LFM2.5-24B-A2B vs Gemma 4 12B: Der dünnbesetzte Agent gegen das dichte multimodale Modell

Liquid AIs LFM2.5-24B-A2B und Google DeepMinds Gemma 4 12B sind die beiden Open-Weight-Checkpoints, die diesen Monat am wahrscheinlichsten in derselben Download-Warteschlange stehen, und sie kommen aus entgegengesetzten Richtungen. LFM2.5-24B-A2B erschien am 13. Oktober 2026 mit 24,0 Milliarden Parametern, von denen nur 2,45 Milliarden pro Token gelesen werden, Text rein und Text raus, einem Kontext von 131.072 Token und einer Benchmark-Tabelle, die vollständig um Tool-Nutzung herum aufgebaut ist. Gemma 4 12B erschien am 3. Juni 2026 als dichtes Modell mit 11,95 Milliarden Parametern, das Text, Bilder und Audio liest und Text schreibt, unter Apache 2.0, ohne Umsatzobergrenze. Das eine ist eine spezialisierte Agenten-Engine, die auf dem Laptop läuft, den Sie bereits besitzen. Das andere ist ein Generalist, der sieht und hört, auf demselben Laptop in etwa 7 GB läuft und mit einer Lizenz kommt, die Sie nie ein zweites Mal lesen müssen.

Die Frage, die diese Seite beantwortet, lautet also nicht „Was ist besser?“, denn sie wurden nie für dieselbe Aufgabe gebaut. Sie ist enger und nützlicher: Wenn du einen privaten Agenten auf einer Maschine betreibst, die du kontrollierst, welche der beiden lädst du herunter, und worauf verzichtest du in beiden Fällen?

Die Antwort in einem Absatz, für Leute, die bereits wissen, was sie wollen.

Nimm LFM2.5-24B-A2B, wenn der Agent mehrstufige Tool-Aufrufe und sonst nichts macht – die Agentic-Zahlen des Anbieters selbst liegen bei den wenigen Zeilen, die sich einigermaßen vergleichen lassen, weit vor denen von G​emma 4 12B, und das Modell erzeugt immer eine explizite Reasoning-Spur, bevor es handelt. Nimm G​emma 4 12B, wenn die Aufgabe einen Screenshot, ein fotografiertes Dokument, eine gescannte Seite oder einen Audioclip umfasst, wenn du eine Reasoning-Spur wegen der Latenz deaktiviert haben willst, oder wenn dein Unternehmen irgendwo in der Nähe der 10-Millionen-Dollar-Umsatzgrenze liegt, ab der Liquids Lizenz nicht mehr kostenlos ist. Lies weiter, wenn du die Zahlen hinter diesen zwei Sätzen willst, denn ein guter Teil des Vergleichs hängt davon ab, wie die beiden Anbieter gemessen haben.

Wo sich die beiden Checkpoints wirklich unterscheiden

• Parameterökonomie — LFM2.5-24B-A2B ist ein Mixture-of-Experts-Modell: 24,0B gesamt, 2,45B aktiv pro Token, 64 Experten mit Top-4-Routing über 40 Schichten (30 doppelt gegatete Short-Convolution-Blöcke, 10 Grouped-Query-Attention). G​emma 4 12B ist dicht: 11,95B gesamt über 48 Schichten, jeder Parameter wird bei jedem Token gelesen.

• Was auf die Festplatte passt — Liquid veröffentlicht ein Q4_K_M GGUF mit 14,5 GB und ein QAT QAD-Q4_0 mit 13,6 GB, dazu ein 4-Bit-MLX-Build mit 13,6 GB; 48 GB in BF16. Googles QAT GGUF für das 12B umfasst etwa 6,98 GB Gewichte plus eine 0,18 GB große multimodale Projektionsdatei, und die Community-Builds von Unsloth reichen von ungefähr 4,2 GB bei 2-Bit bis 7,12 GB bei Q4_K_M.

• Kontext — 131.072 Token für LFM2.5-24B-A2B, doppelt so viele wie die 32.768 der vorherigen Generation. G​emma 4 12B verfügt über 256K (262.144), mit einem gleitenden Fenster von 1.024 Token und hybrider Attention, die lokale und globale Layer verschränkt.

• Modalität — LFM2.5-24B-A2B ist reiner Text, und das ganz bewusst. Gemma 4 12B verarbeitet Text, Bild und Audio, ganz ohne multimodale Encoder: Rohe Bild-Patches und Audio-Wellenformen werden direkt in denselben Raum wie Text-Tokens projiziert.

