LFM3-1.7B-Base vs Granite 4.2 3B: materia prima frente a un razonador terminado

Un modelo base que se distribuye con una plantilla de chat es una contradicción que la mayoría de los proveedores evita. LFM3-1.7B-Base, publicado el 26 de octubre de 2026, contiene una plantilla de chat completa y activa el razonamiento de forma predeterminada cuando la aplicas — aunque su propia ficha dice que solo se recomienda para ajuste fino intensivo y deriva el tráfico de chat a otro lugar. Granite 4.2 3B, el modelo de razonamiento Apache-2.0 de IBM del 25 de agosto de 2026, es el tipo opuesto de artefacto: posentrenado, evaluado con benchmarks, tres modos de razonamiento, llamada a herramientas y una ficha que afirma 78.33 en AIME 2025. La pregunta interesante no es cuál es mejor. Es por qué el que está a medio terminar se comporta como uno terminado, y qué te dice eso sobre cuál descargar. Una ruta de respaldo no debería costar un sobreprecio. precios de lista Los precios de lista de los proveedores se aplican sin recargo.

El que es diferente es el modelo base

La decisión de Liquid de realizar un entrenamiento intermedio con datos de chat con y sin trazas de pensamiento es el detalle que hace que esta comparación sea algo más que un concurso de tamaño. Los últimos 3,5 billones de los 22 billones de tokens de preentrenamiento del checkpoint se curaron con trazas agénticas y llamadas a herramientas, formateadas con la misma plantilla de chat que utiliza el modelo ajustado. Por eso el repositorio base contiene una plantilla, y por eso una llamada ingenua a apply_chat_template produce un bloque de pensamiento antes de una respuesta. El modelo ha visto el formato. No ha sido entrenado para seguir instrucciones en él.

Esa distinción importa en la práctica. Un ajuste fino que parte de LFM3-1.7B-Base hereda un modelo que ya reconoce la estructura de la conversación y los delimitadores de razonamiento, lo que acorta la fase supervisada. No hereda fiabilidad, comportamiento de rechazo ni corrección en las llamadas a herramientas. Eso proviene del post-entrenamiento que vas a realizar, que es exactamente para lo que la tarjeta dice que sirve el checkpoint.

En qué consiste realmente Granite 4.2 3B

El 3B de IBM es el miembro de borde de la familia de razonamiento Granite 4.2, entrenado posteriormente a partir de Granite-4.1-3B-Base. Es denso, solo texto y funciona con un contexto nativo de 128K con extensión a 512K. Incluye tres modos de razonamiento —pensamiento completo por defecto, un modo de bajo esfuerzo y desactivado—, además de llamadas a herramientas compatibles con OpenAI y una familia de formatos de cuantización. Se ejecuta en seis a ocho gigabytes en bfloat16, por debajo de dos gigabytes con una cuantización práctica, y Ollama incluye una compilación granite4.2:3b.

La ficha reporta 78,33 en AIME 2025 en modo de pensamiento completo, 54,80 en GPQA y 69,71 en LiveCodeBench v6. Cada una de esas cifras es propia de IBM, publicada el día en que se subieron los pesos, y ninguna ha sido reproducida de forma independiente. El 3B también carece del aprendizaje por refuerzo agéntico que recibieron sus hermanos 8B y 30B, por lo que no presenta puntuaciones de SWE-Bench ni de Terminal-Bench. Es un modelo de razonamiento, no un motor de agentes.

Qué es realmente el checkpoint LFM3

Un modelo de texto preentrenado de 1,73 mil millones de parámetros con un contexto de 262.144 tokens, un vocabulario de 128.000 tokens en dieciséis idiomas y 3,46 GB de pesos en bfloat16. Veinticuatro capas: trece convoluciones cortas con compuerta, cinco bloques de atención con ventana deslizante y seis bloques de atención completa. Aproximadamente 1 GB en 4 bits. La LFM Open License v1.0, gratuita para uso comercial por debajo de 10 millones de dólares de ingresos anuales. Dos notebooks de TRL en la ficha, uno para ajuste fino supervisado en extracción estructurada y otro para preentrenamiento continuo en un nuevo idioma. Ninguna tabla de benchmarks de ningún tipo.

Los cinco números que los separan

• Parámetros — 1.73B denso para LFM3-1.7B-Base frente a aproximadamente 3B para Granite 4.2 3B. Ninguno es una mezcla de expertos; cada parámetro se lee en cada token.

• Tokens de preentrenamiento — 22 billones para LFM3-1.7B-Base. IBM afirma que la familia Granite 4.2 procesó aproximadamente 15 billones en cinco fases, para un modelo de casi el doble de tamaño. El checkpoint más pequeño procesó más texto.

• Contexto — 262.144 tokens nativos para LFM3-1.7B-Base; 128K nativos y 512K extendidos para Granite 4.2 3B. El modelo base gana en longitud nativa; el modelo ajustado gana en el límite máximo.

• Pruebas comparativas — no se ha publicado ninguna para LFM3-1.7B-Base. AIME 2025 78,33, GPQA 54,80 y LiveCodeBench v6 69,71 para Granite 4.2 3B, todas comunicadas por el proveedor y no reproducidas.

