LFM3-1.7B vs Qwen3.8-Flash: Cuando no hay un marcador con el que comparar

Diez millones de tokens al mes, repartidos 70/30 entre entrada y salida, cuestan $2.46 en Qwen3.8-Flash al precio de lista de Alibaba de $0.15 y $0.47 por millón. El mismo volumen en LFM3-1.7B cuesta aproximadamente $1.16, si se mantienen las tarifas de alojamiento reportadas de $0.08 y $0.20 — y nada en absoluto por token si lo aloja por su cuenta, porque los pesos son abiertos y la LFM Open License no exige regalías por debajo de $10 millones de ingresos. Eso supone una diferencia de 2× en la factura entre dos modelos cuya calidad relativa nadie puede establecer actualmente. Lo que hace que esta comparación se trate menos de benchmarks que la mayoría de las páginas de comparación «vs», y más de qué forma de despliegue está comprando.

Los dos modelos difícilmente podrían parecerse menos. LFM3-1.7B es un tri-híbrido denso de 1,73B que Liquid AI lanzó el 27 de octubre de 2026 para ejecutar una tarea especializada en el hardware que tienes delante. Qwen3.8-Flash es la mezcla de expertos dispersa de Alibaba, con unos 6B de parámetros activos por token de un conjunto mucho mayor, comercializado en agosto de 2026 como nivel alojado con una ventana de 1M tokens y entrada de imagen y vídeo. Compararlos con una puntuación de inteligencia es como comparar una furgoneta de reparto con un tren de mercancías: la pregunta útil es qué estás transportando y hasta dónde.

Dos arquitecturas optimizadas para restricciones opuestas

Las 24 capas de LFM3-1.7B combinan 13 convoluciones cortas con compuertas, 5 capas de atención de ventana deslizante con una ventana de 256 tokens y 6 capas de atención global. Las convoluciones son económicas y paralelas; una fina banda de atención global mantiene accesible todo el contexto de 256K. El resultado es una caché KV de 128K de 1,6 GB y un modelo que cabe en aproximadamente 1 GB a 4 bits. Liquid lo entrenó con 22 billones de tokens de preentrenamiento y luego con 3,5 billones de entrenamiento intermedio centrado en trazas agénticas y llamadas a herramientas.

Qwen3.8-Flash hace el otro intercambio. La activación dispersa significa que se puede acceder a un gran conjunto de parámetros por token sin pagar por todos ellos, y así es como Alibaba consigue un contexto nativo de 262K ampliable a 1M en un modelo con un precio en la misma franja que otros mucho más pequeños y densos. Acepta texto, imagen y vídeo y devuelve texto, admite llamadas a herramientas y salida JSON, y se posiciona explícitamente como un avance arquitectónico de la línea Qwen4.

• Parámetros activos — LFM3-1.7B 1.73B denso frente a Qwen3.8-Flash, aproximadamente 6B por token en un MoE disperso.

• Contexto — 256K en pesos abiertos, 128K en la API alojada de Liquid frente a 262K nativo, 1M en el nivel alojado.

• Salida máxima — no especificada por separado para LFM3 frente a 131K para Qwen3.8-Flash.

• Modalidades de entrada: solo texto frente a texto, imagen y vídeo.

• Dónde se ejecuta — en tu dispositivo, con una huella de 1 GB en 4 bits frente a los servidores de Alibaba.

• Pesos — abiertos bajo LFM Open License v1.0 frente a solo alojados, sin checkpoint abierto para esta SKU.

Esa última fila es la que replantea todo lo demás. Qwen3.8-Flash no es un modelo que poseas. Existe un hermano de pesos abiertos, Qwen3.8-Flash-Next, bajo una licencia comunitaria, pero es un checkpoint diferente con puntuaciones diferentes y no es lo que compra la tarifa de $0.15. LFM3-1.7B es un archivo que descargas. Uno de estos puede aislarse de la red, auditarse y ajustarse con tus propios datos; el otro, no.

El marcador que falta en un lado y resulta contradictorio en el otro

Esta es la parte incómoda. A 28 de octubre de 2026, LFM3-1.7B no tiene entrada en Artificial Analysis: ni Intelligence Index, ni velocidad de salida medida de forma independiente, ni una cifra de latencia neutral. Todas las cifras de rendimiento asociadas a él provienen de la propia tabla de 27 benchmarks de Liquid, donde promedia 49,37 y supera por un amplio margen a LFM2.5-2.6B, también de Liquid. Datos reportados por el fabricante, no reproducidos.

