LFM3-1.7B-Base vs Qwen 3.8: clase de peso equivocada, pregunta correcta

La respuesta honesta es que LFM3-1.7B-Base no compite con Qwen3.8-27B, y nunca se pensó para hacerlo. Plantee bien la pregunta y aparecen tres modelos Qwen distintos: el modelo abierto de visión y lenguaje de 27B con pesos abiertos que Alibaba publicó en agosto de 2026, el alojado Qwen3.8-Flash a 0,15 $ por millón de tokens de entrada y 0,47 $ por millón de salida, y Qwen3.8-Max a 2,00 $ y 6,00 $. El nuevo checkpoint de 1,73B de Liquid es material preentrenado en bruto para un teléfono, un portátil o una ejecución de ajuste fino; la línea de Qwen es una familia de productos acabados. La comparación útil no es quién puntúa más alto. Es qué envolvente de despliegue está comprando realmente.

Ese encuadre también explica por qué esta comparativa aún no tiene una cobertura seria. No hay nada con lo que hacer una evaluación comparativa: un lado tiene una tabla de proveedor con 27 filas y el otro no tiene ninguna evaluación publicada. Así que este artículo hace la comparación en el único orden que sobrevive al contacto con los hechos: qué entrega cada lado, cuánto cuesta ejecutarlo y qué se permite hacer con ello.

Tres Qwen 3.8s, tres compras distintas

Qwen3.8-27B es la opción de pesos abiertos. Alibaba lo publicó en agosto de 2026 bajo Apache 2.0, y desde entonces ha acumulado más de 7,5 millones de descargas. Es un modelo causal denso de 27B con un codificador de visión, 64 capas en una disposición de 16 × (3 × Gated DeltaNet → FFN, 1 × Gated Attention → FFN), y un contexto nativo de 262.144 tokens que, según Alibaba, se extiende a 1.000.000. Entiende imágenes y vídeo, tiene control de pensamiento y se orienta explícitamente al trabajo agéntico de largo horizonte.

Qwen3.8-Flash es el nivel alojado que la mayoría de los equipos realmente cotizará primero. En el catálogo de OrcaRouter es un modelo con contexto de 1M que admite entrada de texto, imagen y vídeo, con un límite de salida de 131K y tarifas de $0.15 de entrada y $0.47 de salida por millón de tokens. Su página de modelo fecha la entrada el 26 de agosto de 2026 y registra 157 tokens de salida por segundo durante la semana anterior.

Qwen3.8-Max es la gama más alta: 2,00 $ de entrada y 6,00 $ de salida por millón de tokens, 1M de contexto y sin pesos abiertos. Es el nivel que se usa cuando la tarea justifica un precio de frontera, no el nivel con el que se compara con un checkpoint base de 1,7B.

¿Con qué viene realmente LFM3-1.7B-Base?

Liquid creó el repositorio LFM3-1.7B-Base el 26 de octubre de 2026 y anunció la familia al día siguiente. El checkpoint es solo texto, 1,73B de parámetros, 24 capas de convoluciones cortas con compuertas y atención completa o de ventana deslizante, con un contexto de 256K tokens, un vocabulario de 128.000 tokens, 16 idiomas nombrados y aproximadamente 1 GB de uso de memoria con precisión de 4 bits. Se entrenó con 22 billones de tokens; los últimos 3,5 billones son datos de entrenamiento intermedio que incluyen trazas agénticas y llamadas a herramientas y conllevan la extensión de contexto.

Lo que no incluye es una puntuación. La ficha base no tiene tabla de evaluación, ni cifras de recuperación de contexto, ni comparación con ningún otro modelo. Todas las cifras del blog de lanzamiento de Liquid —la media de 49.37, LiveCodeBench v6 con 73.46, SWE-bench Verified con 43.40, GPQA Diamond con 63.37, IFEval con 96.66— pertenecen a LFM3-1.7B después de ajuste fino supervisado, aprendizaje por refuerzo, destilación on-policy y RL agéntico. Son cifras reales y Liquid las reporta honestamente como propias, pero describen el modelo finalizado, no el checkpoint base cuyo nombre aparece en este título.

