LFM3-1.7B-Base vs MiniCPM5 2B: Dos proveedores, dos tableros de puntuación, una respuesta honesta

Liquid AI creó el repositorio LFM3-1.7B-Base en Hugging Face el 26 de octubre de 2026 y publicó el anuncio de la familia LFM3 al día siguiente — y la tabla de benchmarks de ese anuncio hace algo inusualmente útil: pone el modelo post-entrenado LFM3-1.7B directamente frente a MiniCPM5-2B, el modelo de 2.5B que OpenBMB ha estado llamando el estado del arte de código abierto de la clase 2B desde que sus pesos llegaron en septiembre. En la propia suite de 27 pruebas de Liquid, LFM3-1.7B gana 23 filas y MiniCPM5-2B gana cuatro. Sin embargo, el checkpoint del título de este artículo no es el de esa tabla, y no trae cifras de benchmark de ningún tipo. Esa brecha es la historia.

Tres cosas se difuminan en cada comparación de modelos pequeños, así que vale la pena separarlas desde el principio: lo que midió Liquid, lo que midió OpenBMB y lo que ninguno de los dos proveedores ha publicado sobre los checkpoints base que la gente realmente ajusta. Solo la tercera categoría describe una comparación justa entre los dos nombres de esta página.

La tabla que publicó Liquid y el modelo que describe

La tarjeta del modelo LFM3-1.7B contiene 27 filas repartidas en siete categorías —agentes, uso de herramientas, codificación agéntica, codificación, seguimiento de instrucciones, conocimiento y contexto largo— con columnas para LFM2.5-2.6B, MiniCPM5 2B, Gemma 4 E4B, Qwen3.5 4B y Qwen3.5 9B. El modelo propio de Liquid gana en todas menos cuatro de ellas, y los márgenes en las filas de agentes no están reñidos: LiveClaw 45.60 frente a 30.37, WebArena-Verified 38.42 frente a 9.11, AutomationBench 41.29 frente a 4.71, BrowseComp-Plus 37.00 frente a 16.83. El mismo patrón se mantiene en el uso de herramientas (BFCL V4 71.39 frente a 62.65, ToolSandbox 80.36 frente a 68.16) y en contexto largo, donde RULER 128K registra 65.56 frente al 37.96 de MiniCPM5-2B.

Las cuatro victorias de MiniCPM5-2B son todas en conocimiento o robustez multiturno: τ³-bench con 69,44 frente a 68,01, GPQA Diamond con 65,15 frente a 63,37, Humanity's Last Exam sin herramientas con 8,20 frente a 7,17 y la precisión de AA-Omniscience con 9,13 frente a 7,07. Son márgenes estrechos en benchmarks donde una fracción de punto a menudo es ruido. Las brechas agénticas no lo son.

Cada cifra de ese párrafo la reporta el propio fabricante. Liquid ejecutó sus propios bancos de pruebas, eligió su propio conjunto de comparación y no publicó en la ficha ninguna metodología por prueba. A 28 de octubre de 2026, no encontramos ninguna entrada de LFM3 en Artificial Analysis, así que no hay ninguna reproducción independiente con la que contrastarla. Hay que tomar el resultado de 23 a 4 como el argumento de Liquid, no como un resultado del sector.

En qué consiste realmente el checkpoint base

Si se elimina el postentrenamiento, se obtiene un modelo solo de texto de 1,73B con 24 capas: 13 convoluciones cortas con compuerta, cinco capas de atención de ventana deslizante con una ventana de 256 tokens y seis capas de atención global. La cifra de contexto de 256K es la auténtica —max_position_embeddings en la configuración publicada indica 262.144—, no la ventana de 256 tokens con la que se la confundió en la cobertura inicial. El vocabulario es de 128.000 tokens, la ficha enumera 16 idiomas y la licencia es la LFM Open License v1.0, cuyo permiso comercial deja de aplicarse a una entidad jurídica con ingresos anuales de 10 millones de dólares o más.