Qwen3.8-Flash sí tiene una entrada en Artificial Analysis, y leerla resulta instructivo por el motivo equivocado. Las páginas de comparación en vivo lo muestran con un Índice de 40. Múltiples artículos secundarios, incluidas reseñas y prensa regional, reportan el mismo modelo con 56. Las cifras de velocidad de salida tampoco coinciden: en distintas fuentes aparecen valores que van desde los 50 y pocos hasta los 80 y pocos tokens por segundo. No vamos a elegir una y presentarla como un hecho, porque ambas cifras no pueden describir la misma ejecución de evaluación y la diferencia es lo bastante grande como para cambiar una decisión de compra.

La consecuencia práctica es que ninguno de los dos modelos puede clasificarse frente al otro en cuanto a calidad con un mínimo de confianza. Un lado tiene una cifra que se mueve dieciséis puntos según dónde la leas; el otro no tiene ninguna cifra independiente que pueda moverse. Cualquiera que te entregue un veredicto sobre «cuál es más inteligente» a partir de estos datos se lo está inventando. Lo que sí se puede comparar es todo lo demás: cuánto cuesta el modelo, dónde se ejecuta, con qué rapidez responde y qué ocurre cuando falla.

El medidor, funcionó

El costo es el eje en el que ambos lados son realmente medibles, así que merece más que una lista por token.

• Precio de lista de Qwen3.8-Flash: $0.15 por millón de entrada, $0.47 por millón de salida, lectura de caché $0.018, escritura de caché $0.230.

• LFM3-1.7B alojado — reportado a $0.08 de entrada y $0.20 de salida por millón, no publicado en la propia lista de precios de Liquid.

• LFM3-1.7B autoalojado — sin coste por token; la LFM Open License no tiene regalías por debajo de 10 millones de dólares de ingresos anuales.

Con 10 millones de tokens al mes en una proporción 70/30, Qwen3.8-Flash factura $2.46. Si se habilita la caché de prompts en un prompt de sistema estable, esa cifra desciende hacia los $2.00, porque las lecturas desde caché cuestan aproximadamente una octava parte de lo que cuesta una entrada nueva. LFM3-1.7B, a la tarifa reportada, factura alrededor de $1.16 por el mismo volumen, y el autoalojamiento cobra cero por token, con un costo fijo de máquina adicional.

Ahora escálalo. A mil millones de tokens al mes, la diferencia es de 246 $ frente a 116 $ —sigue siendo pequeña en términos absolutos, que es el punto que suele perderse en estas comparaciones. La diferencia por token entre un nivel alojado barato y un modelo autoalojado barato es ruido para la mayoría de los equipos. El coste que realmente domina es el tiempo de ingeniería: un modelo alojado es una llamada HTTP, y uno autoalojado es un despliegue, una elección de cuantización, una pila de servicio y turnos de guardia. La ventaja de precio de 2× de LFM3 tiene que compensar eso. Para un modelo de 2B en un teléfono o en un dispositivo edge, obviamente sí la compensa: no hay ninguna alternativa alojada que se ejecute en el dispositivo. Para un servicio de backend que gestiona llamadas de clasificación, normalmente no.

Qué tan rápido responde cada uno, con números reales de por medio

Aquí es donde nuestros propios datos superan a los del proveedor. OrcaRouter enruta Qwen3.8-Flash y, durante los últimos siete días, nuestra telemetría entre los proveedores que lo sirven muestra un tiempo hasta el primer token p50 de 4,82 segundos, un p95 de 10,00 segundos, una velocidad de salida de 155 tokens por segundo y una tasa de error del 3,3 % en 883,7 millones de tokens. Son cifras agregadas de una capa de enrutamiento, no de una prueba de laboratorio de un único endpoint, y por eso el rendimiento es superior a las cifras de unos 50 y pocos publicadas en otros lugares: la solicitud se dirige a donde haya capacidad.

El p50 de 4,82 segundos es la cifra con la que hay que quedarse. Para una interfaz de chat, eso está bien. Para un agente que hace quince llamadas secuenciales, es un minuto de espera antes de que ocurra cualquier trabajo, y ninguna cantidad de tokens por segundo lo soluciona. La alta latencia del primer token en un modelo grande y disperso es el coste oculto del nivel barato, y es la razón por la que algunos equipos enrutan los turnos cortos y críticos en latencia hacia algo más pequeño.

LFM3-1.7B no tiene una medición equivalente. La afirmación de velocidad de Liquid es que, con Q4_0 y contexto de 32K, fue entre 1,8 y 2,8 veces más rápido que el siguiente modelo en tres dispositivos de prueba, con el menor uso de memoria, y que una sola NVIDIA B300 ejecutando SGLang en BF16 sirvió 3.600 millones de tokens al día con 1.024 solicitudes concurrentes. Esas son cifras en dispositivo y en un solo nodo, respectivamente; ninguna se corresponde con «cuál será mi p50 desde Frankfurt». La velocidad es el eje en el que el caso de LFM3 es más sólido en principio y menos verificable en la práctica.

