UserRepGen-4B vs LFM2.5 2.6B Base: la materia prima y la pieza terminada

La forma más rápida de ver qué separa a microsoft/UserRepGen-4B de LFM2.5-2.6B-Base es contar los formatos. El checkpoint de 2,69 mil millones de parámetros de Liquid AI se distribuye de cuatro formas — pesos nativos de Transformers, GGUF para llama.cpp, ONNX para entornos de ejecución multiplataforma y MLX para Apple Silicon — porque existe para que otras personas lo adapten y desplieguen. El modelo de Microsoft, UserRepGen-4B, se distribuye de una sola forma: un único archivo safetensors bfloat16 sin cuantizar de 9.078.620.536 bytes, con una ficha que indica claramente que «actualmente no hay formatos optimizados ni específicos para dispositivos disponibles». Uno es materia prima. El otro es una pieza terminada. No son competidores; son dos etapas consecutivas del mismo trabajo, y ponerlos uno al lado del otro es la forma más clara de ver qué cambia realmente entre empezar un ajuste fino y publicar uno.

Las dos posiciones en la pila

LFM2.5-2.6B-Base es el checkpoint preentrenado que está detrás de la familia LFM2.5 de Liquid AI, aquel sobre el que se construyen todas las variantes post-entrenadas. Deliberadamente, nunca se ha ajustado con instrucciones. Su propia ficha solo lo recomienda para "tareas que requieren un ajuste fino intensivo, como asistentes específicos para un idioma (p. ej., japonés) o para un dominio concreto (p. ej., médico), el entrenamiento con datos propietarios o la experimentación con enfoques novedosos de post-entrenamiento". Hazle una pregunta y continuará tu texto en lugar de responderla, porque responder nunca formó parte de su entrenamiento.

UserRepGen-4B es como se ve el siguiente paso. Microsoft tomó Qwen3.5-4B, le añadió un LoRA de rango 64, lo entrenó con ajuste fino supervisado en línea mediante destilación retrospectiva durante julio y agosto de 2026, y publicó el resultado el 14 de octubre sin anuncio y sin artículo. Hace exactamente una cosa —lee una conversación multiturno y escribe una descripción JSON de dos campos del usuario que contiene— y no hace nada más.

Así que el planteamiento honesto no es «cuál es mejor». Es: uno de estos es lo que tú ajustas, y el otro es lo que produjo un laboratorio al ajustar otra cosa.

Lo que la descarga realmente te ofrece

• Parámetros y huella — LFM2.5-2.6B-Base tiene 2.690 millones de parámetros en una arquitectura híbrida; UserRepGen-4B es un modelo de la clase 4B cuyo archivo de pesos publicado ocupa unos 9,1 GB en bfloat16, y no hay disponible una versión más pequeña.

• Contexto — 131.072 tokens en el checkpoint de Liquid, frente a una secuencia de entrenamiento de 9.216 tokens en el de Microsoft (8.192 de prompt, 1.024 de completion), con el uso extendido explícitamente no soportado.

• Formatos — GGUF, ONNX y MLX junto con pesos nativos, frente a un único archivo safetensors.

• Licencia — la LFM Open License (lfm1.0) por un lado, y MIT más una Apache 2.0 heredada por el otro. Ambas lo bastante permisivas para construir sobre ellas; ninguna de las dos es el mismo documento.

• Idiomas — dieciséis idiomas con nombre en la tarjeta Liquid, solo inglés en la de Microsoft.

• Adopción — LFM2.5-2.6B-Base es público desde el 1 de agosto de 2026 y cuenta con unas 6.282 descargas y 51 me gusta. UserRepGen-4B, subido el 14 de octubre, tenía cero de cada uno cuando se escribió esto.

Solo una de esas filas tiene que ver con la calidad. El resto tiene que ver con si la cosa cabe por la puerta que tienes.