La receta de entrenamiento está documentada con más detalle que la mayoría de los lanzamientos base: 22 billones de tokens en total, con los últimos 3,5 billones dedicados a datos de entrenamiento intermedio curados que incluyen trazas agénticas y llamadas a herramientas, además de extensiones de contexto de 128K y 256K. Con precisión de 4 bits, se describe que el checkpoint ocupa alrededor de 1 GB, que es la cifra que importa si el objetivo es un teléfono o un portátil en lugar de un servidor.

Lo que la tarjeta no te ofrece es ninguna evaluación del modelo base en sí. Las puntuaciones publicadas por Liquid corresponden a LFM3-1.7B después de SFT, RL mixto, destilación on-policy multidominio y RL agéntico. No hay forma, a partir del material público, de separar cuánto de ese promedio de 49.37 provino de los 22 billones de tokens de preentrenamiento y cuánto del stack de postentrenamiento. Eso no es una crítica específica a Liquid —casi nadie publica evaluaciones del modelo base—, pero sí significa que el nombre del título de este artículo no tiene una tabla de puntuaciones propia.

El marcador de contadores de OpenBMB

La ficha de MiniCPM5-2B hace una afirmación distinta sobre un conjunto diferente de ejes. Su radar de capacidades puntúa nueve dimensiones y reporta un promedio de 53,9, frente a 51,1 de Qwen3.5-4B, 42,7 de granite-4.2-3B y 33,2 de LFM2.5-2.6B. En ese cuadro, el modelo es el estado del arte de la clase 2B y es competitivo con modelos de la clase 4B. No incluye a LFM3-1.7B, que no existía cuando se escribió la ficha.

Los dos cuadros de puntuaciones no se pueden restar entre sí. Usan pruebas distintas, normalización distinta y conjuntos de comparación distintos —y el único benchmark que se solapa, τ³-bench, es justo donde el modelo de OpenBMB se adelanta en la tabla de Liquid. Si colocas 53.9 junto a 49.37 y concluyes que MiniCPM5-2B es el modelo más fuerte, has comparado un promedio de proveedor de nueve ejes con un promedio de proveedor de 27 pruebas y no has aprendido nada.

Los datos de hardware son menos ambiguos. MiniCPM5-2B es un LlamaForCausalLM estándar con 2.516.756.480 parámetros totales, de los cuales 1.981.982.720 no son de embedding, 42 capas, atención de consultas agrupadas con 16 cabezas de consulta y 2 cabezas KV, y un contexto de 131.072 tokens en la configuración de entrega. Es Apache 2.0, se distribuye en compilaciones GGUF, MLX, GPTQ y LiteRT junto con un modelo borrador para decodificación especulativa, y OpenBMB publicó los corpus de entrenamiento junto con él. Eso es un producto terminado con la fábrica incluida.

Base contra base es la única comparación limpia

Ambas familias incluyen un checkpoint preentrenado, lo que hace posible por primera vez una comparación equivalente. MiniCPM5-2B-Base se creó el 27 de agosto de 2026, tiene licencia Apache 2.0 y existe por la misma razón que LFM3-1.7B-Base: para ser postentrenado y convertirse en otra cosa. Ninguna de las fichas base publica una tabla de evaluación. Así que la decisión debe tomarse en función de la especificación, la licencia y el ecosistema, y no de una puntuación.

Ese cambio de enfoque importa porque el error más común con este par es descargar el modelo base de Liquid, usarlo con prompts como si fuera un modelo de chat y concluir que es peor que MiniCPM5-2B. Lo será. LFM3-1.7B-Base es un resultado de entrenamiento intermedio con una plantilla de chat y un modo de pensamiento, no un asistente; la propia ficha de Liquid indica que se use LFM3-1.7B para chat, llamadas a herramientas y agentes. El checkpoint terminado de OpenBMB es lo correcto con lo que comparar LFM3-1.7B, y esa comparación ya existe en la tabla de Liquid. La comparación base con base es para quienes tienen la intención de hacer ellos mismos el entrenamiento.

