LFM2.5-24B-A2B vs Gemma 4 12B: El agente disperso contra el multimodal denso

de Liquid AILFM2.5-24B-A2Bde G​oogle DeepMindG​emma 4 12B son los dos checkpoints de pesos abiertos con más probabilidades de estar en la misma cola de descarga este mes, y se llega a ellos desde direcciones opuestas. LFM2.5-24B-A2B se lanzó el 13 de octubre de 2026 con 24,0 mil millones de parámetros, de los cuales solo 2,45 mil millones se leen por token, texto de entrada y texto de salida, un contexto de 131.072 tokens y una tabla de benchmarks construida enteramente en torno al uso de herramientas. G​emma 4 12B se lanzó el 3 de junio de 2026 como un modelo denso de 11,95 mil millones de parámetros que lee texto, imágenes y audio y escribe texto, bajo Apache 2.0, sin tope de ingresos adjunto. Uno es un motor de agentes especializado que se ejecuta en el portátil que ya tienes. El otro es un generalista que ve y oye, se ejecuta en el mismo portátil en unos 7 GB y viene con una licencia que nunca tienes que leer dos veces.

Así que la pregunta que responde esta página no es «cuál es mejor», porque nunca se crearon para la misma tarea. Es más concreta y más útil: si vas a poner un agente privado en una máquina que controlas, ¿cuál de estos dos descargas y a qué renuncias en cualquiera de los dos casos?

La respuesta en un párrafo, para personas que ya saben lo que quieren.

Elige LFM2.5-24B-A2B si el agente hace llamadas a herramientas de varios pasos y nada más: las propias cifras agénticas del proveedor están muy por delante de las de G​emma 4 12B en el puñado de filas lo bastante comparables como para alinearlas, y el modelo siempre produce una traza de razonamiento explícita antes de actuar. Elige G​emma 4 12B si la tarea implica una captura de pantalla, un documento fotografiado, una página escaneada o un clip de audio, si quieres desactivar la traza de razonamiento por latencia, o si tu empresa está cerca de la línea de ingresos de $10M donde la licencia de Liquid deja de ser gratuita. Sigue leyendo si quieres las cifras detrás de esas dos frases, porque buena parte de la comparación depende de cómo midieron los dos proveedores.

Donde los dos puntos de control verdaderamente difieren

• Economía de parámetros — LFM2.5-24B-A2B es una mezcla de expertos: 24,0B en total, 2,45B activos por token, 64 expertos con enrutamiento top-4 en 40 capas (30 bloques de convolución corta con doble compuerta, 10 de atención con consultas agrupadas). Gemma 4 12B es denso: 11,95B en total en 48 capas, cada parámetro se lee en cada token.

• Lo que cabe en disco — Liquid publica un GGUF Q4_K_M de 14,5 GB y un QAT QAD-Q4_0 de 13,6 GB, con una compilación MLX de 4 bits de 13,6 GB; 48 GB en BF16. El GGUF QAT de G​oogle para el 12B es de aproximadamente 6,98 GB de pesos más un archivo de proyección multimodal de 0,18 GB, y las compilaciones de la comunidad de Unsloth van desde aproximadamente 4,2 GB en 2 bits hasta 7,12 GB en Q4_K_M.

• Contexto — 131.072 tokens para LFM2.5-24B-A2B, el doble de los 32.768 de la generación anterior. Gemma 4 12B admite 256K (262.144), con una ventana deslizante de 1.024 tokens y atención híbrida que intercala capas locales y globales.

• Modalidad — LFM2.5-24B-A2B es solo texto, y deliberadamente. G​emma 4 12B acepta texto, imagen y audio, sin ningún codificador multimodal: los parches de imagen sin procesar y las formas de onda de audio se proyectan directamente en el mismo espacio que los tokens de texto.

• Comportamiento de razonamiento — LFM2.5-24B-A2B es exclusivamente de razonamiento según la formulación del proveedor: siempre piensa dentro de un bloque <think> antes de responder. La ficha de G​emma 4 12B describe un modelo ajustado por instrucciones y sin traza obligatoria, lo que en un portátil supone una ganancia de latencia y una pérdida de transparencia.

• Licencia — lfm1.0 es gratuita para descargarla, hacer ajuste fino y darle uso comercial hasta 10 millones de dólares de ingresos anuales; a partir de esa cifra se aplica una licencia comercial. Gemma 4 12B es Apache 2.0 y no tiene umbral de ingresos; los Términos de Uso y la Política de Uso Prohibido de Google acompañan a los pesos como documentos de uso aceptable, no como restricciones de licencia.

• Vocabulario y escala de entrenamiento — LFM2.5-24B-A2B amplió su vocabulario de 65K a 128K mediante una expansión del tokenizador in situ y escaló el preentrenamiento de 17T a 33T de tokens, con 300B de tokens de entrenamiento intermedio a contexto completo y una etapa de RL agéntico dentro de harnesses reales. Gemma 4 12B incluye un vocabulario de 262K compartido por toda la familia y se preentrenó con más de 140 idiomas, con un soporte listo para usar declarado para más de 35.

El único benchmark que ambos proveedores ejecutaron

Comparar dos tablas de lanzamiento distintas normalmente es una trampa. Aquí hay exactamente una fila en la que las dos compañías midieron lo mismo en términos comparables, y merece la pena aislarla precisamente porque está muy sola.

GPQA Diamond — Liquid informa 74.42 para LFM2.5-24B-A2B; la tabla de la familia Gemma 4 de Google informa 78.8 para el Gemma 4 12B ajustado con instrucciones. Ambos son reportados por el proveedor y no reproducidos. El 12B denso se adelanta en preguntas de ciencia de nivel de posgrado, lo que coincide con el propio planteamiento de Liquid de que su modelo no es el indicado para hacer preguntas de conocimiento — la publicación de lanzamiento aconseja combinarlo con recuperación o búsqueda web en lugar de confiar en sus pesos.