La licencia es la LFM Open License v1.0. Solo concede derechos comerciales mientras el licenciatario se mantenga por debajo de los 10 millones de dólares de ingresos anuales; por encima de ese umbral, la obra no queda licenciada bajo el acuerdo y requiere un acuerdo aparte. Esa única cláusula eliminará a LFM3-1.7B-Base de muchas listas de candidatos antes de que nadie le pase un solo token.

Por qué la brecha del benchmark no se puede cerrar con aritmética

La tentación es comparar las cifras de Qwen3.8-27B con las de Liquid y declarar un ganador. Resístela, porque las dos tablas no miden lo mismo. Qwen informa SWE-bench Pro 61.7, Terminal Bench 2.1 con 73.0, LiveCodeBench v6 con 90.3, GPQA Diamond 89.2 y HLE 30.8. Liquid informa SWE-bench Verified 43.40, LiveCodeBench v6 73.46, GPQA Diamond 63.37 y HLE sin herramientas con 7.17. SWE-bench Pro y SWE-bench Verified son benchmarks diferentes con distinta dificultad; los recuentos de parámetros difieren en un factor de 16; y una columna describe un modelo de chat postentrenado, mientras que la otra describe un checkpoint base que no ha sido postentrenado en absoluto.

Hay una cifra que vale la pena tomar prestada de fuera de ambos proveedores. La página de modelo de OrcaRouter para Qwen3.8-27B enumera un Artificial Analysis Intelligence Index de 33,7 y una puntuación AA Coding de 68,1, evaluados el 14 de agosto de 2026. Ese es un marcador independiente, y existe para Qwen. A fecha de 28 de octubre de 2026, no pudimos encontrar ninguna entrada de LFM3 en Artificial Analysis, así que no hay contrapeso independiente del otro lado. Cualquiera que presente hoy un veredicto de capacidad comparativa directa para estos dos modelos está comparando tablas de proveedores entre arneses incompatibles o inventando una cifra.

El envolvente de despliegue, lado a lado

• Parámetros — LFM3-1.7B-Base: 1,73B, solo texto, 24 capas. Qwen3.8-27B: 27B denso con un codificador de visión, 64 capas.

• Contexto — LFM3-1.7B-Base: 256K tokens. Qwen3.8-27B: 262.144 nativo, ampliable a 1M; Qwen3.8-Flash y Qwen3.8-Max: 1M.

• Modalidad de entrada — LFM3-1.7B-Base: texto. Qwen3.8-27B, Qwen3.8-Flash y Qwen3.8-Max: texto, imagen y video.

• Pesos — LFM3-1.7B-Base: descarga en BF16 con código de modelado personalizado y trust_remote_code. Qwen3.8-27B: pesos con licencia Apache-2.0 que se ejecutan en Transformers, vLLM, SGLang y TokenSpeed.

• Mínimo de memoria — LFM3-1.7B-Base: aproximadamente 1 GB en 4 bits, según Liquid. Qwen3.8-27B: aproximadamente 55 GB en BF16, por lo que se necesita un equipo con varias GPU o una cuantización agresiva.

• Licencia — LFM3-1.7B-Base: LFM Open License v1.0, uso comercial por debajo de $10M de ingresos anuales. Qwen3.8-27B: Apache 2.0, sin condición de ingresos.

• Precio de lista — LFM3-1.7B-Base: no se ha publicado ningún precio por token alojado. Qwen3.8-27B en OrcaRouter: $0.33 de entrada / $2.40 de salida por millón de tokens; Qwen3.8-Flash: $0.15 / $0.47; Qwen3.8-Max: $2.00 / $6.00.

Velocidad observada — LFM3-1.7B-Base: sin medición independiente. Qwen3.8-27B en OrcaRouter: 91 tokens de salida por segundo durante los últimos siete días; Qwen3.8-Flash: 157 tokens por segundo.

La aritmética que lo decide

Tomemos una carga de trabajo de 100 millones de tokens de salida al mes. En Qwen3.8-Flash, eso cuesta $47. En Qwen3.8-27B a través de OrcaRouter, cuesta $240. En Qwen3.8-Max, cuesta $600. Los tokens de entrada son más baratos en todos los niveles, así que una combinación realista se sitúa por debajo de esas cifras, pero la salida domina la factura y el orden no cambia.

