LFM3-1.7B-Base vs. Granite 4.2 3B: Rohmaterial gegen einen fertigen Reasoner

Ein Basismodell, das mit einer Chat-Vorlage ausgeliefert wird, ist ein Widerspruch, den die meisten Anbieter vermeiden. LFM3-1.7B-Base, veröffentlicht am 26. Oktober 2026, enthält eine vollständige Chat-Vorlage und aktiviert Reasoning standardmäßig, wenn man sie anwendet – doch die eigene Modellkarte sagt, es sei nur für umfangreiches Fine-Tuning empfohlen, und verweist Chat-Traffic anderswohin. Granite 4.2 3B, IBMs Apache-2.0-Reasoning-Modell vom 25. August 2026, ist die entgegengesetzte Art von Artefakt: post-trainiert, benchmark-getestet, drei Reasoning-Modi, Tool-Calling und eine Karte, die 78,33 bei AIME 2025 behauptet. Die interessante Frage ist nicht, welches besser ist. Sie lautet, warum sich das halbfertige wie ein fertiges verhält und was das darüber aussagt, welches man herunterladen sollte. Ein Fallback-Pfad sollte keinen Aufpreis kosten. Listenpreise Anbieter-Listenpreise werden ohne Aufschlag durchgereicht.

Das Ungewöhnliche ist das Basismodell.

Liquids Entscheidung, mitten im Training auf Chat-Daten mit und ohne Thinking-Traces nachzutrainieren, ist das Detail, das diesen Vergleich zu mehr als einem reinen Größenvergleich macht. Die letzten 3,5 Billionen der 22 Billionen Pre-Training-Tokens des Checkpoints wurden mit agentischen Traces und Tool Calls kuratiert und mit demselben Chat-Template formatiert, das das getunte Modell verwendet. Deshalb enthält das Basis-Repository überhaupt ein Template, und deshalb erzeugt ein naiver apply_chat_template-Aufruf einen Thinking-Block vor einer Antwort. Das Modell hat das Format gesehen. Es wurde jedoch nicht darauf trainiert, Anweisungen darin zu befolgen.

Dieser Unterschied ist in der Praxis wichtig. Ein Fine-Tuning, das von LFM3-1.7B-Base ausgeht, erbt ein Modell, das die Gesprächsstruktur und die Reasoning-Trennzeichen bereits erkennt, was die überwachte Phase verkürzt. Es erbt jedoch keine Zuverlässigkeit, kein Ablehnungsverhalten und keine Korrektheit von Tool-Aufrufen. Diese entstehen durch das Post-Training, das Sie gerade durchführen werden – und genau dafür ist der Checkpoint laut der Karte gedacht.

Was Granite 4.2 3B tatsächlich ist

IBMs 3B ist das Edge-Mitglied der Granite-4.2-Reasoning-Familie und wurde aus Granite-4.1-3B-Base nachtrainiert. Es ist dicht, reiner Text und läuft mit nativem Kontext von 128K, erweiterbar auf 512K. Drei Reasoning-Modi sind enthalten – standardmäßig vollständiges Denken, ein Low-Effort-Modus und aus –, dazu OpenAI-kompatibles Tool-Calling und eine Familie von Quantisierungsformaten. In bfloat16 benötigt es sechs bis acht Gigabyte, bei einer praktischen Quantisierung unter zwei Gigabyte, und Ollama führt einen Build granite4.2:3b.

Die Karte gibt 78,33 bei AIME 2025 im Full-Thinking-Modus an, 54,80 bei GPQA und 69,71 bei LiveCodeBench v6. Jede dieser Zahlen ist eine eigene Angabe von IBM, veröffentlicht am Tag, an dem die Gewichte online gingen, und keine davon wurde unabhängig reproduziert. Dem 3B fehlt zudem das agentische Reinforcement Learning, das seine 8B- und 30B-Geschwister erhalten haben, weshalb es keine SWE-Bench- oder Terminal-Bench-Ergebnisse vorweisen kann. Es ist ein Reasoning-Modell, keine Agent-Engine.

