Sakana Namazu vs LFM2.5-2.6B-Base: Der wahre Preis freier Gewichte

LFM2.5-2.6B-Base kostet $0.00 für den Download. Sakana Namazu kostet $0.95 pro Million Input-Tokens und $4.00 pro Million Output-Tokens. Wenn man diese beiden Preisschilder liest, würde man den Vergleich für beendet halten, bevor er überhaupt beginnt – doch der tatsächliche Preisunterschied geht in die andere Richtung. LFM2.5-2.6B-Base, das 2,69-Milliarden-Parameter-Vortrainingsmodell von Liquid AI, das am 4. August 2026 auf Hugging Face veröffentlicht wurde, ist kein Produkt: Kein Inferenzanbieter hostet es, es hat null veröffentlichte Evaluierungen, und seine eigene Karte bezeichnet es als Material für Feintuning. Sakana Namazu ist dagegen eine fertige, bereitgestellte und mit Werkzeugen ausgestattete API. Die Frage ist, was man tatsächlich zu zahlen bereit ist – in Geld oder in Arbeit.

Was jedes einzelne tatsächlich ist

Sakana Namazu ist ein nachtrainiertes Kimi K2.6, das für japanische Geschäftssprache optimiert wurde, verpackt in einer OpenAI-kompatiblen API mit integrierter Websuche und Codeausführung. Sie ändern eine base_url, setzen einen Schlüssel, und es funktioniert. LFM2.5-2.6B-Base ist der rohe Pre-Training-Checkpoint hinter Liquid's LFM2.5-2.6B-Familie – das Material, aus dem das nachtrainierte, agentische Geschwistermodell aufgebaut ist. Liquid's eigene Karte ist eindeutig, dass die Basis für umfangreiches Feintuning existiert, und ihre Benchmark-Tabelle gehört zur nachtrainierten Version, nicht zu dieser.

Das Datenblatt

• Preis — Sakana Namazu $0,95 / $4,00 pro 1M Tokens vs. LFM2.5-2.6B-Base: $0 zum Herunterladen, alles selbst bedienen

Größe — Namazu erbt Kimi K2.6s 1T / 32B-aktives MoE vs. {{KEEP}}LFM2.5-2.6B-Base{{/KEEP}} 2,69B Dense-Hybrid (22 Conv-Blöcke + 8 Attention-Schichten)

• Kontext — Namazu nicht offengelegt vs. LFM2.5-2.6B-Base mit 128K Tokens (131.072 pro Konfiguration)

• Hosting — Namazu, von Sakana bereitgestellt, vs. LFM-Basis, von niemandem gehostet — du baust den Serving-Stack.

• Bewertungen — von Namazu-Anbietern gemeldete Ergebnisse vs. veröffentlichte LFM-Base-Zero-Ergebnisse

• Sprache — Namazu, optimiert für japanische Geschäftskommunikation, vs. LFM-Basismodell, mehrsprachig (16 Sprachen, 128K-Token-Vokabular)

Die Gesamtkosten berechnen

„Freie Gewichte“ sind ein realer Preis, nur in Arbeit bemessen. Um LFM2.5-2.6B-Base für eine Aufgabe zu nutzen, brauchst du: einen Fine-Tuning-Lauf (Liquids eigene Berechnung – etwa 10 $ an Token für einen überwachten Datensatz mit 100.000 Beispielen, ungefähr 100 $ für 1 Million Beispiele), einen Inferenz-Stack (vLLM, SGLang oder llama.cpp auf einem Gerät, das dir gehört) und laufenden Betrieb. Der Vorteil ist, dass der Zähler stoppt: Nach dem Aufbau ist jeder Token kostenlos, was die Basis zum klaren Sieger für hochvolumige, ständig laufende, latenz tolerante Arbeitslasten macht. Namazus Zähler stoppt nie, aber der Start ist sofort möglich – kein Trainingslauf, keine GPU, kein Betrieb. Für eine einmalige Integration oder eine Arbeitslast, bei der die Zeit deines Teams den teuersten Posten ausmacht, ist das „kostenlose“ Modell das teure.

Lizenzen, die binden

Das Kleingedruckte spricht auch gegen das kostenlose Modell. LFM2.5-2.6B-Base wird unter der LFM Open License v1.0 ausgeliefert, die die kommerzielle Nutzung auf einen Jahresumsatz von 10 Millionen US-Dollar begrenzt – und diese Begrenzung gilt auch für abgeleitete Werke, was bedeutet, dass Ihr Fine-Tuning sie erbt. Überschreiten Sie die Schwelle, schulden Sie Liquid eine kommerzielle Lizenz. Sakana Namazu hat keine solche Begrenzung, ist jedoch geschlossen, und seine Standardeinstellungen zur Datenverarbeitung (Training mit Ihren Eingaben, sofern Sie nicht widersprechen, keine garantierte Verarbeitung nur in Japan) sind der Preis für den gehosteten Komfort. Keines der beiden ist in dem Sinne kostenlos, den das Etikett suggeriert.

Die Agentenlücke

Der deutlichste Unterschied ist, wofür die beiden Modelle gedacht sind. LFM2.5-2.6B-Base ist ein Basismodell – das rohe Ausgangsmaterial, aus dem Liquids nachtrainiertes agentisches Modell abgeleitet ist. Es ist kein Agent; es ist nicht einmal ein Instruct-Modell. Sakana Namazu ist ein agentisches Produkt: integrierte Websuche, Codeausführung und eine demonstrierte selbstgesteuerte Schleife (Sakanas Demo zeigt, wie es einen Marktforschungsbericht plant, sucht, gegenprüft und ihn unbeaufsichtigt schreibt). Wenn es darum geht, „ein 2.6B-Modell auszuführen, das du für eine einzige eng umrissene Aufgabe mit hohem Volumen abgestimmt hast“, gewinnt das Basismodell. Wenn es darum geht, „einen Agenten Wissensarbeit erledigen zu lassen“, ist Namazu das einzige der beiden, das mit Tools auftaucht.

Also, welches ist billiger?

Die ehrliche Antwort ist, dass die beiden keine Substitute sind – die Basis ist eine Komponente, und Namazu ist ein Produkt –, die eigentliche Entscheidung ist also, was Ihr Stack als Nächstes braucht. In der Praxis lebt keines von beiden allein: ein feinabgestimmter 2.6B-Spezialist sitzt am Ende neben einem Generalisten-Agentenmodell, und eine Routing-Schicht ist das, womit man diese Multi-Modell-Realität im Zaum hält. OrcaRouters Modellfusion und Routing-DSL ermöglichen es Ihnen, mehrere Modelle in einem einzigen Aufruf zu kombinieren – der pragmatische Mittelweg zwischen „einen 2.6B-Checkpoint selbst betreiben“ und „die API eines Anbieters kaufen“ –, und da wir die Anbieterpreise ohne Aufschlag durchreichen, bleibt die Abrechnung vorhersehbar, während sich die Mischung ändert. Beginnen Sie mit Sakana Namazu, wenn Sie heute einen funktionierenden japanischen Business-Agenten möchten; beginnen Sie mit LFM2.5-2.6B-Base, wenn Sie bereit sind, das Produkt selbst zu bauen und den Entwicklungsaufwand über Milliarden kostenloser Tokens zu amortisieren.