Una tarjeta de título principal que dice 'LFM2.5-24B-A2B vs Gemma 4 26B-A4B' con el subtítulo 'Dos modelos dispersos, dos presupuestos diferentes' y dos paneles etiquetados que dicen 'LFM2.5-24B-A2B: 24.0B en total, 2.45B activos, solo texto' y 'Gemma 4 26B A4B: 25.2B en total, 3.8B activos, texto + imagen', con el logotipo de OrcaRouter compuesto en la esquina inferior derecha.
Guides & Insights

LFM2.5-24B-A2B vs Gemma 4 26B-A4B: dos modelos dispersos, dos teorías distintas sobre dónde va el cómputo

Autor

jinhao.song

Fecha de publicación

Últimos modelos · 20Ver todos los modelos →
Benchmarks: Artificial Analysis · actualizado a diario
Volver a todas las publicaciones

LFM2.5-24B-A2B y Gemma 4 26B-A4B parecen la misma idea dos veces. El checkpoint de Liquid AI se lanzó el 13 de octubre de 2026 con 24.0 mil millones de parámetros totales y 2.45 mil millones leídos por token. Gemma 4 26B-A4B de Google DeepMind tiene 25.2 mil millones totales y 3.8 mil millones activos por token, publicado en Hugging Face el 11 de marzo de 2026. Ambos son mezclas de expertos, ambos son aproximadamente un checkpoint de 25 mil millones de parámetros asociado a un presupuesto de cómputo de entre dos y cuatro mil millones de parámetros, y ambos proveedores recurren a la misma frase al explicar el compromiso: pagas en memoria por un modelo grande y en latencia por uno pequeño. Esa aritmética casi idéntica es exactamente la razón por la que vale la pena hacer bien la comparación, porque luego los dos modelos gastan ese presupuesto en cosas completamente distintas: Gemma 4 26B-A4B lo gasta en visión, un contexto de 256K y una amplia base de conocimiento; LFM2.5-24B-A2B lo gasta en una traza de razonamiento, un arnés de llamada a herramientas y aprendizaje por refuerzo agéntico. Misma forma, prioridades opuestas.

Hay una asimetría más que se suma por encima: la tabla de benchmarks de LFM2.5-24B-A2B usa Gemma-4-26B-A4B-it como una de sus tres líneas base, así que por una vez no estamos comparando dos tablas de lanzamiento y adivinando — Liquid ejecutó ambas, en el mismo entorno vLLM, y publicó las filas.

A ambos les falta lo mismo, y es lo que todo el mundo da por sentado.

Empieza por el concepto erróneo que estos dos modelos son más propensos a generar, porque es el mismo para ambos. Una mezcla dispersa de expertos no reduce tus requisitos de memoria. Cada parámetro del checkpoint tiene que estar residente; lo que te compran 2.45B o 3.8B activos es rendimiento por token, no una huella menor. Un lector que ve «2.45B activos» y recurre a una máquina de 4 GB va a tener una tarde desagradable.

En nuestro propio catálogo, el checkpoint Gemma 4 26B A4B figura con un contexto de 262.144 tokens, y la ficha de LFM2.5-24B-A2B indica 131.072. En disco, la brecha es mayor de lo que sugieren los recuentos de parámetros: LFM2.5-24B-A2B publica un GGUF Q4_K_M de 14,5 GB y un QAD-Q4_0 con QAT de 13,6 GB, con 48 GB en BF16; Gemma 4 26B A4B publica safetensors en bfloat16 como un shard de 49,9 GB más un shard de 1,7 GB, con un GGUF de 4 bits con cuantización consciente que empareja un archivo de pesos compacto con un archivo de proyección multimodal separado. En números redondos: unos 14 GB frente a unos 50 GB sin comprimir, de dos checkpoints cuyos recuentos totales de parámetros difieren en mil millones. Esa diferencia proviene del vocabulario, la disposición de los expertos y la pila multimodal, no del titular de los parámetros, y es la frase más práctica de todo este artículo.

El contraste de especificaciones, una línea por dimensión

• Parámetros totales / activos — LFM2.5-24B-A2B 24,0B / 2,45B, 64 expertos con enrutamiento top-4 en 40 capas. Gemma 4 26B-A4B 25,2B / 3,8B, 8 expertos activos de 128 más un experto compartido en 30 capas.

A capture of the Hugging Face model page for google/gemma-4-26B-A4B-it, showing the image-text-to-text pipeline tag, the Transformers and Safetensors formats, the gemma4 and conversational tags, the Apache 2.0 licence, and the card text stating that Gemma 4 models are multimodal, handling text and image input with audio supported on the E2B, E4B and 12B models, that the family spans a context window of up to 256K tokens across five sizes, and the architecture list covering reasoning, extended multimodalities, dense and MoE variants, and on-device optimisation.

