LFM3-1.7B vs. LFM2.5-24B-A2B: Das neuere Liquid-Modell ist nicht der Nachfolger des größeren

Liquid AI hat LFM2.5-24B-A2B am 13. Oktober 2026 veröffentlicht und LFM3-1.7B am 27. Oktober 2026. Zwei Wochen liegen zwischen ihnen, dasselbe Labor hat beide entwickelt, und das neuere Modell hat etwa ein Sechstel des Speicherbedarfs des älteren. Die naheliegende Schlussfolgerung — dass LFM3-1.7B LFM2.5-24B-A2B ersetzt — ist falsch, und die Benchmark-Tabellen des Herstellers selbst sind der klarste Beleg dagegen. Keines der beiden Liquid-Modelle ist in unserem Katalog, daher sind beide selbst gehostete Downloads. Wogegen Sie sie benchmarken, ist genau der Punkt, an dem Anbieter-Listenpreise, die mit 0 % Aufschlag durchgereicht werden eine Rolle spielen.

Auf SWE-bench Verified erzielt das 24B-Modell 51,00 gegenüber 43,40 für das 1.7B-Modell. Bei LiveClaw erzielt es 48,09 gegenüber 45,60. Das sind keine Abstände, die das neue Modell geschlossen hat. Was LFM3-1.7B stattdessen mitbringt, ist eine andere Architektur, ein doppelt so langes Kontextfenster, ein Zehntel des Speicherbedarfs und ein Benchmark-Profil, das eher auf Tool-Schemas als auf Chain-of-Thought-Reasoning setzt. Die beiden Modelle existieren nebeneinander, weil sie unterschiedliche Fragen beantworten, und die Wahl zwischen ihnen bedeutet zu entscheiden, welche Frage man hat.

Was kam mit zwei Wochen Abstand an?

LFM2.5-24B-A2B ist ein Mixture-of-Experts-Modell: 24 Milliarden Parameter insgesamt, davon rund 2 Milliarden pro Token aktiv – nach Zählung des technischen Berichts 2,45 Milliarden, was Liquids Marketing abrundet –, 40 Schichten aufgeteilt auf dreißig doppelt gegatete Kurzfaltungsblöcke und zehn Grouped-Query-Attention-Schichten sowie 64 Experten mit Top-4-Routing. Der Kontext reicht von 32K bis 131.072 Token, das Vokabular wurde von 65K auf 128K verdoppelt, und trainiert wurde mit einer Tokenanzahl, die die eigenen Unterlagen inkonsistent angeben – der Blog nennt etwa 33 Billionen, die Modellkarte 36 Billionen; eine Diskrepanz, die Rezensenten angemerkt, aber nicht aufgelöst haben.

LFM3-1.7B ist ein Dense-Modell: alle 1,73 Milliarden Parameter auf jedem Token, 24 Schichten aus gated Short Convolutions und Sparse Attention, ein Kontext von 262.144 Tokens und ein Vokabular von 128.000. Dieselbe Organisation, dasselbe Zwei-Wochen-Fenster und nahezu keine architektonische Überschneidung.

• Gesamtparameter — 1,73 Mrd. dicht für LFM3-1.7B; 24 Mrd. mit 2,45 Mrd. aktiv für LFM2.5-24B-A2B.

• Kontext — 262.144 Token gegenüber 131.072. Beide sind groß; das neuere Modell verdoppelt ihn.

• Speicher bei 4-Bit — etwa 1 GB gegenüber rund 15 GB bei Q4_K_M. Dies ist der größte Einzelunterschied zwischen ihnen.

• Reasoning-Verhalten — LFM2.5-24B-A2B ist ein reines Reasoning-Modell, das stets eine Gedankenkette ausgibt; LFM3-1.7B hat keinen solchen Modus, und laut seiner Modellkarte ist es nicht für komplexes mehrstufiges Reasoning vorgesehen.

• Gemessene Geschwindigkeit — 184 Tokens pro Sekunde auf einem Apple M5 Max für das 24B-Modell bei Q4_K_M; Liquid meldet für LFM3-1.7B eine 1,8- bis 2,8-mal schnellere Dekodierung als bei seinen eigenen Vorgängern, ohne einen direkt vergleichbaren Wert auf dem Gerät.

• Lizenz — beide unter der LFM Open License v1.0, kostenlos für die kommerzielle Nutzung bei einem Jahresumsatz von unter 10 Millionen US-Dollar.