Ahora compara esas facturas con ejecutar LFM3-1.7B-Base tú mismo. A 4 bits cabe en aproximadamente un gigabyte, lo que significa hardware que quizá ya tengas: un portátil, un teléfono reciente, una única GPU pequeña. El coste marginal por token es la electricidad y nada más, y el modelo nunca sale del dispositivo. Haz la misma aritmética con Qwen3.8-27B y el panorama cambia: 100 millones de tokens de salida al mes a 2,40 $ por millón son 240 $, que es aproximadamente lo que cuesta alquilar una GPU de clase 24 GB durante un mes a unos 0,35 $ la hora. Autoalojar el 27B solo empieza a superar el precio del servicio alojado en algún punto por encima de los 100 millones de tokens de salida al mes — y ese cálculo ignora el tiempo de ingeniería, la descarga de 55 GB y el hecho de que un modelo de 27B necesita bastante más de 24 GB una vez que tienes en cuenta la caché KV.

La versión práctica: por debajo de unos 100 millones de tokens de salida al mes, los niveles alojados de Qwen3.8 ganan en coste total y simplicidad operativa. Si tu carga de trabajo es lo bastante pequeña como para caber en un teléfono, LFM3-1.7B-Base gana porque el medidor nunca empieza a correr. La brecha entre esas dos posiciones es donde viven la mayoría de los despliegues reales, y es una cuestión de volumen y privacidad, no de puntuaciones de benchmark.

Dónde encaja OrcaRouter y dónde no

Los tres niveles de Qwen 3.8 ya están hoy en el catálogo de OrcaRouter, incluido Qwen3.8-27B autoalojado en nuestra propia infraestructura a 0,33 $ de entrada y 2,40 $ de salida por millón de tokens, con un contexto de 262K, un tiempo hasta el primer token p50 de 2,37 segundos y 91 tokens de salida por segundo medidos durante la semana anterior. La clave está en enrutar los tres detrás de una única clave compatible con OpenAI: un valor predeterminado económico en Qwen3.8-Flash, una ruta de escalado a Qwen3.8-27B o Qwen3.8-Max cuando la tarea lo requiera, y conmutación por error automática si un proveedor upstream se degrada. Como repercutimos los precios de lista de los proveedores con un 0 % de margen, un cambio de precio del proveedor llega a tu factura el mismo día, en lugar de hacerlo tras un ciclo de reajuste de precios.

LFM3-1.7B-Base no está en nuestro catálogo, y no vamos a fingir lo contrario. Si el checkpoint de Liquid es la respuesta adecuada para tu carga de trabajo, hoy la vía es la propia API y el playground del proveedor o una descarga autoalojada. Lo que un enrutador todavía puede hacer es mantener esa decisión reversible: poner el modelo pequeño detrás de la misma interfaz que los niveles alojados, enrutar por tarea o por coste, y devolver el tráfico a un modelo alojado cuando la ruta autoalojada dé problemas.

Elige por trabajo, no por puntuación

Elige LFM3-1.7B-Base cuando la restricción sea el dispositivo: funcionamiento sin conexión, un teléfono o un portátil, un modelo específico de dominio que tengas previsto entrenar posteriormente en una sola GPU, o una carga de trabajo en la que un contexto de 256K en un espacio de 1 GB sea la razón principal por la que te interesa. Acepta que estás comprando materia prima, que la licencia tiene un límite de ingresos y que aún no existe una evaluación independiente.

Elige Qwen3.8-27B cuando el trabajo requiera visión, agentes de horizonte largo o código que realmente puedas desplegar, y tengas el hardware o el presupuesto para servir 27B parámetros. Elige Qwen3.8-Flash cuando quieras la mayor parte de esa superficie de producto a una quinta parte del precio y no necesites poseer los pesos. Elige Qwen3.8-Max solo cuando el valor de la tarea por token supere los $6.00 de salida.

El enfrentamiento del título es un desajuste por diseño —un checkpoint preentrenado de 1.7B frente a un modelo de visión y lenguaje terminado de 27B—, y la conclusión útil no es que uno sea mejor. Es que responden a preguntas distintas: en cuánto hardware mínimo puedo ejecutarlo, frente a cuánta capacidad puedo comprar por token. Liquid ha lanzado una respuesta inusualmente detallada a la primera. Alibaba ha estado vendiendo la segunda desde agosto.