• Contexto — 131.072 tokens frente a 262.144, con Gemma 4 26B A4B usando una ventana deslizante de 1.024 tokens y atención híbrida que intercala capas locales y globales, manteniendo la última capa global.

• Modalidad — LFM2.5-24B-A2B es texto de entrada, texto de salida. Gemma 4 26B A4B acepta texto e imagen, con un codificador de visión de aproximadamente 550M de parámetros; el audio está limitado a los tamaños más pequeños de Gemma 4.

• Razonamiento — LFM2.5-24B-A2B siempre emite una cadena de pensamiento explícita dentro de un bloque <think>. Gemma 4 26B A4B es un generalista ajustado a instrucciones sin traza obligatoria.

• Vocabulario — 128,000 tokens, el doble que la generación anterior mediante la expansión in situ del tokenizador, frente a un vocabulario de familia de 262K compartido entre los cinco tamaños de Gemma 4.

• Licencia — lfm1.0, gratuita para uso comercial hasta $10M en ingresos anuales y una licencia comercial a partir de ahí. Gemma 4 26B A4B es Apache 2.0, el texto de licencia estándar en ai.google.dev/gemma/apache_2, con la política de usos prohibidos de G​oogle junto a él como documento de uso aceptable en lugar de una restricción de licencia.

• Formatos publicados — GGUF (de Q4_K_M a BF16), FP8, ONNX y MLX de 4/5/6/8 bits para el modelo Liquid; safetensors en bfloat16, un checkpoint preentrenado, una compilación QAT de 4 bits y un GGUF listo para llama.cpp, además de un drafter de predicción multi-token, para el tamaño de Gemma.

Liquid disputó ambos, y los resultados no son una barrida limpia

La publicación de lanzamiento de LFM2.5-24B-A2B coloca Gemma-4-26B-A4B-it en la columna de referencia de su tabla de dieciséis benchmarks, junto a Qwen3.6-35B-A3B y Nemotron-3.5-Lightning, con las cuatro columnas ejecutadas en vLLM bajo configuraciones de generación específicas por benchmark. Todo lo que sigue está reportado por los proveedores de ambas partes —los números de Liquid, en una tabla que Liquid armó. No es una evaluación independiente, pero al menos es un único entorno de pruebas, lo que es más de lo que consiguen la mayoría de las páginas de comparación entre modelos.

Las filas agénticas se leen como una paliza: AutomationBench 27.69 frente a 5.46, ToolSandbox 80.71 frente a 72.09, LiveClaw 48.09 frente a 41.25, τ³-Bench Banking 8.04 frente a 4.54, BFCLv4 65.01 frente a 57.09. El seguimiento de instrucciones es la misma historia — IFEval 96.75 frente a 92.00, IFBench 74.69 frente a 47.44, Multi-IF 84.38 frente a 82.19.

Luego, la otra mitad de la tabla, que Liquid publicó de todos modos: PinchBench 83.18 frente a 77.12 va en la otra dirección, y también lo hacen tres filas que importan más que cualquiera de las victorias en el uso de herramientas. GPQA Diamond — 74.42 frente a 74.90, prácticamente a la par en el extremo superior de la ciencia de posgrado. SWE-Bench Verified vía OpenCode — 51.00 frente a 25.80, una ventaja de dos a uno a favor del modelo Liquid, que es el número individual más sorprendente en cualquiera de las dos tablas. SciCode — 32.71 frente a 35.42, con el tamaño Gemma por delante. Y AA-Omniscience — −24.90 frente a −59.39, donde ambos modelos obtienen malos resultados y el tamaño Gemma obtiene resultados más del doble de malos.

Dos lecturas de eso, y la honesta es la segunda. La primera es que un modelo agente con 2.45B activos supera a un generalista con 3.8B activos en agentes, que es para lo que fue construido. La segunda es que la columna de Gemma 4 26B A4B parece anómalamente débil en todos los aspectos — que 25.2B de parámetros totales y 3.8B activos queden por debajo de un modelo con 2.45B activos en seguimiento de instrucciones, uso de herramientas y conocimiento no es lo que predeciría la propia tabla de la familia de G​oogle, y es un recordatorio de que un arnés compartido no hace que un benchmark sea comparable si los modelos se ejecutan con diferentes configuraciones de generación y prompting. Considera la dirección de estas filas como informativa y las magnitudes como no.

