LFM3-1.7B vs. Qwen3.8-Flash: Wenn es keine Rangliste zum Vergleichen gibt

Zehn Millionen Tokens pro Monat, im Verhältnis 70/30 auf Input und Output aufgeteilt, kosten 2,46 US-Dollar mit Qwen3.8-Flash zu Alibabas Listenpreis von 0,15 und 0,47 US-Dollar pro Million. Dasselbe Volumen kostet mit LFM3-1.7B rund 1,16 US-Dollar, sofern der gemeldete Hosting-Tarif von 0,08 und 0,20 US-Dollar gilt – und pro Token gar nichts, wenn Sie es selbst hosten, denn die Gewichte sind offen und die LFM Open License verlangt keine Lizenzgebühr bei einem Umsatz unter 10 Millionen US-Dollar. Das ist eine 2-fache Spanne auf dem Zähler zwischen zwei Modellen, deren relative Qualität derzeit niemand feststellen kann. Das macht diesen Vergleich weniger zu einer Frage von Benchmarks, als es bei den meisten Vergleichsseiten der Fall ist, und mehr zu einer Frage, welche Form von Deployment Sie kaufen.

Die beiden Modelle könnten kaum unterschiedlicher sein. LFM3-1.7B ist ein dichter Tri-Hybrid mit 1,73B Parametern, den Liquid AI am 27. Oktober 2026 veröffentlichte, um eine spezialisierte Aufgabe auf der Hardware vor Ihnen auszuführen. Qwen3.8-Flash ist Alibabas sparses Mixture-of-Experts-Modell mit etwa 6B pro Token aktiven Parametern aus einem viel größeren Pool; es erschien im August 2026 als gehostetes Angebot mit einem 1M-Token-Fenster sowie Bild- und Videoeingabe. Sie anhand einer Intelligenzpunktzahl zu vergleichen, ist wie einen Lieferwagen mit einem Güterzug zu vergleichen: Die sinnvolle Frage ist, was Sie transportieren und wie weit.

Zwei Architekturen, optimiert für entgegengesetzte Einschränkungen

Die 24 Schichten von LFM3-1.7B kombinieren 13 gegatete kurze Faltungen, 5 Sliding-Window-Attention-Schichten mit einem Fenster von 256 Tokens und 6 globale Attention-Schichten. Faltungen sind günstig und parallelisierbar; ein schmales Band globaler Attention hält den gesamten 256K-Kontext erreichbar. Das Ergebnis ist ein 128K-KV-Cache von 1,6 GB und ein Modell, das bei 4 Bit in etwa 1 GB passt. Liquid trainierte es auf 22 Billionen Pre-Training-Tokens, dann auf 3,5 Billionen Mid-Training-Tokens mit starkem Schwerpunkt auf agentischen Traces und Tool Calls.

Qwen3.8-Flash geht den anderen Kompromiss ein. Sparse Aktivierung bedeutet, dass pro Token ein großer Parameterpool erreichbar ist, ohne für alle davon zu zahlen, und so erreicht Alibaba bei einem Modell, das in derselben Preisklasse liegt wie viel kleinere dichte Modelle, einen nativen Kontext von 262K, der auf 1M erweiterbar ist. Es nimmt Text, Bilder und Videos entgegen und gibt Text zurück, unterstützt Tool-Aufrufe und JSON-Ausgabe und ist ausdrücklich als architektonische Vorschau der Qwen4-Reihe positioniert.

• Aktive Parameter — LFM3-1.7B mit 1,73 Mrd. dicht vs. Qwen3.8-Flash mit etwa 6 Mrd. pro Token in einem Sparse-MoE.

• Kontext – 256K offene Gewichte, 128K bei Liquids gehosteter API vs. 262K nativ, 1M auf der gehosteten Tarifstufe.

• Maximale Ausgabe – für LFM3 nicht separat angegeben, im Gegensatz zu 131K bei Qwen3.8-Flash.

• Eingabemodalitäten — nur Text vs. Text, Bild und Video.

• Wo es läuft – auf deinem Gerät, mit einem 1-GB-Footprint in 4 Bit statt auf Alibabas Servern.

• Gewichte — offen unter LFM Open License v1.0 vs. nur gehostet, kein offener Checkpoint für diese SKU.