• Licencia — LFM Open License v1.0 con un umbral de ingresos de 10 millones de dólares frente a Apache 2.0 sin desencadenante comercial.

Por qué existe la plantilla y qué valor tiene

Hay un beneficio real de ingeniería escondido en esa rareza. Tanto el preentrenamiento continuado como el ajuste fino supervisado necesitan que el modelo reconozca el formato en el que se va a servir. Partir de un checkpoint que ya ha visto el marcado de chat y los delimitadores de pensamiento significa que la fase supervisada gasta su presupuesto de gradiente en comportamiento en lugar de en formato. Granite 4.2 3B no te ofrece ese punto de partida; te ofrece el comportamiento acabado, que luego puedes especializar, pero la especialización parte de un modelo que ya tiene opiniones sobre cómo responder.

Ese es el compromiso en una frase. LFM3-1.7B-Base te ofrece un punto de partida más limpio con una forma familiar. Granite 4.2 3B te ofrece un razonador funcional al que puedes señalarle un problema hoy y, si quieres, hacerle ajuste fino después — con la advertencia de que el ajuste fino de un modelo de razonamiento postentrenado puede erosionar el comportamiento de razonamiento que pagaste, a menos que los datos se construyan con cuidado.

La pregunta sobre el presupuesto que nadie pone sobre la mesa

La inferencia es el lado barato de esta comparación. Ambos modelos se ejecutan en un portátil, ambos se cuantizan por debajo de 2 GB y, a ese tamaño, la diferencia entre 1,73B y 3B es una cuestión de tokens por segundo más que de viabilidad. El lado caro son los datos. El ajuste fino de cualquiera de los modelos para una tarea propietaria requiere ejemplos etiquetados, un conjunto de evaluación y un bucle de entrenamiento, y ese coste eclipsa la diferencia entre una descarga de 3,46 GB y una de 6 GB.

Lo que cambia con el tamaño es cuánto de ese presupuesto se destina a capacidades que el modelo base ya posee. Un tronco de 1,73B entrenado con 22 billones de tokens es una apuesta deliberada por que un modelo pequeño, con un contexto largo y una amplia mezcla de idiomas, pueda absorber un dominio rápidamente. Un modelo de razonamiento de 3B es una apuesta por que el razonamiento general se transfiera a tu dominio con menos datos. Ninguna de las dos apuestas queda resuelta por las cifras del proveedor, porque ninguno de los dos proveedores ha publicado un resultado de ajuste fino en una tarea que te importe.

Una vez que existe un ajuste fino, la cuestión del servicio es independiente.El DSL de enrutamiento de OrcaRouter permite que un especialista y un respaldo general estén detrás de una sola llamada, y la conmutación por error automática implica que un modelo pequeño que agota el tiempo de espera no se lleve la solicitud consigo. Eso importa más para un ajuste fino de 1,73B que para un modelo grande, porque el modo de fallo de un especialista pequeño es la confianza en el dominio equivocado, y un respaldo es la defensa más barata contra ello.

Licencia: la cláusula que decide la adopción empresarial

Apache 2.0 es la conversación sobre licencias más breve en adquisiciones. Granite 4.2 3B se distribuye bajo ella, sin umbral de ingresos ni desencadenante comercial. LFM3-1.7B-Base se distribuye bajo la LFM Open License v1.0, que concede uso comercial gratuito por debajo de $10 millones en ingresos anuales y exige una licencia comercial por encima de esa cifra. Para un desarrollador independiente, la diferencia es invisible. Para un equipo de producto dentro de una empresa más grande, el umbral es una revisión legal que ocurre antes de la primera ejecución de entrenamiento, y puede superar una ventaja en el número de parámetros en cualquier dirección.

¿Cuál descargar?

Esta semana necesitas un modelo de razonamiento. Granite 4.2 3B. Está terminado, documentado, cuantizado y es lo bastante pequeño para un portátil. Las cifras del proveedor no se han reproducido, pero el modelo funciona y la interfaz es estándar.

Estás creando un especialista de dominio y tienes los datos. LFM3-1.7B-Base. El tronco de 22 billones de tokens, el contexto de 256K y el vocabulario de dieciséis idiomas son un mejor punto de partida que un modelo de razonamiento que sobrescribirías en parte, y la plantilla de chat hace que la fase supervisada empiece desde un formato familiar.

Necesitas tanto un razonador como un especialista. No son sustitutos. Granite 4.2 3B se encarga de la ruta de razonamiento general; un ajuste fino de LFM3 se encarga de la ruta específica y de alto volumen. Ejecutar ambos detrás de un único endpoint es el patrón que evita tener que elegir.

¿Qué falta todavía?

La brecha en esta comparación no es un número, es una reproducción. Granite 4.2 3B tiene benchmarks del proveedor y ninguna ejecución independiente; LFM3-1.7B-Base no tiene ninguna de las dos. Hasta que alguien ajuste el checkpoint de Liquid en una tarea pública e informe el resultado frente a una línea base de Granite 4.2 3B, la elección depende del tipo de activo que quieras, no de qué modelo rinde mejor. La plantilla hace que el checkpoint base parezca más terminado de lo que está. La ficha es honesta al respecto, y es la parte que vale la pena leer antes de la descarga.