Was der LFM3-Checkpoint tatsächlich ist

Ein vortrainiertes Textmodell mit 1,73 Milliarden Parametern, einem Kontext von 262.144 Token, einem Vokabular von 128.000 Token über sechzehn Sprachen und 3,46 GB bfloat16-Gewichten. Vierundzwanzig Schichten: dreizehn kurze Faltungen mit Gating, fünf Sliding-Window-Attention-Blöcke, sechs Full-Attention-Blöcke. Etwa 1 GB bei 4 Bit. Die LFM Open License v1.0, kostenlos für kommerzielle Nutzung bei einem Jahresumsatz unter 10 Millionen US-Dollar. Zwei TRL-Notebooks auf der Model Card, eines für überwachtes Fine-Tuning zur strukturierten Extraktion und eines für kontinuierliches Pre-Training auf einer neuen Sprache. Keine Benchmark-Tabelle jeglicher Art.

Die fünf Zahlen, die sie trennen

• Parameter — 1,73 Mrd. dichte Parameter für LFM3-1.7B-Base gegenüber rund 3 Mrd. bei Granite 4.2 3B. Keines der beiden ist ein Mixture-of-Experts-Modell; jeder Parameter wird bei jedem Token gelesen.

• Pre-Training-Token — 22 Billionen für LFM3-1.7B-Base. IBM zufolge kamen bei der Granite-4.2-Familie über fünf Phasen hinweg rund 15 Billionen zusammen, für ein Modell von nahezu doppelter Größe. Der kleinere Checkpoint bekam mehr Text zu sehen.

• Kontext — 262.144 Tokens nativ für LFM3-1.7B-Base; 128K nativ und 512K erweitert für Granite 4.2 3B. Das Basismodell gewinnt bei der nativen Länge, das abgestimmte Modell gewinnt bei der Obergrenze.

• Benchmarks — für LFM3-1.7B-Base keine veröffentlicht. AIME 2025 78,33, GPQA 54,80 und LiveCodeBench v6 69,71 für Granite 4.2 3B, alle vom Hersteller angegeben und nicht reproduziert.

• Lizenz — LFM Open License v1.0 mit einer Umsatzschwelle von 10 Millionen US-Dollar gegenüber Apache 2.0 ohne kommerziellen Auslöser.

Warum die Vorlage existiert und was sie wert ist

In der Merkwürdigkeit steckt ein echter technischer Vorteil. Kontinuierliches Pre-Training und überwachtes Fine-Tuning setzen beide voraus, dass das Modell das Format erkennt, in dem es bereitgestellt wird. Wenn man von einem Checkpoint startet, der bereits Chat-Markup und Denk-Trennzeichen gesehen hat, verwendet die überwachte Phase ihr Gradientenbudget auf Verhalten statt auf Formatierung. Granite 4.2 3B liefert diesen Ausgangspunkt nicht; es liefert das fertige Verhalten, das man anschließend spezialisieren kann, doch die Spezialisierung beginnt bei einem Modell, das bereits Vorstellungen davon hat, wie es antworten soll.

Das ist der Trade-off in einem Satz. LFM3-1.7B-Base bietet dir einen saubereren Ausgangspunkt mit vertrauter Form. Granite 4.2 3B liefert dir einen funktionierenden Reasoner, den du heute auf ein Problem ansetzen und, wenn du möchtest, anschließend fine-tunen kannst — mit der Einschränkung, dass das Fine-Tuning eines nachtrainierten Reasoning-Modells das Reasoning-Verhalten, für das du bezahlt hast, erodieren kann, wenn die Daten nicht sorgfältig aufgebaut werden.

Die Budgetfrage, die niemand auf den Tisch bringt

Inferenz ist die günstige Seite dieses Vergleichs. Beide Modelle laufen auf einem Laptop, beide quantisieren unter 2 GB, und bei dieser Größe ist der Unterschied zwischen 1,73B und 3B eine Frage der Tokens pro Sekunde statt der Machbarkeit. Die teure Seite sind die Daten. Das Fine-Tuning eines der beiden Modelle für eine proprietäre Aufgabe erfordert gelabelte Beispiele, einen Evaluierungsdatensatz und eine Trainingsschleife, und dieser Aufwand lässt den Unterschied zwischen einem 3,46-GB-Download und einem 6-GB-Download winzig erscheinen.