Diese letzte Zeile ist diejenige, die alles andere in ein neues Licht rückt. Qwen3.8-Flash ist kein Modell, das Ihnen gehört. Es gibt ein Open-Weight-Geschwistermodell, Qwen3.8-Flash-Next, unter einer Community-Lizenz, aber es ist ein anderer Checkpoint mit anderen Werten, und es ist nicht das, was der Preis von 0,15 US-Dollar bietet. LFM3-1.7B ist eine Datei, die Sie herunterladen. Eines davon kann air-gapped betrieben, auditiert und mit Ihren eigenen Daten feinabgestimmt werden; das andere nicht.

Die Anzeigetafel, die auf der einen Seite fehlt und auf der anderen widersprüchlich ist

Hier ist der unangenehme Teil. Stand 28. Oktober 2026 hat LFM3-1.7B keinen Eintrag bei Artificial Analysis – keinen Intelligence Index, keine unabhängig gemessene Ausgabegeschwindigkeit, keinen neutralen Latenzwert. Jede Leistungszahl, die ihm zugeordnet wird, stammt aus Liquids eigener Tabelle mit 27 Benchmarks, in der es einen Durchschnitt von 49.37 erreicht und Liquids eigenes LFM2.5-2.6B deutlich schlägt. Vom Anbieter berichtet, nicht reproduziert.

Qwen3.8-Flash hat tatsächlich einen Eintrag bei Artificial Analysis, und die Lektüre ist aus dem falschen Grund aufschlussreich. Die Live-Vergleichsseiten zeigen es mit einem Index von 40. Mehrere sekundäre Artikel, darunter Rezensionen und regionale Presse, geben dasselbe Modell mit 56 an. Auch die Zahlen zur Ausgabegeschwindigkeit weichen voneinander ab: In den Quellen erscheinen Werte im niedrigen 50er- bis niedrigen 80er-Bereich Tokens pro Sekunde. Wir werden nicht einen Wert auswählen und ihn als Tatsache darstellen, denn die beiden Zahlen können nicht denselben Evaluierungsdurchlauf beschreiben, und der Unterschied ist groß genug, um eine Beschaffungsentscheidung zu ändern.

Die praktische Konsequenz ist, dass keines der beiden Modelle mit auch nur irgendeiner Sicherheit gegenüber dem anderen in Bezug auf Qualität eingestuft werden kann. Die eine Seite hat eine Zahl, die sich je nachdem, wo man sie liest, um sechzehn Punkte verschiebt; die andere hat keine unabhängige Zahl, die sich verschieben könnte. Wer Ihnen aus diesen Eingaben ein Urteil darüber liefert, „welches intelligenter ist“, erfindet es. Vergleichen lässt sich alles andere: was das Modell kostet, wo es läuft, wie schnell es antwortet und was passiert, wenn es ausfällt.

Der Zähler, funktionierte.

Kosten sind die Achse, auf der sich beide Seiten tatsächlich messen lassen, deshalb verdienen sie mehr als eine Liste pro Token.

• Qwen3.8-Flash Listenpreis — 0,15 $ pro Million Eingabe, 0,47 $ pro Million Ausgabe, Cache-Lesen 0,018 $, Cache-Schreiben 0,230 $.

• LFM3-1.7B gehostet — angegeben mit $0.08 für Eingabe und $0.20 für Ausgabe pro Million, nicht auf Liquids eigener Preisliste veröffentlicht.

• LFM3-1.7B selbst gehostet — keine Kosten pro Token; die LFM Open License ist unter 10 Millionen US-Dollar Jahresumsatz lizenzgebührenfrei.

Bei 10 Millionen Tokens pro Monat mit einer 70/30-Aufteilung berechnet Qwen3.8-Flash 2,46 US-Dollar. Aktiviert man Prompt-Caching für einen stabilen System-Prompt, sinkt das auf etwa 2,00 US-Dollar, da zwischengespeicherte Lesevorgänge ungefähr ein Achtel frischer Eingaben kosten. LFM3-1.7B berechnet zum angegebenen Satz für dasselbe Volumen etwa 1,16 US-Dollar, und Self-Hosting kostet null pro Token, zuzüglich fester Maschinenkosten.