Todo lo demás tiene que leerse dentro de su propia tabla, y el resumen honesto es que las dos tablas miden cosas casi disjuntas. La tabla de dieciséis benchmarks de Liquid abarca 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 mediante OpenCode (51.00), SciCode (32.71), AA-Omniscience (−24.90) y HLE (7.40). La tabla de la familia de Google cubre MMLU Pro (77.2), AIME 2026 sin herramientas (77.5), LiveCodeBench v6 (72.0), un ELO de Codeforces de 1659, MMMU Pro (69.1) y MRCR v2 a 128K con ocho agujas (43.4).

Solo hay un punto en común, y ninguna infraestructura de pruebas compartida. Cualquiera que publique una tabla de resultados combinada a partir de esas dos tablas está inventando una comparación que ninguna de las dos empresas realizó.

Independientemente, y este es el filo más afilado.

Artificial Analysis ha evaluado Gemma 4 12B: un Índice de Inteligencia de 14, clasificado en el puesto 20 de 141 modelos en su clase de comparación, con una velocidad medida de 110,9 tokens por segundo y un costo combinado de terceros de 0,10 $ por millón de tokens de entrada y 0,30 $ por millón de tokens de salida. Son cifras independientes sobre un modelo que lleva cuatro meses siendo público y que tiene un ecosistema detrás.

LFM2.5-24B-A2B no tiene nada equivalente. Tiene un día de vida, ningún tercero ha publicado una puntuación, y las propias cifras de rendimiento en el borde de Liquid —184 tokens por segundo en un Apple M5 Max, 114 en un AMD Ryzen AI Max+ 395, «hasta 1,7× más rápido que MoEs comparables en dispositivo»— no incluyen línea base ni reproducción. Para un modelo medido por el proveedor frente a uno medido de forma independiente, la asimetría es el hallazgo: uno de estos dos números lo puedes comprobar tú mismo hoy, y no es el más nuevo.

Si prefieres no apostar una ruta de producción a una tabla de proveedores de cuatro días de antigüedad, para eso está exactamente la conmutación por error automática. Apunta el agente a LFM2.5-24B-A2B, mantén un modelo evaluado detrás de él y deja que el enrutador mueva la solicitud cuando el arnés empiece a fallar —sin un segundo contrato, sin cambios en el código más allá de la lista de respaldo.

Costo, en las dos monedas en las que operan

Ambos son modelos local-first, así que la factura real es el hardware y la electricidad. Del lado alojado, Liquid fija el acceso a la API en $0.10 por millón de tokens de entrada ($0.05 en caché) y $1.00 por millón de salida a través de su propia Console, con $2 de crédito inicial. G​oogle no publica ningún precio por token para G​emma 4 12B — la combinación de $0.10/$0.30 anterior es una mediana de terceros entre las plataformas que sirven los pesos abiertos, no un precio de lista, y tomarla como tal sería un error.

Aquí está la parte que importa para un equipo que evalúa ambos: ninguno de los dos checkpoints está en nuestro catálogo hoy. Sí ofrecemos los puntos de referencia a los que esta decisión vuelve una y otra vez — qwen/qwen3.6-35b-a3b, el modelo con el que Liquid se comparó, con un 50 % más de parámetros, además de google/gemma-4-26b-a4b-it, obsidian/gemma-4-26B-A4B y google/gemma-4-31b-it de la misma familia G​emma 4 — todo detrás de una sola clave, todo con 0 % de recargo sobre el precio de lista del propio proveedor, para que un cambio de precio del proveedor te llegue el día en que cambia y no el día en que alguien vuelve a firmar un contrato. Ejecuta tu propia tarea con los tamaños alojados de G​emma 4 y luego decide si el 12B de tu portátil es redundante.

Lo que realmente haría

Descarga ambos quants. Gemma 4 12B en Q4_K_M ocupa unos 7 GB y en una hora te dirá si tu tarea necesita ojos y oídos; si los necesita, la decisión está tomada y LFM2.5-24B-A2B queda completamente descartado, porque no puede ver. Si no los necesita, carga el LFM2.5-24B-A2B QAD-Q4_0, de 13.6 GB, y ejecuta contra él tu harness real, ya que todo el argumento a favor de ese checkpoint es la invocación de herramientas en varios pasos y ningún benchmark estático lo resolverá por tus herramientas.

Dos cosas que conviene tener en cuenta mientras lo haces. En primer lugar, las tablas de ambos proveedores no están reproducidas, y el único modelo evaluado de forma independiente en esta comparación es el más antiguo y denso, lo cual es un motivo para confiar más en las cifras de G​emma 4 12B, no un motivo para asumir que el modelo más reciente es más débil. En segundo lugar, la brecha de licencias es real y asimétrica de una manera que rara vez aparece en las publicaciones de benchmarks: G​emma 4 12B es Apache 2.0 para siempre, mientras que LFM2.5-24B-A2B se convierte en una conversación comercial en el momento en que tu empresa supera los 10 millones de dólares en ingresos. Para un desarrollador individual, eso es invisible. Para un equipo de producto que lanza un agente en el dispositivo, es una partida en el próximo ciclo de planificación, y es la única dimensión en la que el modelo multimodal más pequeño y antiguo es, sin ambigüedad, la opción predeterminada más segura.

Comparaciones como esta son también donde se manifiestan los modos de fallo: los incidentes de IA documentados y los fallos de agentes que hay detrás de los modelos de esta clase se recopilan en el Archivo de Incidentes de IA de OrcaRouter, donde cada entrada incluye sus propias fuentes, gravedad, grado de confianza y marca de disputa.