LFM3-1.7B vs Gemma 4 12B: cuando el modelo siete veces más pequeño gana una prueba comparativa de programación

LFM3-1.7B es un modelo de texto de 1730 millones de parámetros que Liquid AI publicó en Hugging Face el 26 de octubre de 2026 y anunció al día siguiente como parte del lanzamiento de su familia LFM3. Gemma 4 12B es un modelo denso de 11 950 millones de parámetros que Google DeepMind lanzó el 3 de junio de 2026, y lee imágenes y audio además de texto. En el único benchmark de programación que ambos proveedores publican —LiveCodeBench v6—, el modelo más pequeño obtiene 73,46 y el más grande, 72,0. Léalo dos veces, porque es la razón completa por la que existe esta página y también el número más fácil de malinterpretar de todo internet. El enrutamiento no añade margen al precio de lista de un proveedor. 0 % de margen Consulte los precios de traspaso en nuestra página de precios.

Ambas cifras están reportadas por los proveedores. Ninguna ha sido reproducida por un evaluador independiente. Fueron producidas por equipos distintos, en arneses distintos, con meses de diferencia, y Liquid no ha publicado ninguna nota metodológica que explique cómo se configuró su ejecución de LiveCodeBench. Así que la versión honesta de la frase anterior no es «un modelo de 1,7B supera a un modelo de 12B en código». Es: dos proveedores reportan puntuaciones casi idénticas en un benchmark cuyo nombre comparten, y la diferencia de nueve puntos en GPQA Diamond en la dirección opuesta sugiere que los dos modelos no son ni mucho menos equivalentes.

¿Qué es genuinamente comparable y qué no lo es?

La mayoría de las páginas de «X vs Y» colocan dos tablas de proveedores una al lado de la otra y lo llaman comparación. Eso solo funciona si las tablas se solapan. Entre la publicación de lanzamiento de LFM3 de Liquid y la ficha del modelo Gemma 4 de Google, aparecen exactamente dos nombres de benchmark en ambos lados con definiciones compatibles: LiveCodeBench v6 y GPQA Diamond. Todo lo demás lo reporta un proveedor y no el otro, y una celda en blanco no es un cero.

En esos dos ejes compartidos, el resultado es una división clara. LFM3-1.7B se lleva LiveCodeBench v6 con 73,46 frente a 72,0. Gemma 4 12B se lleva GPQA Diamond con 78,8 frente a 63,37 — una diferencia de 15,4 puntos, que no es ruido en una evaluación con unos pocos cientos de preguntas.

Ese patrón merece nombrarse en lugar de promediarlo y hacerlo desaparecer. LiveCodeBench mide a un modelo completando problemas de programación competitiva, una habilidad estrecha y cargada de patrones en la que un modelo pequeño entrenado con los datos adecuados puede volverse bueno. GPQA Diamond mide razonamiento científico de nivel de posgrado que depende de la amplitud de conocimiento — exactamente lo que compra el número de parámetros. Un modelo de 1.7B puede ser competitivo en la primera y perderá en la segunda, y eso es un resultado coherente en lugar de una contradicción.

El proveedor rebaja su propia mejor cifra

Aquí está la parte que debería cambiar tu forma de leer el 73.46. Desplázate hasta el final de la tarjeta del modelo LFM3-1.7B y Liquid escribe, en lenguaje sencillo, que el modelo está diseñado para agentes locales, llamadas a herramientas y salidas estructuradas, y que no se recomienda para programación agéntica ni para razonamiento complejo de varios pasos debido a su pequeño tamaño.

Es el proveedor, no un rival, quien te dice el techo. Queda incómodo junto a una puntuación de LiveCodeBench que supera por poco a un generalista de 11,95B, y la conciliación es que miden cosas distintas. Resolver un problema aislado de programación competitiva no es la misma tarea que mantener un repositorio en contexto y hacer veinte ediciones coordinadas. Un modelo puede ser fuerte en lo primero y ser explícitamente inadecuado para lo segundo, y Liquid lo dice en lugar de dejar que el benchmark implique lo contrario.

Hazle caso al proveedor. Si tu carga de trabajo es codificación con agentes, esta comparación no debería terminar en LFM3-1.7B. Si tu carga de trabajo es llamadas a herramientas, extracción estructurada, clasificación o un asistente local en un dispositivo que tú posees, la advertencia de la ficha no se aplica a ti y la huella de 1 GB se convierte en todo el argumento.

Donde el 12B es simplemente una clase distinta de cosa

Gemma 4 12B es multimodal de una forma que no se puede añadir a LFM3-1.7B mediante ajuste fino. La ficha de Google describe la entrada de imagen y audio proyectada directamente en el mismo espacio que los tokens de texto, sin codificadores separados —con audio nativo en el 12B y sus modelos hermanos menores. LFM3-1.7B es texto como entrada y texto como salida. La capacidad de visión de Liquid reside en LFM3-VL-2B, un checkpoint separado con un codificador separado, y un modelo de texto no adquiere uno mediante ajuste fino.

• Parámetros — 1.73B densos para LFM3-1.7B; 11.95B densos para Gemma 4 12B. La proporción es de 6.9 a 1.

