LFM2.5-24B-A2B vs LFM2.5-8B-A1B-DSpark: Uno de estos no es un modelo que puedas ejecutar

Pon LFM2.5-24B-A2B y LFM2.5-8B-A1B-DSpark en una tabla comparativa y la tabla es una mentira antes de que rellenes una sola celda. El LFM2.5-24B-A2B de Liquid AI, lanzado el 13 de octubre de 2026, es un modelo de lenguaje: 24,0B de parámetros, 2,45B activos por token, 131.072 tokens de contexto, y responde a los prompts. LFM2.5-8B-A1B-DSpark, lanzado el 20 de agosto de 2026, es un checkpoint draft de 327,7 millones de parámetros que no puede responder nada por sí solo — existe para adivinar los siguientes tokens para un modelo diferente, LFM2.5-8B-A1B, y ser verificado por él. Confundir los dos es la forma más común en que este lanzamiento se malinterpreta, y vale la pena aclararlo en el primer párrafo porque el resto de esta página depende de ello: uno de estos tiene un precio por millón de tokens y una tarjeta de Hugging Face a la que puedes apuntar un agente, y el otro vive dentro de la pila de inferencia de otra persona.

Lo que hace que el emparejamiento realmente merezca una página, sin embargo, es que es la comparación que Liquid AI ha preparado para sí misma. La ficha del modelo LFM2.5-24B-A2B señala que un draft de decodificación especulativa DSpark para el 24B llegará pronto. Cuando llegue, la pregunta exacta que responde esta página será la que la gente pregunte sobre él: ¿realmente vale la pena, en un modelo 24B cuya razón de existir es un portátil, el truco del draft que hizo que el modelo 8B fuera hasta 3,18× más rápido en una GPU de centro de datos? Los números del 8B ya contienen la forma de la respuesta, y no es la forma que sugiere el titular.

Qué es en realidad un punto de control de borrador, en tres frases.

La decodificación especulativa coloca un modelo barato delante de uno caro: el borrador propone un bloque de tokens candidatos, el modelo real verifica todo el bloque en una sola pasada hacia delante y se queda con aquello con lo que está de acuerdo. Como el objetivo comprueba cada token propuesto, la salida con decodificación voraz es idéntica bit a bit a ejecutar el objetivo por sí solo —la frase de Liquid es «sin pérdidas por construcción», y es la razón por la que un borrador es seguro para acoplarlo a un stack de producción—. LFM2.5-8B-A1B-DSpark es un borrador deliberadamente pequeño: cinco capas de solo atención, un bloque de nueve tokens propuestos por paso y una cabeza de Markov sobre el vocabulario de 128.000 tokens del objetivo, entrenado durante 15 épocas con datos de chat, código y llamadas a funciones, con checkpoints elegidos por tasa de aceptación en lugar de por pérdida de validación.

Ese último detalle no es una trivialidad. El propio informe de Liquid señala que, para los borradores más grandes, la pérdida de validación «sigue mejorando después de que la aceptación del benchmark que nos importa ha dejado de moverse» — que es el tipo de frase que solo aparece cuando un equipo está desplegando esto en serving en lugar de publicar un artículo.

Las dos pilas, una línea por dimensión

• Qué es — LFM2.5-24B-A2B es un modelo de razonamiento desplegable, texto de entrada y texto de salida. LFM2.5-8B-A1B-DSpark es un acelerador de decodificación especulativa y nada más.

• Tamaño — 24.0B en total / 2.45B activos por token, 64 expertos con enrutamiento top-4 en 40 capas, frente a 327.7M de parámetros del borrador en cinco capas de solo atención.

• Contexto — 131.072 tokens para el 24B, el doble que la generación anterior; el borrador no tiene contexto propio, ya que opera sobre el flujo del objetivo.

• Razonamiento — el 24B siempre emite una cadena de pensamiento explícita dentro de un bloque <think>. El borrador no emite nada que un usuario llegue a ver.

• Precio — $0.10 por millón de tokens de entrada ($0.05 en caché) y $1.00 por millón de salida en el Console de Liquid, con $2 de crédito inicial, para el 24B. El borrador no tiene precio porque ningún proveedor de inferencia lo ofrece.

• Licencia — lfm1.0 para ambos: gratis para descargar, ajustar y desplegar con fines comerciales hasta que una empresa supere los 10 millones de dólares en ingresos anuales, momento en el que se aplica una licencia comercial.

• Formatos publicados — GGUF desde Q4_K_M con 14,5 GB hasta BF16 de 48 GB, un QAT QAD-Q4_0 de 13,6 GB, FP8, ONNX y MLX de 4/5/6/8 bits para el 24B; Safetensors y GGUF para el draft, con soporte de SGLang y llama.cpp desde el primer día.

La dimensión que lo decide todo es la última modificada por la quinta: una de estas tiene un precio por token, y la otra es algo que instalas para hacer que un modelo autoalojado sea más barato por token. Nunca compiten. Se acumulan.

Los números que importan, y el que debería preocuparte

Liquid midió el borrador DSpark con tamaño de lote 1 y temperatura 0 en cinco conjuntos de datos —en una H100 de 80 GB en BF16 bajo SGLang, y en un MacBook Pro M4 Max en FP16 GGUF bajo llama.cpp con kernels experimentales de Metal—. Cada aceleración es frente al mismo modelo objetivo ejecutándose en solitario en el mismo hardware. Todo está reportado por el proveedor y, tres meses después, sigue sin reproducirse.

En la H100, frente a LFM2.5-8B-A1B:

• MATH500 — 3,18× (428 → 1.362 tokens/s, aceptación 8,27) — la cifra destacada.

• MT-Bench — 3,02× (426 → 1.288 tokens/s, aceptación 8,52).