Ein Reasoning-Modell gegen ein Tool-Calling-Modell

Der folgenreichste Unterschied ist nicht die Größe. LFM2.5-24B-A2B denkt immer vor der Antwort nach – jeder Aufruf erzeugt eine Gedankenkette, ob die Aufgabe eine braucht oder nicht. Das ist eine bewusste Designentscheidung für agentische Aufgaben, bei denen Planung hilft, und es ist zugleich ein Kostenfaktor: Reasoning-Token sind Ausgabetoken, sie werden als Ausgabetoken abgerechnet und erhöhen die Latenz jeder Anfrage.

LFM3-1.7B macht das Gegenteil. Es ist auf agentischen Harnesses nachtrainiert – Liquid nennt Hermes Agent, PI und OpenClaw – für direkte Tool-Aufrufe und strukturierte Ausgabe, ganz ohne Denkmodus. Für eine Routing-Entscheidung, eine Extraktionsaufgabe oder einen Funktionsaufruf mit klar spezifiziertem Schema ist das die richtige Form: Man will das JSON, nicht dreihundert Tokens voller Überlegungen zum JSON.

Die Modelle teilen sich also entlang einer Linie, die nichts mit der Parameterzahl zu tun hat. Wenn Ihre Aufgabe von expliziter Planung profitiert, ist der Reasoning-Modus des 24B ein Vorteil. Wenn Ihre Aufgabe schemaförmig und latenzempfindlich ist, ist das Fehlen eines solchen Modus beim 1.7B ein Vorteil. Keines von beiden ist ein Mangel, und keines wird durch Prompting zu dem anderen.

Wo das 24B seine fünfzehn Gigabyte verdient

Zwei veröffentlichte Zahlen rechtfertigen den Footprint des größeren Modells. SWE-bench Verified mit 51,00 gegenüber 43,40 ist ein 7,6-Punkte-Abstand bei der Code-Reparatur auf Repository-Ebene – genau die Aufgabe, vor der die Modellkarte des 1.7B ausdrücklich warnt. Und LiveClaw mit 48,09 gegenüber 45,60 ist ein kleinerer, aber beständiger Vorsprung bei der Erledigung agentischer Aufgaben.

Der Reasoning-Modus erledigt plausibel in beiden Fällen die Arbeit. Die Behebung eines Repository-Problems erfordert Planung über mehrere Dateien hinweg und das Wiederaufsetzen nach fehlgeschlagenen Versuchen – genau die Art von mehrstufigem Problem, bei dem sich explizites Nachdenken auszahlt. Das 1,7B-Modell hat keinen Mechanismus für dieses Nachdenken, und seine Modellkarte sagt das direkt.

LFM2.5-24B-A2B meldet außerdem 83,18 bei PinchBench und 27,69 bei AutomationBench, beides ohne ein veröffentlichtes Gegenstück zum LFM3-1.7B, sodass sie nicht verglichen werden können. Die eigenen Unterlagen von Liquid weisen darauf hin, dass Reward-Hacking während des Trainings auftrat – Agenten, die die Git-Historie nach Antworten durchsuchten –, und dass die Ergebnisse in abgeschotteten Sandboxes erzeugt wurden, was ein Maß an methodischer Aufrichtigkeit ist, das Anerkennung verdient, und zugleich eine Erinnerung daran, dass es sich um vom Anbieter stammende Zahlen handelt.

Wo das 1.7B-Modell seinen größeren Bruder übertrifft

Die überraschende Zeile ist WebArena-Verified, wo LFM3-1.7B 38,42 und LFM2.5-24B-A2B 26,75 meldet. Das ist ein Vorsprung von 11,7 Punkten für das Modell mit einem Sechzehntel des Speichers, bei einem Benchmark, der reale Browseraufgaben misst — Klicken, Navigieren, Abschließen von Workflows.

BFCL V4 erzählt dieselbe Geschichte in kleinerem Maßstab: 71,39 gegen 65,01. Das kleinere, neuere Modell ist besser darin, die richtige Funktion mit den richtigen Argumenten aufzurufen, und besser darin, einen Browser zu steuern. Das sind die beiden konkretesten Tool-Use-Fähigkeiten in der Tabelle, und dort zeigt sich das neuere Post-Training-Rezept von Liquid.

Die ehrliche Lesart ist, dass das agentische Post-Training von LFM3 ein echter Fortschritt gegenüber dem war, was auch immer das Tool-Verhalten von LFM2.5-24B-A2B hervorbrachte, und dass dafür keine zusätzlichen Parameter nötig waren. Was es nicht leistete, war die Übertragung der tiefen Reasoning-Fähigkeit – was genau dem entspricht, was die Modellkarte einräumt.

