maßstäben bewerten. Genau das ist das Experiment, zu dem Dessas Ankündigung einlädt und das sie nicht erlaubt: ein kleines sprachfähiges Stack nehmen, es auf echten Gesprächen trainieren und sehen, ob emotionales Timing entsteht. Block sagt, es habe dies von Grund auf auf einem GB200-NVL72-Rack gemacht. Ein Team mit ein paar GPUs kann die günstige Variante der Frage auf einer LFM-Basis durchspielen und in einer Woche etwas lernen.

Wenn Sie das Sprachmodell lieber nicht auf dem Gerät ausführen möchten, stellt OrcaRouter eine einzige API vor 200+ Modellen mit 0 % Aufschlag und automatischem Failover bereit, sodass der Reasoning-Schritt in der Cloud liegen kann, während Audio lokal bleibt. Um den Umfang klarzustellen: LFM2.5 2.6B Base ist nicht in unserem Katalog – es ist ein Download, und genau darum geht es. Wir routen gehostete Modelle; dieses ist dafür gedacht, dort zu laufen, wo Sie es platzieren.

Wer sollte was auswählen?

• Sie müssen das Modell, die Gewichte und die Roadmap selbst besitzen — LFM2.5-2.6B-Base, dann feinabstimmen.

• Sie benötigen Offline-Betrieb auf günstiger Hardware — LFM2.5-2.6B-Base.

• Sie brauchen einen Text- oder Agentic-Kern unter einigen Gigabyte — das nachtrainierte LFM2.5-2.6B, nicht die Basisversion.

• Sie brauchen Live-Sprachausgabe, die unterbrechbar und emotional ausdrucksstark ist — Dessa ist von den beiden die einzige, die darauf ausgelegt ist, und sie ist nicht verfügbar.

• Sie benötigen eine Lizenz, die Sie in diesem Quartal unterzeichnen können — LFM2.5-2.6B-Base, mit geprüfter Umsatzklausel.

• Sie müssen ein reproduzierbares Ergebnis veröffentlichen — LFM2.5-2.6B-Base, weil Reproduzierbarkeit eine Datei erfordert.

Das Experiment, das die Sache entscheiden würde

Nimm 1.000 Stunden Gesprächsaudio mit Transkripten, stimme LFM2.5-2.6B-Base auf der Textseite fein ab und ergänze einen starken Spracherkenner und Synthesizer. Miss die Erholung nach Unterbrechungen und die emotionale Angemessenheit gegenüber einer turn-basierten Baseline. Wenn das Ergebnis dem nahekommt, was Blocks Clips nahelegen, dann ist Dessas Vorsprung schmaler, als das Demo-Reel impliziert: Es mag ein Architekturgewinn sein, aber kein uneinnehmbarer.

Wenn nicht, wird das Argument für sprachnatives Training stärker, und das Fehlen einer Dessa-Gewichtsdatei wird zur wichtigsten Tatsache in diesem Vergleich. So oder so ist der Test auf der offenen Seite ausführbar und auf der geschlossenen nicht. Diese Asymmetrie ist die Antwort auf die Hauptfrage, und sie wird die Antwort bleiben, bis Block etwas ausliefert, das ein Kunde in den Händen halten kann.