SubQ Snap 1.1 vs. LFM2.5 2.6B Base: ¿comprar la decisión o construirla desde un checkpoint?

La palabra más importante en una comparación entre SubQ Snap 1.1 y LFM2.5 2.6B Base es la última. Base significa preentrenado. Significa que Liquid AI publicó el checkpoint tras aproximadamente 34 billones de tokens de entrenamiento y antes de cualquier ajuste fino supervisado, destilación o aprendizaje por refuerzo que convierta un modelo de lenguaje en algo que sigue una instrucción. No responderá a una pregunta. No elegirá una etiqueta. Pídele que enrute un ticket de soporte y continuará tu prompt al estilo del texto con el que fue entrenado, lo cual no es un error — es para lo que sirve un checkpoint base.

SubQ Snap 1.1, en cambio, es un producto terminado: el modelo de decisión de Subquadratic, lanzado el 22 de octubre de 2026, que acepta hasta 384K tokens de texto e imágenes, además de un conjunto fijo de respuestas, y devuelve una elección calibrada. Ponerlos frente a frente como si fueran alternativas es un error de categoría, y es un error útil, porque ese error es exactamente la decisión que enfrenta un equipo cuando quiere una clasificación que se ejecute en hardware que controla. La pregunta no es «qué modelo es mejor». Es «¿compras la decisión o la construyes a partir de un punto de partida?»

Lo que Liquid AI realmente lanzó

LFM2.5-2.6B Base llegó el 4 de agosto de 2026 junto con su hermano con entrenamiento posterior, LFM2.5-2.6B, como parte de una familia que abarca desde 230 millones de parámetros hasta un modelo mixto de expertos de 24B. La arquitectura es el diseño LFM2 de Liquid: treinta capas, veintidós de ellas bloques de convolución corta con doble compuerta y ocho capas de atención con consultas agrupadas, un vocabulario de 128.000 tokens y una ventana de contexto de 128K añadida en una fase de extensión durante el entrenamiento intermedio. Con 2,69 mil millones de parámetros, cabe en unos 2,5 gigabytes, se ejecuta a aproximadamente 220 tokens por segundo en un Apple M5 Max, alrededor de 113 en un Ryzen AI Max+ y unos 30 en un teléfono.

El hermano instruct es donde están los números interesantes, y merecen leerse como medida de cuánto vale el post-entrenamiento. Liquid reporta AIME25 en 51.87, LiveCodeBench v6 en 59.41, IFBench en 59.17, Multi-IF en 80.07, BFCLv4 en 56.88 y ToolSandbox en 77.83 — todos reportados por el proveedor, todos sobre el modelo post-entrenado. El checkpoint base no tiene puntuaciones comparables de seguimiento de instrucciones porque no puede seguir instrucciones. Esa brecha, entre un checkpoint y un modelo al que puedes hacer una pregunta, son cuatro etapas de post-entrenamiento: dos rondas de ajuste fino supervisado, especialización de profesor por dominio, destilación on-policy multidominio y aprendizaje por refuerzo agéntico dentro de arneses reales.

Liquid también dice claramente para qué no sirve el modelo: programación agéntica y trabajo con gran carga de conocimiento. Es una declaración de posicionamiento más honesta que la que publican la mayoría de los laboratorios, y vale la pena tomarla al pie de la letra.

Las especificaciones, lado a lado

• Qué es — LFM2.5 2.6B Base es un checkpoint preentrenado sin ajuste de instrucciones; SubQ Snap 1.1 es un modelo de decisión alojado con una API de respuesta fija.

• Contexto: 128K tokens para LFM2.5 2.6B Base; 384K tokens para Snap 1.1.

• Entrada — solo texto para LFM2.5 2.6B Base; texto e imágenes para Snap 1.1.

• Salida — generación de tokens de forma libre, o cualquier cabeza que entrenes encima, para LFM2.5 2.6B Base; una elección o puntuación con una probabilidad para Snap 1.1.

• Precio — solo autoalojado, sin factura por token, para LFM2.5 2.6B Base; $0.04 por 1M de tokens de entrada, salida gratis, para Snap 1.1.

• Licencia — LFM Open License v1.0, uso comercial permitido con un umbral de ingresos, para el modelo Liquid; sin pesos de ningún tipo para Snap.

• Huella — unos 2,5 GB y ejecutable en un teléfono para LFM2.5 2.6B Base; una llamada de red para Snap 1.1.

La brecha entre un checkpoint y un clasificador

Para convertir LFM2.5 2.6B Base en algo que haga lo que hace Snap 1.1, necesitas cinco cosas, y solo una de ellas es el modelo.

Necesitas datos etiquetados: unos pocos miles de ejemplos por clase son un punto de partida razonable para una tarea de enrutamiento acotada, y bastantes más si las clases están desequilibradas o la frontera es sutil. Necesitas una ejecución de entrenamiento: una cabeza de clasificación o un adaptador LoRA, sobre un checkpoint base que nunca ha visto una instrucción, lo que significa que el ajuste fino está haciendo tanto la adaptación a la tarea como el trabajo de seguir instrucciones a la vez. Necesitas calibración, porque una puntuación softmax no es una probabilidad calibrada y un umbral de enrutamiento fijado sobre una puntuación no calibrada es un umbral fijado con conjeturas. Necesitas un arnés de evaluación que mantengas, ya que el modelo se desviará a medida que cambie tu tráfico. Y necesitas infraestructura de servicio: llama.cpp, MLX, vLLM u ONNX, todos los cuales admiten la arquitectura.