• Reasoning-Verhalten — LFM2.5-24B-A2B ist in der Formulierung des Anbieters ausschließlich auf Reasoning ausgelegt: Es denkt immer in einem <think>-Block, bevor es antwortet. Die Karte von Gemma 4 12B beschreibt ein instruction-tuned Modell ohne obligatorischen Trace, was auf einem Laptop ein Latenzvorteil und ein Transparenzverlust ist.

• Lizenz — lfm1.0 ist kostenlos zum Herunterladen, für Fine-Tuning und kommerzielle Nutzung bis zu 10 Mio. USD Jahresumsatz, danach gilt eine kommerzielle Lizenz. Gemma 4 12B steht unter Apache 2.0 ohne Umsatzschwelle; Googles Nutzungsbedingungen und Richtlinie zur verbotenen Nutzung stehen neben den Gewichten als Dokumente zur akzeptablen Nutzung, nicht als Lizenzbeschränkungen.

• Vokabular und Trainingsumfang — LFM2.5-24B-A2B vergrößerte sein Vokabular von 65K auf 128K durch In-Place-Tokenizer-Erweiterung und skalierte das Pretraining von 17T auf 33T Token, mit 300B Mid-Training-Token bei vollem Kontext und einer agentischen RL-Phase innerhalb echter Harnesses. G​emma 4 12B verfügt über ein 262K-Vokabular, das in der gesamten Familie geteilt wird, und wurde auf 140+ Sprachen vortrainiert, mit beanspruchter Out-of-the-Box-Unterstützung für 35+.

Der eine Benchmark, den beide Anbieter ausgeführt haben

Zwei verschiedene Launch-Tabellen zu vergleichen, ist normalerweise eine Falle. Hier gibt es genau eine Zeile, in der die beiden Unternehmen dasselbe unter vergleichbaren Bedingungen gemessen haben, und es lohnt sich, sie gesondert herauszustellen, gerade weil sie so einsam dasteht.

GPQA Diamond — Liquid meldet 74,42 für LFM2.5-24B-A2B; die Familientabelle von G​oogles G​emma 4 gibt 78,8 für das instruktionsgetunte G​emma 4 12B an. Beide Werte stammen vom Anbieter und wurden nicht reproduziert. Das dichte 12B-Modell liegt bei naturwissenschaftlichen Fragen auf Graduiertenniveau vorn, was zu Liquids eigener Einordnung passt, dass sein Modell nicht das richtige für Wissensfragen sei — im Launch-Post wird empfohlen, es mit Retrieval oder Websuche zu kombinieren, statt seinen Gewichten zu vertrauen.

Alles andere muss innerhalb seiner eigenen Tabelle gelesen werden, und die ehrliche Zusammenfassung ist, dass die beiden Tabellen nahezu überschneidungsfreie Dinge messen. Liquids Tabelle mit sechzehn Benchmarks umfasst AutomationBench (27.69), BFCLv4 (65.01), ToolSandbox (80.71), LiveClaw (48.09), PinchBench (83.18), τ³-Bench Banking (8.04), WebArena Verified (26.75), IFEval (96.75), IFBench (74.69), Multi-IF (84.38), MATH-500 (96.04), SWE-Bench Verified via OpenCode (51.00), SciCode (32.71), AA-Omniscience (−24.90) und HLE (7.40). G​oogles Familientabelle umfasst MMLU Pro (77.2), AIME 2026 ohne Tools (77.5), LiveCodeBench v6 (72.0), einen Codeforces-ELO von 1659, MMMU Pro (69.1) und MRCR v2 bei 128K mit acht Nadeln (43.4).

Nur eine Überschneidung, und keinen gemeinsamen Prüfstand. Wer aus diesen beiden Tabellen eine kombinierte Rangliste veröffentlicht, erfindet einen Vergleich, den keines der beiden Unternehmen durchgeführt hat.

Unabhängig davon, und das ist die schärfere Kante

Artificial Analysis hat G​emma 4 12B bewertet: einen Intelligence Index von 14, Platz 20 von 141 Modellen in seiner Vergleichsklasse, bei gemessenen 110,9 Tokens pro Sekunde und kombinierten Drittanbieterkosten von 0,10 $ pro Million Input- und 0,30 $ pro Million Output-Tokens. Das sind unabhängige Zahlen zu einem Modell, das seit vier Monaten öffentlich ist und ein Ökosystem hinter sich hat.

LFM2.5-24B-A2B hat nichts Vergleichbares. Es ist einen Tag alt, kein Drittanbieter hat einen Score veröffentlicht, und Liquids eigene Edge-Kennzahlen – 184 Token pro Sekunde auf einem Apple M5 Max, 114 auf einem AMD Ryzen AI Max+ 395, „bis zu 1,7× schneller als vergleichbare MoEs auf dem Gerät“ – weisen weder eine Baseline noch eine Reproduktion auf. Bei einem vom Anbieter gemessenen Modell gegenüber einem unabhängig gemessenen ist die Asymmetrie der Befund: Eine dieser beiden Zahlen lässt sich heute selbst überprüfen – und es ist nicht die neuere.

