LFM3-1.7B vs Gemma 4 26B A4B: dos recetas para un token barato, y solo una cabe en un teléfono

En teoría, estos dos modelos adoptan el mismo enfoque para el mismo problema. LFM3-1.7B, anunciado por Liquid AI el 27 de octubre de 2026, y Gemma 4 26B A4B, lanzado por Google DeepMind el 2 de abril de 2026, ambos existen para responder a una pregunta: ¿cómo se consigue meter un modelo capaz en un presupuesto de memoria pequeño? Dan respuestas opuestas. Liquid redujo el modelo. Google mantuvo el modelo grande y solo paga por una fracción de él por token. Los pesos son gratuitos, así que la factura es lo que cobre el proveedor de alojamiento competente más barato. Trasladamos los precios de lista de los proveedores con 0 % de margen.

La distinción suena a trivia de arquitectura hasta que calculas el costo de un despliegue, y en ese momento es lo único que importa. Gemma 4 26B A4B activa 3.8 mil millones de parámetros por token, pero aun así tienes que almacenar 25.2 mil millones de ellos en algún lugar. LFM3-1.7B activa los 1.73 mil millones de parámetros que tiene y almacena exactamente esa cantidad. Uno es barato de calcular. El otro es barato de poseer.

Dos recetas para un token barato

Gemma 4 26B A4B es un modelo de mezcla de expertos: 128 expertos enrutados más un experto compartido, 30 capas, con aproximadamente ocho expertos activándose por token. Eso le da la capacidad de conocimiento de un modelo denso de 25.2B y el coste aritmético de algo más cercano a un 4B. El propio planteamiento de Google es que alcanza en torno al 97 % de la puntuación MMLU-Pro del Gemma 4 31B denso con aproximadamente el 12 % de los FLOPs.

LFM3-1.7B toma el otro camino. Es totalmente denso —cada parámetro se ejecuta en cada token— y los ahorros provienen de una arquitectura rediseñada en lugar de la dispersión. La pila trihíbrida de Liquid tiene 24 capas: 13 convoluciones cortas con compuertas, cinco capas de atención de ventana deslizante y seis capas de atención completa. La mayor parte del modelado de secuencias la realizan las convoluciones, que son baratas, y la atención completa aparece solo seis veces. Así es como un modelo de 1,73B soporta un contexto de 262.144 tokens y un vocabulario de 128.000 tokens sin que la caché KV se coma la máquina.

• Parámetros totales — 1,73B para LFM3-1.7B; 25,2B para Gemma 4 26B A4B.

• Activos por token — 1,73B frente a aproximadamente 3,8B. Esta es la única fila en la que ambos están en la misma liga.

• Memoria a 4 bits — aproximadamente 1 GB frente a aproximadamente 18 GB. Esta es la fila que decide el despliegue.

• Contexto — 262.144 tokens en ambos, de nuevo un empate genuino.

• Modalidad — solo texto frente a entrada de texto e imagen, con invocación de funciones nativa y un modo de pensamiento configurable.

• Licencia — LFM Open License v1.0, gratuita por debajo de los 10 millones de dólares de ingresos anuales; Apache 2.0 sin umbral para Gemma 4 26B A4B.

Por qué 3.8B activos no significa 3.8B de memoria

Este es el error más común al leer una ficha técnica de mezcla de expertos, así que vale la pena ser directo. Los parámetros activos gobiernan el cómputo y, a grandes rasgos, la velocidad. No determinan el tamaño del archivo que descargas ni la VRAM que reservas. Gemma 4 26B A4B necesita que sus 25,2 mil millones de parámetros completos residan en memoria para enrutar entre expertos; con 4 bits, eso queda cerca de 18 GB. Puedes servirlo en una sola tarjeta de 24 GB, y Google ofrece compilaciones FP8 y NVFP4 para que eso sea práctico, pero no puedes ponerlo en un teléfono.

LFM3-1.7B ocupa aproximadamente 1 GB en 4 bits; la ficha de Liquid indica que cabe en un teléfono o en un portátil y, con ese tamaño, la afirmación resulta creíble y no mero marketing. También mantiene una caché KV de 1,6 GB a 128K tokens, que es la cifra que determina realmente cuántas solicitudes concurrentes de contexto largo puedes mantener.

La consecuencia práctica: un despliegue de 26B-A4B es una decisión de servidor de inferencia, y un despliegue de 1.7B es una decisión de lanzamiento de una aplicación. Son proyectos diferentes con equipos diferentes y estructuras de costos diferentes, y ningún benchmark cierra la brecha entre ellos.

Lo que publicó cada proveedor y lo que eso te dice

Google publicó una tabla amplia para Gemma 4 26B A4B: 82,6 en MMLU-Pro, 82,3 en GPQA Diamond, 88,3 en AIME 2026 sin herramientas, 77,1 en LiveCodeBench v6, un Elo de 1718 en Codeforces, 73,8 en MMMU-Pro y 44,1 en MRCR v2 a 128K con ocho agujas. Todos reportados por el proveedor, ninguno reproducido de forma independiente. El seguimiento de terceros sitúa su Elo de LMArena cerca de 1438.