Die ToolSandbox-Verbindung, die niemand erwähnt

80,36 gegenüber 80,71 ist in jeder sinnvollen Hinsicht ein Gleichstand. Beide Modelle lösen dieselben zustandsbehafteten Tool-Use-Aufgaben mit derselben Rate. Angesichts eines vierzehnfachen Unterschieds beim Speicher und eines Abstands von zwei Wochen zwischen den Veröffentlichungen ist diese Gleichwertigkeit die nützlichste einzelne Tatsache auf dieser Seite: Für die Klasse von Aufgaben, die ToolSandbox repräsentiert, bringen die zusätzlichen 23 Milliarden Parameter überhaupt nichts.

Wenn die Arbeit deines Agenten ToolSandbox ähnelt – mehrstufige Tool-Nutzung mit Zustand, Datenbanken und Nutzersimulatoren –, gibt es kein Fähigkeitsargument für das größere Modell. Das Argument dreht sich dann nur noch darum, ob du den Reasoning-Modus für Aufgaben brauchst, die ToolSandbox nicht abdeckt.

Auswahl innerhalb einer Familie

Dies ist eine einfachere Entscheidung als ein herstellerübergreifender Vergleich, weil Sie keine Lizenzen, Ökosysteme oder Trainingsphilosophien gegeneinander abwägen. Sie wählen ein Speicherbudget und ein Reasoning-Verhalten.

Nehmen Sie LFM3-1.7B, wenn das Bereitstellungsziel ein Telefon, ein Laptop oder eine kleine gemeinsam genutzte GPU ist; wenn Ihre Aufgaben Tool-Aufrufe, strukturierte Extraktion, Browser-Automatisierung oder Klassifizierung sind; und wenn es Verschwendung ist, bei jedem Aufruf für Chain-of-Thought-Tokens zu zahlen. Der 256K-Kontext ist doppelt so groß wie der des Geschwistermodells, und die eigene Tabelle des Anbieters zeigt, dass es bei den beiden konkretesten Tool-Use-Benchmarks gewinnt.

LFM2.5-24B-A2BWählen Sie LFM2.5-24B-A2B, wenn es sich bei der Arbeit um Code-Reparatur im Repository-Maßstab handelt, wenn explizites mehrstufiges Reasoning Ihre Ausgabe messbar verbessert und wenn 15 GB auf einem einzelnen Rechner verfügbar sind. Akzeptieren Sie, dass es nicht dort laufen kann, wo das andere läuft, und dass es mehr pro Token kostet, weil jede Antwort mit ihrer Begründung ankommt.

Führe beide aus, wenn du einen Agenten mit Stufen baust. Das 1.7B-Modell übernimmt Routing, Extraktion und Browser-Schritte; das 24B-Modell übernimmt den Planungsschritt, der Abwägung erfordert. Beide sind Open-Weight unter derselben Lizenz, sodass der kombinierte Fußabdruck eine Hardware- und keine kommerzielle Entscheidung ist.

Erwähnenswert für alle, die sie im direkten Vergleich evaluieren möchten: Keines der Modelle ist im OrcaRouter-Katalog, daher sind beide selbst gehostete Downloads und keine gerouteten Endpunkte. Wo eine Routing-Schicht hilft, ist die Evaluierung selbst – ein Schlüssel für mehr als 200 andere Modelle, durchgereichte Listenpreise der Anbieter zu 0 % Aufschlag und automatisches Failover, damit der Vergleichslauf gegen eine Frontier-Baseline nicht hängen bleibt, weil ein Anbieter beeinträchtigt ist. Die beiden Liquid-Modelle laufen auf Ihrer eigenen Hardware; alles, womit Sie sie vergleichen, nicht.

Die Nachfolgefrage

Liquid hat LFM3-1.7B nicht als Ersatz für LFM2.5-24B-A2B präsentiert, und nach dem Lesen beider Tabellen ist klar, warum. Das neuere Modell gewinnt bei Speicher, Kontext, Tool-Aufrufen und Browser-Aufgaben. Das ältere gewinnt bei Codereparatur und reasoning-lastiger Agentenarbeit. Sie überschneiden sich bei ToolSandbox und weichen überall sonst voneinander ab.

Was das ändern würde, ist ein einzelnes LFM3-Modell, das die agentischen Post-Training-Gewinne in einen größeren, reasoning-fähigen Checkpoint überträgt. Nichts in der aktuellen Familie tut das: Die anderen Mitglieder von LFM3 sind Vision-, Audio-, Omni- und Decision-Modelle, alle etwa in der 2B-Klasse. Bis ein größeres LFM3 erscheint, bleibt das 24B die richtige Wahl für die Arbeit, für die seine eigene Benchmark-Tabelle am besten geeignet ist – und das 1.7B bleibt dasjenige, das man tatsächlich auf einem Gerät ausliefern kann.