Lo que no aparece en absoluto en la tabla es la mitad multimodal de Gemma 4 26B A4B. Un benchmark de visión es imposible aquí porque LFM2.5-24B-A2B no puede ver. Si alguna parte de tu carga de trabajo implica que llegue una imagen de un usuario, esta comparación tiene un ganador antes de empezar, y no es el modelo más nuevo.

Precio, y lo que cuesta realmente mantener cada uno

LFM2.5-24B-A2B tiene un precio por token: $0.10 por millón de tokens de entrada ($0.05 en caché) y $1.00 por millón de salida en la propia Console de Liquid, con $2 de crédito para empezar. Gemma 4 26B A4B no tiene ningún precio de lista de proveedor —G​oogle no publica ninguno—, así que la única cifra de costo honesta es lo que cobren las plataformas que alojan los pesos abiertos, lo cual varía según el host y según el día.

Esa asimetría es el argumento para pasar por un enrutador en lugar de conectar el endpoint de un solo proveedor directamente en tu código. Dejando de lado la geometría, este es el punto en el que importa una comprobación para ambas partes: servimos el checkpoint Gemma 4 26B A4B bajo dos ids — google/gemma-4-26b-a4b-it y obsidian/gemma-4-26B-A4B — y ambas referencias de precios que Liquid usa en su tabla, qwen/qwen3.6-35b-a3b entre ellas, detrás de una sola clave con 0% de margen sobre el precio de lista del proveedor. No servimos LFM2.5-24B-A2B. La versión práctica de esta página es, por lo tanto: descarga el checkpoint de Liquid y ejecútalo localmente, y llama al modelo Gemma 4 de ese tamaño y a la línea base de Qwen a través de la misma clave mientras decides, para que compares con tus propias tareas en lugar de con la elección de arnés de cualquiera de los proveedores.

A two-column scoreboard titled 'LFM2.5-24B-A2B vs Gemma 4 26B A4B — the scoreboard'. The left column, LFM2.5-24B-A2B, lists 24.0B total and 2.45B active parameters, a 131,072-token context, text-only input, SWE-Bench Verified 51.00, AutomationBench 27.69, and a Q4_K_M download of 14.5 GB. The right column, Gemma 4 26B A4B, lists 25.2B total and 3.8B active parameters, a 262,144-token context, text and image input, SWE-Bench Verified 25.80, AutomationBench 5.46, and bfloat16 weights of about 50 GB, above a footer reading 'Benchmark rows from Liquid AI's 2026-10-13 vLLM table, which ran both models; vendor-reported and unreproduced.' and the OrcaRouter logo composited bottom-right.A capture of OrcaRouter's own model page for google/gemma-4-26b-a4b-it, showing the 'Gemma 4 26B A4B' heading and the google/gemma-4-26b-a4b-it identifier, the vision, tools, JSON and reasoning chips, Google as the vendor with a 2026-04-03 date, the summary noting 25.2B total parameters with only 3.8B activating per token, and the 262K-token context row listing text, image and video input with a p50 time-to-first-token figure.

¿Cuál, y cuándo la pregunta es realmente sobre tu máquina?

Si tu carga de trabajo es texto y tu agente necesita planificar, llamar a herramientas y explicarse, el checkpoint más reciente es el que hay que descargar: 14,5 GB en Q4_K_M, un contexto de 131K, razonamiento explícito y una tabla de benchmarks en la que gana las filas agénticas frente a este mismo oponente. Si parte de tu trabajo implica imágenes, o necesitas 256K de contexto en lugar de 128K, o quieres una licencia Apache 2.0 sin cláusula de ingresos que rastrear, Gemma 4 26B A4B responde a una pregunta que LFM2.5-24B-A2B ni siquiera plantea — con aproximadamente tres veces y media la huella en disco sin comprimir.

Lo que ninguno de los dos modelos soluciona es que ambos están limitados por la memoria y no por el cómputo, y a ambos proveedores hay que interpretarlos de la misma manera. La publicación de lanzamiento de la familia de Google describe los dos tamaños más grandes de Gemma 4 como pesos bfloat16 que “caben de manera eficiente en una sola GPU NVIDIA H100 de 80 GB” — cierto, y también es el planteamiento del propio proveedor y no una medición de esta compilación específica. Los 184 tokens por segundo de Liquid en un Apple M5 Max y “hasta 1,7× más rápido que MoEs comparables en el dispositivo” tampoco cuentan con reproducción alguna. Dos modelos dispersos, dos proveedores, una misma instrucción: la aritmética del nombre te habla de la velocidad, y nada en el nombre te habla de la memoria.

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.