Jetzt skalieren wir das. Bei einer Milliarde Token pro Monat beträgt die Differenz 246 $ gegenüber 116 $ — in absoluten Zahlen immer noch klein, und genau das geht in solchen Vergleichen oft unter. Der Unterschied pro Token zwischen einer günstigen gehosteten Tarifstufe und einem günstigen selbst gehosteten Modell ist für die meisten Teams Rauschen. Die Kosten, die tatsächlich dominieren, sind Engineering-Zeit: Ein gehostetes Modell ist ein HTTP-Aufruf, ein selbst gehostetes dagegen ein Deployment, eine Quantisierungsentscheidung, ein Serving-Stack und eine Rufbereitschaft. Der 2×-Preisvorteil von LFM3 muss das wert sein. Für ein 2B-Modell auf einem Telefon oder einer Edge-Box ist er das offensichtlich — es gibt überhaupt keine gehostete Alternative, die auf dem Gerät läuft. Für einen Backend-Dienst, der Klassifizierungsaufrufe bearbeitet, ist er das in der Regel nicht.

Wie schnell jede einzelne antwortet, mit echten Zahlen auf einer Seite

Hier sind unsere eigenen Daten besser als die des Anbieters. OrcaRouter routet Qwen3.8-Flash, und in den letzten sieben Tagen zeigt unsere Telemetrie über die Anbieter, die es bereitstellen, eine p50-Zeit bis zum ersten Token von 4,82 Sekunden, p95 von 10,00 Sekunden, eine Ausgabegeschwindigkeit von 155 Token pro Sekunde und eine Fehlerrate von 3,3 % über 883,7 Millionen Token. Das sind aggregierte Werte aus einer Routing-Ebene und nicht aus einem Labortest mit einem einzelnen Endpunkt, weshalb der Durchsatz höher ausfällt als die anderswo veröffentlichten Werte im niedrigen 50er-Bereich: Die Anfrage landet dort, wo Kapazität verfügbar ist.

Die p50 von 4,82 Sekunden ist die Zahl, mit der man sich auseinandersetzen sollte. Für eine Chat-Oberfläche ist das in Ordnung. Für einen Agenten, der fünfzehn aufeinanderfolgende Aufrufe macht, bedeutet es eine Minute Warten, bevor überhaupt Arbeit geschieht, und keine Menge an Tokens pro Sekunde behebt das. Hohe First-Token-Latenz bei einem großen Sparse-Modell sind die versteckten Kosten der günstigen Stufe, und genau deshalb leiten manche Teams kurze, latenzkritische Turns an etwas Kleineres weiter.

LFM3-1.7B hat keine entsprechende Messung. Liquids Geschwindigkeitsaussage lautet, dass es bei Q4_0 und 32K-Kontext auf drei Testgeräten mit dem geringsten Speicherverbrauch 1,8- bis 2,8-mal schneller als das nächstbeste Modell war und dass ein einzelner NVIDIA B300, der SGLang in BF16 ausführt, bei 1.024 gleichzeitigen Anfragen 3,6 Milliarden Token pro Tag bediente. Das sind jeweils Werte für ein Gerät und für einen einzelnen Knoten; keiner davon lässt sich auf die Frage übertragen, „wie hoch mein p50 von Frankfurt aus sein wird“. Geschwindigkeit ist die Achse, auf der der Fall für LFM3 prinzipiell am stärksten und in der Praxis am wenigsten überprüfbar ist.

Wo jedes einzelne tatsächlich gewinnt

LFM3-1.7B punktet bei Kontrolle und bei Kosten am Edge. Offene Gewichte bedeuten, dass man es auf einer einzigen GPU feinabstimmen, die Version einfrieren, ohne Netzwerk betreiben und die Daten auf dem Gerät behalten kann. Seine Werte zur Befolgung von Anweisungen sind der herausragende Teil von Liquids Tabelle – IFEval 96,66, IFStruct 93,72, Multi-IF 89,10 – und seine Tool-Calling-Zeilen sind für diese Größe respektabel, BFCL V4 bei 71,39 und ToolSandbox bei 80,36. Seine schwachen Zeilen sind ebenso klar: Terminal-Bench 2.1 mit 12,92 und SWE-bench Multilingual mit 23,00 zeigen, dass dies kein autonomes Coding-Modell ist, und Liquids eigene Model Card sagt genau das.

Qwen3.8-Flash punktet bei der Reichweite. Ein Fenster von 1 Mio. Tokens mit Bild- und Videoeingabe ist eine Fähigkeit, die LFM3 in keiner Form besitzt: Das Textmodell nimmt überhaupt keine Bilder auf, die Vision-Variante veröffentlicht kein Kontextfenster, und das Fenster der Omni-Variante ist nicht dokumentiert. Für eine Workload, die einen langen Vertrag, eine Reihe von Screenshots oder eine Stunde an Frames verarbeitet, endet der Vergleich sofort. Auch bei der operativen Einfachheit punktet es: ein Endpunkt, keine GPU, kein Deployment.