• MBPP — 2,64× (426 → 1.122) y HumanEval — 2,58× (426 → 1.100).

• GSM8K — 1,29× (385 → 496, aceptación 4,02) — el caso débil, y nótese que es aquel en el que el objetivo ya era más rápido de entrada.

• Media — 2,54× (418 → 1.074 tokens/s).

En el M4 Max, el mismo borrador frente al mismo objetivo es un producto diferente: MATH500 1.21× (93 → 112), GSM8K 1.44× (90 → 129), HumanEval 1.12× (91 → 101), MBPP 1.09× (89 → 97), MT-Bench 1.04× (87 → 90), media 1.18× (90 → 106).

Lee esas dos listas juntas y la conclusión es inevitable: el checkpoint draft acelera el hardware para el que el modelo no fue construido, y apenas mueve el hardware para el que sí lo fue. Eso no es un error en la implementación de Liquid, es dónde está el cuello de botella: la decodificación especulativa da resultado cuando te sobra capacidad de cómputo y te falta memoria, y un M4 Max ejecutando un MoE cuantizado de 1,5B activos ya está cerca de su límite de ancho de banda de memoria. Liquid publicó ellos mismos la mitad mala del resultado, y por eso la cifra de 3,18× se ha citado por sí sola mucho más a menudo que el 1,18× que la mayoría de sus lectores experimentaría en realidad.

Por qué el emparejamiento 24B es una cuestión genuinamente abierta

No se ha anunciado nada sobre el próximo borrador de LFM2.5-24B-A2B más allá de las palabras «próximamente» en la tarjeta del modelo, así que lo que sigue es un razonamiento sobre la forma del problema, más que un informe.

El valor del borrador está regido por la tasa de aceptación, y la tasa de aceptación está regida por cuán predecible es el objetivo. Un modelo de razonamiento que siempre produce una cadena de pensamiento explícita —LFM2.5-24B-A2B es exactamente eso, y Liquid lo distribuye con una temperatura recomendada de 0.1— emite largos tramos de texto localmente predecibles. Ese es el suelo ideal para un bloque de 9 tokens. Por lo tanto, el techo de un borrador de 24B podría ser alto, y la propia nota de vocabulario de la ficha ayuda: el 24B usa el mismo vocabulario de 128.000 tokens sobre el que se construyó la cabeza de Markov del borrador de 8B, así que la cabeza de borrador no necesita reconstruirse a partir de un espacio de tokens diferente.

El contrapeso es el hardware. El resultado declarado en el edge del modelo de 24B es de 184 tokens por segundo en un Apple M5 Max, y un objetivo más grande implica una pasada de verificación más grande incluso cuando el bloque se acepta entero. Si se mantiene el patrón del 8B —grandes ganancias donde tienes cómputo de sobra, pequeñas ganancias en el portátil—, el draft de 24B puede resultar ser una herramienta de centro de datos adosada a un modelo de edge, lo cual es una forma extraña para un producto. Cualquiera que cite «3.18×» anticipándolo está citando un número medido en un modelo diferente, en hardware diferente, con un draft diferente.

El costo, y el argumento a favor de no autoalojar en absoluto

Una complicación honesta: toda la propuesta de valor de DSpark es el rendimiento por token autoalojado, así que su caso económico se basa en el costo por token de tu propio tiempo de GPU. El modelo 24B, en cambio, tiene un precio público — $0.10 por millón de tokens de entrada ($0.05 en caché) y $1.00 por millón de salida — que es lo que pagas si prefieres no ejecutar un checkpoint cuantizado de 14.5 GB en tu propio portátil.

Para que quede claro qué ofrecemos y qué no: no servimos LFM2.5-24B-A2B ni LFM2.5-8B-A1B-DSpark en OrcaRouter. Lo que sí servimos son los modelos de pesos abiertos con los que esta decisión no deja de toparse: qwen/qwen3.6-35b-a3b, el modelo contra el que Liquid compara su 24B, con aproximadamente un cincuenta por ciento más de parámetros totales y activos, además de google/gemma-4-26b-a4b-it, obsidian/gemma-4-26B-A4B y google/gemma-4-31b-it en la misma clase abierta y dispersa. Si estás sopesando una descarga de 14 GB y una pila de decodificación especulativa frente a llamar a un modelo servido detrás de una sola clave con un 0 % de margen sobre el precio de lista del proveedor, esa es una comparación que puedes ejecutar esta misma tarde de nuestro lado y que del suyo solo puedes estimar.

Qué hacer con los dos hoy

Si quieres un modelo al que llamar, la respuesta es LFM2.5-24B-A2B y el checkpoint DSpark te resulta irrelevante: acelera un modelo 8B específico, y no hay ninguna plataforma de terceros que ofrezca servicio a ninguno de los dos. Si ya autoalojas LFM2.5-8B-A1B en una GPU, el modelo borrador es un multiplicador de rendimiento gratuito que no cambia nada en tus resultados, y un 2,54× de media es una reducción real del coste de servicio. Si lo autoalojas en un Mac, la media es 1,18× y la lectura honesta es que el modelo borrador vale alrededor de una décima parte de lo que sugiere el titular del lanzamiento.

Lo que hay que vigilar no es la fecha de llegada del borrador de 24B, que nadie ha publicado. Es en cuál de los dos regímenes cae. Si Liquid publica una media superior a 2× en Apple silicon, la decodificación especulativa ha cruzado una línea y el nivel de borde se vuelve genuinamente más barato de ejecutar. Si publica una cifra pico sin media para portátil, el resultado de 8B habrá sido la respuesta desde el principio: esta técnica compensa donde se tiene cómputo inactivo, y una máquina que ejecuta una mezcla de expertos de 24B con batería no tiene nada de sobra.

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.