Wenn Sie einen Produktionspfad lieber nicht auf eine vier Tage alte Anbietertabelle setzen möchten, genau dafür ist automatisches Failover da. Richten Sie den Agenten auf LFM2.5-24B-A2B aus, behalten Sie ein bewertetes Modell dahinter und lassen Sie den Router die Anfrage verschieben, wenn das Harness auszufallen beginnt – kein zweiter Vertrag, keine Codeänderung über die Fallback-Liste hinaus.

Kosten, in den zwei Währungen, in denen diese laufen

Beide sind Local-First-Modelle, die eigentliche Rechnung sind also Hardware und Strom. Auf der gehosteten Seite berechnet Liquid den API-Zugriff über die eigene Console mit 0,10 $ pro Million Eingabe-Tokens (0,05 $ gecacht) und 1,00 $ pro Million Ausgabe-Tokens, mit 2 $ Startguthaben. Google veröffentlicht für Gemma 4 12B überhaupt keinen Preis pro Token – der obige 0,10-$/0,30-$-Mischwert ist ein Drittanbieter-Median über Plattformen hinweg, die die offenen Gewichte bereitstellen, kein Listenpreis, und es wäre falsch, ihn als einen solchen zu behandeln.

Hier ist der Teil, der für ein Team, das beide bewertet, zählt: Keiner der beiden Checkpoints ist heute in unserem Katalog. Wir bieten aber sehr wohl die Referenzpunkte an, um die diese Entscheidung immer wieder kreist — qwen/qwen3.6-35b-a3b, das Modell, gegen das Liquid gemessen hat, mit eineinhalbmal so vielen Parametern, plus google/gemma-4-26b-a4b-it, obsidian/gemma-4-26B-A4B und google/gemma-4-31b-it aus derselben G​emma-4-Familie — alles hinter einem Schlüssel, alles mit 0 % Aufschlag auf den Listenpreis des Anbieters, sodass eine Preisänderung des Anbieters Sie am Tag der Änderung erreicht und nicht erst an dem Tag, an dem jemand einen Vertrag neu unterzeichnet. Lassen Sie Ihre eigene Aufgabe gegen die gehosteten G​emma-4-Größen laufen und entscheiden Sie dann, ob das 12B auf Ihrem Laptop überflüssig ist.

Was ich tatsächlich tun würde

Laden Sie beide Quants herunter. G​emma 4 12B mit Q4_K_M ist etwa 7 GB groß und wird Ihnen in einer Stunde sagen, ob Ihre Aufgabe Augen und Ohren braucht – wenn ja, ist die Entscheidung gefallen und LFM2.5-24B-A2B kommt überhaupt nicht infrage, weil es nicht sehen kann. Wenn nicht, laden Sie LFM2.5-24B-A2B QAD-Q4_0 mit 13,6 GB und lassen Sie Ihren echten Harness dagegen laufen, da das gesamte Argument für diesen Checkpoint Multi-Step-Tool-Calling ist und kein statischer Benchmark es für Ihre Tools entscheiden wird.

Zwei Dinge sollten Sie dabei im Hinterkopf behalten. Erstens sind die Tabellen beider Anbieter nicht reproduziert, und das einzige unabhängig bewertete Modell in diesem Vergleich ist das ältere, dichtere – was ein Grund ist, den Zahlen von G​emma 4 12B mehr zu vertrauen, und kein Grund anzunehmen, dass das neuere Modell schwächer ist. Zweitens ist das Lizenzgefälle real und asymmetrisch, und zwar auf eine Weise, die in Benchmark-Posts selten auftaucht: G​emma 4 12B bleibt für immer Apache 2.0, während LFM2.5-24B-A2B in dem Moment zu einem kommerziellen Gesprächsthema wird, in dem Ihr Unternehmen die Umsatzschwelle von 10 Mio. USD überschreitet. Für einen einzelnen Entwickler ist das unsichtbar. Für ein Produktteam, das einen On-Device-Agenten ausliefert, ist es ein Posten im nächsten Planungszyklus, und es ist die eine Dimension, in der das kleinere, ältere, multimodale Modell eindeutig die sicherere Standardwahl ist.

Auch bei einem solchen Vergleich zeigen sich die Fehlermodi: Die dokumentierten KI-Vorfälle und Agenten-Ausfälle hinter Modellen dieser Klasse sind im OrcaRouter AI Incident Archive gesammelt, wo jeder Eintrag eigene Quellen, einen Schweregrad, einen Konfidenzgrad und eine Strittig-Kennzeichnung mitführt.