La ficha técnica, dimensión por dimensión.

• Parámetros — LFM3-1.7B-Base: 1,73B en 24 capas. MiniCPM5-2B: 2,52B en total, 1,98B sin embeddings, en 42 capas.

• Contexto — LFM3-1.7B-Base: 256K tokens, entrada más salida. MiniCPM5-2B: 131.072 tokens en la configuración enviada.

• Arquitectura — LFM3-1.7B-Base: tri-híbrido con convoluciones cortas con compuerta, además de atención de ventana deslizante y global, cargado con trust_remote_code. MiniCPM5-2B: un decodificador Llama estándar que se ejecuta con herramientas sin modificar.

• Licencia — LFM3-1.7B-Base: LFM Open License v1.0, uso comercial condicionado a mantenerse por debajo de $10M de ingresos anuales. MiniCPM5-2B: Apache 2.0, sin condición de ingresos.

• Formatos publicados — LFM3-1.7B-Base: solo pesos BF16 en la tarjeta del modelo base; el modelo hermano post-entrenado tiene versiones GGUF, MLX, ONNX, FP8 y NVFP4. MiniCPM5-2B: BF16, GGUF, MLX, GPTQ y LiteRT, además de checkpoints SFT y de entrenamiento intermedio y un modelo borrador DSpark.

• Huella — LFM3-1.7B-Base: aproximadamente 1 GB en 4 bits, según Liquid. MiniCPM5-2B: un modelo denso de 2,5B sin huella en 4 bits publicada en la ficha; se espera el coste de memoria habitual de la clase 2,5B, no 1 GB.

• Idiomas — LFM3-1.7B-Base: 16 idiomas con nombre, incluidos árabe, hindi, tailandés y vietnamita. MiniCPM5-2B: una ficha centrada en el inglés y el chino, con los datos publicados que la respaldan.

• Datos de entrenamiento — LFM3-1.7B-Base: 22T tokens, se describe la receta pero no se publicaron los datos. MiniCPM5-2B: los corpus UltraData se publicaron junto con los pesos.

Lo que los repositorios te dicen sobre el despliegue

MiniCPM5-2B es el modelo más fácil de instalar en un dispositivo hoy. La arquitectura es estándar, así que el soporte en llama.cpp, Ollama y LM Studio consiste en usar el GGUF publicado en lugar de esperar un kernel. Apple Silicon tiene compilaciones MLX, Android tiene una vía LiteRT y el modelo borrador DSpark existe específicamente para acelerar la decodificación en hardware con recursos limitados.

LFM3-1.7B-Base exige más del entorno de ejecución. Necesita código de modelado personalizado, y el checkpoint base solo se publica en BF16. El resto de la familia está mejor atendida: Liquid indica compatibilidad de vLLM, SGLang y Transformers con BF16, de SGLang con FP8 y NVFP4, de llama.cpp y Ollama con GGUF, de MLX con Apple Silicon y de ONNX Runtime para trabajo multiplataforma. La trampa es que esas compilaciones corresponden a LFM3-1.7B, no al checkpoint base. La pull request de SGLang que añade compatibilidad con LFM3, la #46858, seguía abierta en el momento de escribir esto; la pull request complementaria del cookbook ya se ha fusionado.

Si la pregunta es qué modelo poner detrás de un endpoint esta semana, ten en cuenta que ni MiniCPM5-2B ni LFM3-1.7B-Base están hoy en el catálogo de OrcaRouter. Ambos son propuestas de descarga y autoalojamiento por ahora. Esa es exactamente la situación en la que una capa de enrutamiento se justifica más a largo plazo que de inmediato: una clave compatible con OpenAI para más de 200 modelos, 0 % de margen con el precio de lista del proveedor pasado tal cual, y conmutación automática por fallo cuando un servidor autoalojado o un único upstream se caen. No necesitas nada de eso para ejecutar un modelo de 1 GB en un portátil; lo necesitas cuando el modelo pequeño se convierte en una pata de una ruta de producción y algo tiene que capturar el fallo.