Beides weiterzuleiten – genau darum geht es.

Qwen3.8-Flash ist im OrcaRouter-Katalog enthalten, LFM3-1.7B nicht. Dieser Satz ist die ganze ehrliche Version dieses Abschnitts. Wir leiten das gehostete Modell zum Listenpreis des Anbieters ohne Aufschlag weiter, sodass Alibabas $0.15 und $0.47 genau das sind, was Sie zahlen, und eine Preisänderung des Anbieters Sie noch am selben Tag erreicht statt erst zur nächsten Vertragsverlängerung. LFM3 betreiben Sie selbst oder rufen es über die eigene API von Liquid auf; wir werden keine Hosting-Beziehung suggerieren, die nicht existiert.

Der Grund, warum Routing in diesem speziellen Matchup wichtig ist, liegt darin, dass die beiden Modelle in unterschiedlichen Fehlermodi versagen. Qwen3.8-Flash versagt, indem es bei den Turns langsam und teuer ist, die keine 1M Tokens Kontext benötigten. LFM3 versagt, indem ihm bei den Turns die Argumentationstiefe ausgeht, die ihn benötigten. Eine Pipeline, die jede Anfrage an eines der beiden schickt, ist in eine vorhersehbare Richtung falsch. Mit der Routing-DSL können Sie Extraktion, Klassifizierung und kurze Tool-Calling-Turns an das kleine lokale Modell senden, lang dokumentierte und multimodale Arbeit auf der gehosteten Stufe belassen und durch automatisches Failover den Fall abdecken, in dem das kleine Modell etwas Fehlerhaftes zurückgibt – was bei einem nicht verifizierten 1.7B-Modell die realistische Sorge ist.

Das ist auch der günstigste Weg, um herauszufinden, ob {{1}}LFM3{{/1}} das Vertrauen verdient, das seine Launch-Tabelle verlangt. Lassen Sie es hinter einem Fallback auf dem Traffic laufen, den Sie bereits verstehen, und vergleichen Sie seine Entscheidungen bei denselben Eingaben mit denen des gehosteten Modells. Die Abweichungsrate ist ein besseres Qualitätssignal als jeder Anbieter-Benchmark, weil sie an Ihren Daten gemessen wird.

Die Entscheidung, ohne ein falsches Urteil

Wählen Sie Qwen3.8-Flash, wenn die Arbeit lange Dokumente, Bilder oder Videos umfasst, wenn Sie einen einzigen Endpunkt und keine Infrastruktur benötigen oder wenn ein p50 für das erste Token von etwa fünf Sekunden akzeptabel ist. Seine Qualität ist unsicher, aber zumindest von jemand anderem als seinem Hersteller messbar, und sein 1M-Kontext ist nichts, was ein 1,7B-Modell ersetzen kann.

Wählen Sie LFM3-1.7B, wenn das Modell auf einem Gerät laufen muss, wenn die Daten Ihr Netzwerk nicht verlassen dürfen, wenn Sie ein Fine-Tuning beabsichtigen oder wenn Ihre Arbeitslast aus kurzen Instruction-Following- und Tool-Calling-Runden besteht, bei denen ein 2B-Modell mit 1 GB wirklich ausreicht. Akzeptieren Sie, dass Sie Liquids Benchmark-Tabelle im Vertrauen übernehmen, und dass der erste Monat mehr Messungen mit sich bringen wird, als ein gehostetes Modell verlangen würde.

Was du nicht tun solltest, ist, zwischen ihnen anhand der Intelligenz zu wählen. Das eine hat keinen unabhängigen Wert, das andere einen Wert, der je nachdem, welche Seite man öffnet, 40 oder 56 anzeigt, und die sechzehn Punkte Differenz zwischen diesen beiden Messwerten sind größer als der gesamte Qualitätsunterschied, den dir einer der beiden Anbieter verkaufen will. Kosten, Kontext, Modalität und Lokalität sind geklärte Tatsachen. Qualität nicht, und ein Vergleich, der etwas anderes vorgibt, ist nur eine Launch-Tabelle, bei der der Name des Anbieters entfernt wurde.