Liquid publicó una tabla más reducida para LFM3-1.7B, orientada hacia el trabajo agéntico: 71,39 en BFCL V4, 80,36 en ToolSandbox, 68,01 en τ³-bench, 45,60 en LiveClaw, 38,42 en WebArena-Verified. También reporta 96,66 en IFEval, 73,03 en IFBench, 63,37 en GPQA Diamond, 73,46 en LiveCodeBench v6 y 65,56 en RULER a 128K. Liquid no publica una cifra de MMLU-Pro para LFM3-1.7B, y la ausencia no es un cero: simplemente no se ha medido.

Solo LiveCodeBench v6 y GPQA Diamond se solapan de forma limpia. Gemma 4 26B A4B gana ambas, por 3,6 y 18,9 puntos respectivamente. Donde la suite de Liquid se vuelve agéntica, no hay ninguna cifra de Gemma con la que comparar — Google reporta τ²-bench en 68,2, y τ² no es τ³, así que colocar 68,01 al lado sería una comparación fabricada disfrazada de cuidadosa.

Donde el 1.7B permanece en la conversación

Una diferencia de 3,6 puntos en LiveCodeBench es menor de lo que predeciría una relación de parámetros de 14 a 1, y la razón es arquitectónica. La programación competitiva premia la capacidad de mantener un patrón y emitir una función correcta, una habilidad que se beneficia más de una señal de entrenamiento limpia que de la capacidad bruta. Si las preguntas de programación fueran todo el trabajo, el 26B ganaría y esta sección sería breve.

Lo que realmente mantiene relevante a {{1}}LFM3-1.7B{{/1}} es la combinación de un {{2}}contexto de 262.144 tokens{{/2}} y una {{3}}huella de 1 GB{{/3}}. Un modelo que puede contener un documento grande y ejecutarse en el dispositivo que lo lee es un producto distinto de uno que puede contener el mismo documento en un servidor. {{4}}Liquid{{/4}} reporta 65,56 en {{5}}RULER{{/5}} a 128K, lo que no es una puntuación espectacular en contexto largo —{{6}}Gemma 4 26B A4B{{/6}} reporta 81,4 en la misma familia de pruebas—, pero al menos se mide, en el dispositivo, con un gigabyte.

Y en el seguimiento de instrucciones, el modelo pequeño no desentona: 96,66 en IFEval y 73,03 en IFBench son cifras sólidas para esta clase de tamaño, ambas reportadas por el proveedor. Para una carga de trabajo de llamadas a herramientas o de salida estructurada, eso se acerca más a la métrica que importa de lo que lo hace GPQA Diamond.

Lo que realmente cambia la capa de enrutamiento

Gemma 4 26B A4B está en el catálogo de OrcaRouter — una sola clave de API da acceso a él junto con más de 200 otros modelos, con los precios de lista de los proveedores repercutidos con un margen del 0 %, de modo que un cambio de precio de un proveedor se aplica el mismo día en lugar de esperar a un ciclo de reajuste de precios. Eso importa aquí más de lo habitual, porque este es un modelo cuya economía depende por completo de los precios de los proveedores: los pesos son gratuitos, así que la factura es lo que cobre el proveedor competente más barato, y esa cifra cambia.

La conmutación automática por error es la otra mitad. Un modelo de mezcla de expertos de 26B con contexto de 256K es exactamente el tipo de carga de trabajo que alcanza los límites de capacidad en los picos, y enrutar entre proveedores significa que una mala tarde de un solo host no es tu caída. LFM3-1.7B no necesita nada de esto, porque se ejecuta en hardware que tú controlas y no tiene ningún proveedor del que conmutar por error. Eso no es un punto a favor ni en contra: es una consecuencia de elegir la otra receta.

La descripción honesta de nuestro papel: enrutamos el modelo disperso grande, no servimos el modelo denso pequeño, y la decisión entre ambos no es algo que un enrutador pueda tomar por ti.

Decidir en una sola pasada

Si el objetivo de despliegue tiene menos de 20 GB de memoria —un teléfono, un portátil, un Jetson, un AI PC—, entonces Gemma 4 26B A4B no es un candidato y la comparación ha terminado. Tome LFM3-1.7B, planifique la recuperación en torno a la brecha de conocimiento que la propia Liquid señala y úselo para llamadas a herramientas y extracción estructurada, donde sus cifras son genuinamente competitivas.

Si estás sirviendo desde una GPU y la carga de trabajo es intensiva en conocimiento, multimodal o necesita el nivel de razonamiento de la clase de 82.3 en GPQA Diamond y 82.6 en MMLU-Pro, Gemma 4 26B A4B es el mejor modelo y los 18 GB son el precio de entrada. Apache 2.0 elimina por completo la conversación sobre licencias, lo que para una gran organización vale más que unos cuantos puntos de benchmark.

Si estás construyendo un producto que se distribuye en ambos entornos —un asistente en el dispositivo que escala las consultas difíciles a un servidor—, los dos no son competidores en absoluto. Son los dos niveles de una misma arquitectura, y la interesante pregunta de ingeniería es dónde trazas la línea de escalado, no qué modelo gana en una tabla.

La cuestión abierta no es la capacidad, que está resuelta a favor de Google, sino si un modelo de 1 GB con un contexto de 256K es suficientemente bueno para las tareas agénticas específicas que en realidad necesitan la mayoría de los productos en dispositivo. La propia ficha del modelo de Liquid es inusualmente sincera al señalar que no es un modelo de razonamiento. Esa sinceridad vale más que la diferencia en LiveCodeBench, porque te indica qué mitad de tu carga de trabajo enviar a cada lugar.