Nada de eso es exótico. Todo eso son semanas de trabajo de alguien que sabe lo que hace, y se repite cada vez que cambia la tarea. La comparación honesta no es $0.04 por millón de tokens frente a gratis. Es $0.04 por millón de tokens frente a entre cuatro y ocho semanas de ingeniería, más el costo continuo de tener un modelo.

La licencia no es Apache.

Liquid distribuye LFM2.5 bajo la LFM Open License v1.0. Se permite el uso comercial, pero las organizaciones con ingresos anuales superiores a 10 millones de dólares necesitan una licencia comercial independiente. Esa es una propuesta sustancialmente distinta de Apache 2.0 de Granite o Apache 2.0 de Gemma, y es el tipo de cláusula que el equipo legal descubre tarde, después de que el prototipo funcione. Si eres una startup por debajo del umbral, hoy no te cuesta nada y puede costarte algo más adelante. Si estás por encima, calcula el coste de la licencia antes de calcular el de la GPU.

Donde el checkpoint base gana rotundamente

El despliegue en un entorno aislado (air-gapped) es el caso más sólido, y no por un margen pequeño. Un modelo de 2,5 gigabytes que se ejecuta en un teléfono, un portátil o un contenedor sin ninguna ruta de red es la única opción para una aplicación de campo, un entorno clasificado o un dispositivo que se envía a clientes. Snap 1.1 no puede entrar en ninguno de esos casos. Es una API, y no existe ninguna versión que se ejecute localmente.

La economía de volumen es el segundo caso, pero requiere volumen real para ser relevante. Con dos millones de decisiones al mes y 20.000 tokens de contexto cada una —40 mil millones de tokens de entrada—, Snap 1.1 cuesta $1.600 al mes, o un poco menos de $20.000 al año. Un único modelo afinado de 2,6B que atienda ese tráfico en hardware que ya posee no tiene ningún coste marginal. El punto de equilibrio está más o menos en el momento en que la factura anual de la API supera el coste de ingeniería del ajuste fino más el hardware, que para la mayoría de los equipos está a uno o dos años vista, no a un mes.

El control total es el tercero. Un modelo que entrenaste con tus propias etiquetas hace aquello para lo que lo entrenaste, y nada más. Snap 1.1 es un modelo de decisión general con una cifra de precisión del 20% en el Artificial Analysis Decision Index v1.0; su puntuación de índice de 65 proviene principalmente de abstenerse en aquello que no puede responder, con una tasa de no alucinación reportada del 86%. Un modelo de 2.6B ajustado en tu dominio superará con frecuencia esa precisión en tu tarea, y nunca se abstendrá a menos que lo entrenes para ello.

Dónde Snap 1.1 gana de forma contundente

El tiempo hasta la primera decisión se mide en minutos, no en sprints. No hay datos de entrenamiento que recoger, ni cabeza que ajustar, ni curva de calibración que trazar. Usted envía un documento y una lista de opciones y recibe una probabilidad, y la probabilidad es el producto.

El contexto largo es la segunda diferencia, y es arquitectónica más que incidental. Snap maneja 384K tokens en una sola pasada hacia adelante con cómputo constante por token. LFM2.5 2.6B Base tiene una ventana de 128K y, como modelo de 2.6 mil millones de parámetros, su rango efectivo de recuperación será bastante más corto que el nominal — el modelo hermano de Liquid reporta una puntuación AA-Omniscience de −29.50, que es una medida de cuánto sabe un modelo pequeño, no de lo bien que lee, pero establece expectativas.

La tercera es que la salida de Snap ya es lo que necesitas. Sin analizador, sin esquema, sin lógica de reintentos para respuestas malformadas.

¿Cuál, entonces?

Compra Snap 1.1 si la decisión es una llamada de enrutamiento o clasificación sobre documentos largos, si los datos pueden salir de tu red y si quieres la capacidad este trimestre. La vía de construirla uno mismo es real, pero no resulta más barata durante el primer año para la mayoría de los equipos, y el checkpoint base es el punto de partida más difícil posible para ello: normalmente se empezaría desde el LFM2.5-2.6B post-entrenado y se ajustaría desde ahí, no desde Base.

Toma el checkpoint Base si necesitas que el modelo resida en algún lugar al que la red no llega, o si tienes la intención de ser propietario de los pesos de forma permanente y cuentas con la capacidad de ingeniería para que eso merezca la pena. En ese caso, incluye en el presupuesto tanto la cuestión de la licencia como la ejecución del entrenamiento.

Ninguno de los dos figura en el catálogo de OrcaRouter, y ninguno lo hará: LFM2.5 2.6B Base es un checkpoint local, y Snap 1.1 solo se sirve a través de la API de Subquadratic en console.subq.ai. Lo que OrcaRouter hace en una canalización construida en torno a cualquiera de los dos es la capa que convierte una decisión en una acción — más de 200 modelos de generación con una única clave, precio de lista del proveedor trasladado con un 0 % de margen y conmutación por error automática para que una llamada de enrutamiento que recaiga en un modelo momentáneamente no disponible no se convierta en una solicitud descartada. La capa de decisión y la capa de escritura tienen modos de fallo distintos; merece la pena no ponerlas en la misma dependencia.

Lo que vale la pena observar no es la fila de resultados de referencia de ninguno de los dos modelos. Es si un checkpoint de 2.600 millones de parámetros ajustado finamente con unos pocos miles de ejemplos del dominio puede igualar a un modelo de decisión creado específicamente para la única tarea que un equipo realmente tiene. En clasificación limitada y bien etiquetada, históricamente la respuesta ha sido sí, y es la razón por la que la cuestión de comprar frente a construir aquí está genuinamente abierta y no es retórica.