Lo que todavía no se puede saber

La lista honesta es corta y concreta. No encontramos ningún benchmark independiente para ningún modelo LFM3, así que toda afirmación sobre las capacidades de la familia es de Liquid. No hay ninguna evaluación publicada de LFM3-1.7B-Base, así que nadie puede decir qué tan bueno es el checkpoint en bruto antes del post-entrenamiento. No hay precio por token para LFM3 en una API alojada, lo que hace que las comparaciones de costos con MiniCPM5-2B —también autoalojado en la mayoría de las implementaciones— sean un ejercicio de hardware y electricidad en lugar de uno de tarifas. Y todavía no hay evidencia, independiente o no, sobre si la ventana deslizante de 256 tokens le cuesta algo al modelo en tareas de contexto largo con mucha recuperación; la propia puntuación RULER 128K de Liquid, de 65.56, está muy por debajo de la 87.11 que reporta para Qwen3.5 9B, lo cual es una señal que vale la pena seguir más que un veredicto.

Tres preguntas que vale la pena responder antes de descargar cualquiera de las dos

¿Quieres un modelo o un punto de partida?

Si quieres algo que responda preguntas, llame a herramientas y sobreviva a una demo el lunes, MiniCPM5-2B es el producto acabado y LFM3-1.7B-Base no lo es. Si tienes un corpus de dominio, un pipeline de post-entrenamiento y un motivo por el que el modelo estándar no te sirve, el checkpoint base es la compra correcta, y los notebooks de TRL de Liquid para SFT, DPO, GRPO y pre-entrenamiento continuado ofrecen más orientación que la que proporcionan la mayoría de los proveedores.

¿Llegará alguna vez su organización a superar los 10 millones de dólares en ingresos anuales?

La LFM Open License v1.0 solo concede derechos comerciales por debajo de ese umbral. Por encima, la obra no queda licenciada en absoluto bajo el acuerdo y se necesita un acuerdo por separado con Liquid. Apache 2.0 no tiene ese precipicio. Para un proyecto de aficionado o una startup incipiente, la diferencia es teórica; para una empresa consolidada, decide la lista corta antes de ejecutar cualquier benchmark.

¿Merece la pena una arquitectura personalizada para un contexto de 256K?

LFM3-1.7B-Base ofrece el doble de contexto que MiniCPM5-2B con un número de parámetros menor, lo que constituye el argumento técnico más sólido a su favor. El precio a pagar es un modelo no estándar que requiere código remoto, un conjunto más reducido de compilaciones listas para usar sobre el checkpoint base y una integración en el entorno de ejecución que aún se está implementando. Si tu carga de trabajo cabe en 131K, estás pagando ese precio por un margen que no vas a usar.

¿Cuál elegir?

Para la mayoría de los equipos que comparan estos dos nombres, la respuesta es MiniCPM5-2B, no porque gane un concurso de benchmarks, sino porque es un producto Apache-2.0 completo, con compilaciones cuantizadas, datos de entrenamiento publicados y sin techo de licencia. Es la forma de menor riesgo de llevar un modelo capaz de 2.5B a un dispositivo.

LFM3-1.7B-Base es la apuesta más interesante para un público más reducido: equipos que quieren un checkpoint de 1,73B con contexto de 256K, 16 idiomas y una arquitectura no estándar en la que puedan seguir entrenando con una sola GPU, y que puedan convivir con la licencia LFM y un ecosistema de modelos base más limitado. Liquid le ha dado a ese público un punto de partida real y una receta de entrenamiento inusualmente detallada. Aún no le ha dado a nadie una razón para creer que el checkpoint base sea mejor que el modelo terminado de OpenBMB, y la propia tabla del proveedor no intenta afirmar que lo sea.

La cifra que hay que observar no es la división 23–4. Es la primera evaluación independiente de cualquier modelo LFM3: el momento en que el marcador de Liquid deja de ser el único marcador.