Was sich mit der Größe ändert, ist, wie viel von diesem Budget in Fähigkeiten fließt, die das Basismodell bereits besitzt. Ein auf 22 Billionen Tokens trainierter 1,73-B-Backbone ist eine bewusste Wette darauf, dass ein kleines Modell mit langem Kontext und breitem Sprachmix eine Domäne schnell aufnehmen kann. Ein 3-B-Reasoning-Modell ist eine Wette darauf, dass allgemeines Reasoning mit weniger Daten auf Ihre Domäne übertragbar ist. Keine der beiden Wetten wird durch die Zahlen der Anbieter entschieden, denn keiner der Anbieter hat ein Fine-Tuning-Ergebnis zu einer Aufgabe veröffentlicht, die Ihnen wichtig ist.

Sobald ein Fine-Tune existiert, ist die Serving-Frage eine separate. OrcaRouters Routing-DSL lässt einen Spezialisten und einen allgemeinen Fallback hinter einem einzigen Aufruf stehen, und automatisches Failover bedeutet, dass ein Timeout bei einem kleinen Modell nicht die Anfrage mit sich reißt. Das ist bei einem 1,73B-Fine-Tune wichtiger als bei einem großen Modell, denn der Fehlermodus eines kleinen Spezialisten ist Sicherheit in der falschen Domäne, und ein Fallback ist die günstigste Absicherung dagegen.

Lizenz: die Klausel, die über die Akzeptanz in Unternehmen entscheidet

Apache 2.0 ist die kürzeste Lizenzkonversation im Beschaffungswesen. Granite 4.2 3B wird darunter ausgeliefert, ohne Umsatzschwelle und ohne kommerziellen Auslöser. LFM3-1.7B-Base wird unter der LFM Open License v1.0 ausgeliefert, die eine kostenlose kommerzielle Nutzung unter 10 Millionen US-Dollar Jahresumsatz gewährt und oberhalb davon eine kommerzielle Lizenz erfordert. Für einen unabhängigen Entwickler ist der Unterschied unsichtbar. Für ein Produktteam in einem größeren Unternehmen ist die Schwelle eine rechtliche Prüfung, die vor dem ersten Trainingslauf stattfindet, und sie kann einen Vorteil bei der Parameteranzahl in die eine oder andere Richtung aufwiegen.

Welche soll ich herunterladen?

Sie brauchen diese Woche ein Reasoning-Modell. Granite 4.2 3B. Es ist fertig, dokumentiert, quantisiert und klein genug für einen Laptop. Die Herstellerangaben sind nicht reproduziert, aber das Modell läuft und die Schnittstelle ist Standard.

Sie bauen einen Domänenspezialisten auf und haben die Daten. LFM3-1.7B-Base. Der 22 Billionen Token umfassende Stamm, der 256K-Kontext und das Vokabular für sechzehn Sprachen sind ein besserer Ausgangspunkt als ein Reasoning-Modell, das Sie teilweise überschreiben würden, und die Chat-Vorlage bedeutet, dass die überwachte Phase in einem vertrauten Format beginnt.

Man braucht sowohl einen Reasoner als auch einen Spezialisten. Sie sind kein Ersatz füreinander. Granite 4.2 3B übernimmt den allgemeinen Reasoning-Pfad; ein LFM3-Fine-Tune übernimmt den engen, hochvolumigen Pfad. Beide hinter einem einzigen Endpoint zu betreiben, ist das Muster, das die Wahl vermeidet.

Was fehlt noch?

Die Lücke in diesem Vergleich ist keine Zahl, sondern eine Reproduktion. Granite 4.2 3B hat Hersteller-Benchmarks und keine unabhängigen Läufe; LFM3-1.7B-Base hat beides nicht. Bis jemand den Liquid-Checkpoint auf einer öffentlichen Aufgabe feinjustiert und das Ergebnis gegen eine Granite 4.2 3B-Baseline berichtet, hängt die Wahl davon ab, welche Art von Asset man möchte, und nicht davon, welches Modell besser abschneidet. Die Vorlage lässt den Basis-Checkpoint fertiger aussehen, als er ist. Die Karte ist ehrlich darüber, und das ist der Teil, der vor dem Download lesenswert ist.