Dónde gana realmente cada uno

LFM3-1.7B gana en control y en coste en el edge. Los pesos abiertos significan que puedes afinarlo en una sola GPU, congelar la versión, ejecutarlo sin red y mantener los datos en el dispositivo. Sus cifras de seguimiento de instrucciones son la parte más destacada de la tabla de Liquid —IFEval 96.66, IFStruct 93.72, Multi-IF 89.10— y sus filas de llamada a herramientas son respetables para el tamaño, con BFCL V4 en 71.39 y ToolSandbox en 80.36. Sus filas débiles son igual de claras: Terminal-Bench 2.1 en 12.92 y SWE-bench Multilingual en 23.00 indican que no es un modelo de programación autónomo, y la propia ficha del modelo de Liquid lo dice.

Qwen3.8-Flash gana en alcance. Una ventana de 1M de tokens con entrada de imagen y vídeo es una capacidad que LFM3 no tiene de ninguna forma: el modelo de texto no acepta imágenes en absoluto, la variante de visión no publica ninguna ventana de contexto y la ventana de la variante omni no está documentada. Para una carga de trabajo que ingiere un contrato largo, un conjunto de capturas de pantalla o una hora de fotogramas, la comparación termina de inmediato. También gana en simplicidad operativa: un solo endpoint, sin GPU, sin despliegue.

Enrutar ambos, que es el objetivo

Qwen3.8-Flash está en el catálogo de OrcaRouter y LFM3-1.7B no. Esa frase es la versión honesta completa de esta sección. Enrutamos el modelo alojado al precio de lista del proveedor con 0% de margen, así que los $0.15 y $0.47 de Alibaba son lo que pagas y un cambio de precio del proveedor te llega el mismo día en lugar de en la próxima renovación de contrato. LFM3 lo ejecutas por tu cuenta o lo llamas a través de la propia API de Liquid; no vamos a insinuar una relación de alojamiento que no existe.

La razón por la que el enrutamiento importa en este enfrentamiento concreto es que los dos modelos ocupan modos de fallo distintos. Qwen3.8-Flash falla por ser lento y caro en los turnos que no necesitaban 1M de tokens de contexto. LFM3 falla por quedarse sin profundidad de razonamiento en los turnos que sí los necesitaban. Una pipeline que envía todas las solicitudes a uno u otro se equivoca en una dirección predecible. Con el DSL de enrutamiento puedes enviar los turnos de extracción, clasificación y llamadas a herramientas breves al modelo local pequeño, mantener el trabajo con documentos largos y multimodal en el nivel alojado, y dejar que la conmutación automática por error cubra el caso en el que el modelo pequeño devuelve algo mal formado — que, en un 1.7B sin verificar, es la preocupación realista.

Esa también es la forma más barata de averiguar si LFM3 merece la confianza que exige su tabla de lanzamiento. Ejecútalo con el tráfico que ya entiendes, detrás de un mecanismo de respaldo, y compara sus decisiones con las del modelo alojado en las mismas entradas. La tasa de desacuerdo es una mejor señal de calidad que cualquier benchmark de proveedor, porque se mide con tus datos.

La decisión, sin un veredicto falso

Elige Qwen3.8-Flash si el trabajo implica documentos largos, imágenes o video, si necesitas un solo endpoint y ninguna infraestructura, o si es aceptable un p50 del primer token cercano a cinco segundos. Su calidad es incierta, pero al menos medible por alguien que no sea su creador, y su contexto de 1M no es algo que un modelo de 1.7B pueda sustituir.

Elige LFM3-1.7B si el modelo tiene que residir en un dispositivo, si los datos no pueden salir de tu red, si tienes la intención de realizar un ajuste fino o si tu carga de trabajo consiste en turnos cortos de seguimiento de instrucciones y llamadas a herramientas en los que un modelo de 2B con 1 GB es realmente suficiente. Acepta que estás confiando en la tabla de benchmarks de Liquid y que el primer mes implicará más medición de la que exigiría un modelo alojado.

Lo que no deberías hacer es elegir entre ellos por inteligencia. Uno no tiene ninguna puntuación independiente, el otro tiene una puntuación que marca 40 o 56 según la página que abras, y la brecha de dieciséis puntos entre esas dos lecturas es mayor que toda la diferencia de calidad que cualquiera de los dos proveedores intente venderte. El coste, el contexto, la modalidad y la localidad son hechos zanjados. La calidad no lo es, y una comparación que pretenda lo contrario no es más que una tabla de lanzamiento a la que le han borrado el nombre del proveedor.