• Modalidad — solo texto frente a texto, imagen y audio de entrada.

• Contexto — 262.144 tokens en ambos. Esta es la única fila en la que el modelo pequeño no renuncia a nada, y es un logro real de la arquitectura tri-híbrida, no una coincidencia.

• Huella — unos 1 GB a 4 bits frente a aproximadamente 7 GB. En un teléfono, esa diferencia es la diferencia entre lanzarlo y no lanzarlo.

• Idiomas — 16 idiomas nombrados frente a más de 140 preentrenados con un sólido soporte listo para usar. Para un producto en escritura latina, la diferencia rara vez resulta problemática; para un despliegue regional, es decisiva.

• Licencia — la LFM Open License v1.0 es gratuita para uso comercial con ingresos anuales inferiores a 10 millones de dólares y requiere una licencia de pago por encima de ese umbral. Gemma 4 12B es Apache 2.0 y no tiene umbral de ingresos.

Los dos billetes no están denominados en la misma moneda.

Gemma 4 12B tiene un precio de mercado porque hay terceros que lo sirven. Artificial Analysis informa de una mediana combinada de 0,10 $ por millón de tokens de entrada y 0,30 $ por millón de tokens de salida entre las plataformas que alojan los pesos abiertos: una mediana entre proveedores, no un precio de lista, y que varía a medida que cambia la oferta. A ese precio, la mayoría de los equipos ni se plantea ejecutar un 12B por su cuenta.

LFM3-1.7B no tiene ese precio. La tarjeta de Hugging Face indica claramente que ningún proveedor de inferencia despliega el modelo, y eso coincide con lo que vemos de nuestro lado: OrcaRouter actualmente no enruta LFM3-1.7B. Si quieres invocarlo, descargas 3.46 GB de pesos BF16 o una compilación de 4 bits de aproximadamente 1 GB y ejecutas vLLM, SGLang, llama.cpp, MLX u ONNX por tu cuenta. La propia API de Liquid lo servirá, y varias plataformas de terceros también.

Por lo tanto, la comparación de costos no es tokens contra tokens. Es una factura de ajuste fino y servicio frente a una factura por llamada. A bajo volumen, la API gana sin discusión; a volumen sostenido en hardware que ya posees, un modelo de 1 GB que deja libre el resto de la GPU tiene una forma económica completamente distinta. Esa asimetría —no la diferencia de cuatro puntos en LiveCodeBench— es la verdadera razón para considerar el modelo pequeño.

Para qué sirve realmente cada uno

Elige LFM3-1.7B cuando el destino de implementación sea la restricción: un teléfono, un portátil, una única GPU pequeña que además tenga que hacer otro trabajo. El contexto de 256K es realmente inusual en este tamaño, el vocabulario de 16 idiomas cubre la mayoría de los productos regionales, y el soporte de inferencia de seis vías significa que no estás apostando por un único entorno de ejecución. Acepta que estás comprando un modelo de llamada a herramientas y extracción, no un modelo de razonamiento, y planifica la recuperación en torno a la laguna de conocimiento que el propio proveedor señala.

Elige Gemma 4 12B cuando la tarea requiera amplitud, cuando la entrada sea una captura de pantalla o una grabación, o cuando Apache 2.0 importe en un proceso de adquisición. Obtiene 15 puntos más en razonamiento científico de nivel posgrado, lee imágenes de forma nativa y está disponible a un precio medio publicado desde el primer día. El coste es la memoria: 7 GB a 4 bits es un portátil o una GPU modesta, no un teléfono.

Elige ambas cuando tengas una ruta estrecha de alto volumen y una amplia de bajo volumen. Dirige la ruta amplia a un generalista alojado y mantén el modelo pequeño en el dispositivo para las llamadas estrechas y sensibles a la latencia. OrcaRouter está diseñado para la primera mitad de esa división: una sola clave para más de 200 modelos, precios de lista de los proveedores traspasados con un 0 % de margen para que un cambio de precio se aplique el mismo día, y conmutación por error automática si un proveedor se degrada. No te ayuda a alojar LFM3-1.7B, porque no servimos ese modelo, y sería deshonesto insinuar lo contrario.

¿Qué lo resolvería?

Una evaluación independiente de LFM3-1.7B en un harness que no eligió haría más que toda esta página. La tabla de lanzamiento de Liquid es detallada y coherente internamente, y este blog la trata como reportada por el proveedor en lugar de verificada, que es lo que es. Las cosas concretas que vale la pena vigilar son una ejecución de LiveCodeBench o SWE-bench de terceros que reproduzca el 73.46, un perfil de Artificial Analysis que pondría ambos modelos en una misma escala, y cualquier informe de que el modelo maneja una tarea real de repositorio — exactamente el uso contra el que advierte la ficha.

Hasta entonces, la lectura defendible es más limitada que el titular. Un modelo de 1,73B con un contexto de 256K, una huella de 1 GB y un sólido perfil de llamadas a herramientas ha alcanzado a un generalista de 12B en un único benchmark de programación aislado y se queda muy por detrás en conocimiento. Eso no es una sorpresa mayúscula. Son dos modelos construidos para trabajos distintos, y la pregunta útil es qué trabajo tienes.