Dos arquitecturas construidas para salas opuestas

Liquid describe LFM2.5 como "una nueva familia de modelos híbridos diseñada para el despliegue en el dispositivo", y la forma del checkpoint base se deriva de eso. Treinta capas, veintidós de ellas bloques de convolución corta de doble compuerta y ocho de atención de consultas agrupadas, un vocabulario de 128.000 tokens y un presupuesto de entrenamiento de 34 billones de tokens. Los bloques de convolución son económicos en memoria y predecibles en latencia; todo el diseño está orientado a teléfonos, portátiles y dispositivos de borde.

RepGen-4B hereda la suposición opuesta. Su columna vertebral es una pila estándar de generación condicional Qwen3.5: 32 capas, tamaño oculto de 2.560, 16 cabezas de atención con 4 cabezas de clave-valor, un vocabulario de 248.320 tokens y una torre de visión que se arrastra sin cambios desde el checkpoint principal aunque el modelo sea solo de texto y las imágenes no sean compatibles explícitamente. Microsoft informa que lo aloja con vLLM en GPU H100, A100, RTX A6000 y B200. Esa es una lista de componentes para servidores, no para el edge.

Un equipo que elige entre ellos en realidad está eligiendo qué restricción aceptar: memoria en el dispositivo y un runtime que hay que afinar hasta ponerlo a punto, o hardware de centro de datos y un modelo que ya hace su única tarea.

Dónde el ajuste fino realmente movió el número

Esta es la parte de la comparación que un modelo base no puede responder, por definición. LFM2.5-2.6B-Base no publica ningún benchmark de tareas, porque un checkpoint base no tiene tarea — las cifras de calidad de la familia pertenecen al hermano post-entrenado.

RepGen-4B publica uno, y es la evidencia más sólida de todo el lanzamiento. En una evaluación de fidelidad de 700 conversaciones, juzgada en una escala de 1 a 10:

• Qwen3.5-4B base, el backbone sin adaptar — 3,41 mejor de 1, 4,42 mejor de 3.

• GPT-5.5 al que se le pidió hacer el mismo trabajo sin configurar — 3,90 y 4,90.

• UserRepGen-4B — 4.95 y 6.02.

Todas las cifras son de Microsoft, producidas en un bucle donde GPT-5.4 mini actuó como simulador, asistente y juez a la vez. Nada se ha reproducido de forma independiente. Pero la forma del resultado es lo importante: el ajuste fino de un modelo base de 4B hasta superar a un generalista de frontera en una tarea acotada es un resultado real y medible, y es precisamente el resultado que LFM2.5-2.6B-Base existe para hacer posible en la tarea de otra persona. La ficha de Microsoft también muestra que las dos alternativas obvias de aprendizaje por refuerzo —OPSD con 4,46/5,60 y GRPO con 3,57/4,59— perdieron ambas frente al simple ajuste supervisado, lo que es una advertencia sobre asumir que el método más pesado gana.

Uno de estos tiene una página de privacidad, y no es la base.

Un modelo base preentrenado no tiene sección de privacidad porque no hace afirmaciones sobre personas. UserRepGen-4B sí la tiene porque sí las hace. Su ficha informa que, en más de 147 usuarios, un selector que elige cuál de cuatro conversaciones provino de la misma persona obtiene un 51,02 % usando las descripciones de comportamiento del modelo, frente a un 44,22 % con las conversaciones sin procesar y un 25 % al azar; el resumen identifica mejor a la persona que la fuente. Microsoft lo etiqueta como un riesgo de vinculabilidad y afirma que las representaciones no son datos anonimizados.

Esa asimetría es estructural, no un defecto de ninguna de las dos versiones. En el momento en que la salida de un modelo es una descripción de un ser humano, la superficie ética cambia, y la ficha tiene que reflejarlo. Cualquiera que realice un ajuste fino de LFM2.5-2.6B-Base hacia un objetivo similar debería contar con escribir la misma sección por su cuenta.

Lo que la elección de base decide después

Hay una consecuencia de segundo orden al tomar prestada una base que rara vez se considera en el momento del ajuste fino: determina qué puedes llamar seis meses después. Microsoft se basó en Qwen3.5-4B, y esa familia se ofrece comercialmente — Qwen3.5-Flash con un contexto de más de un millón de tokens a $0.10 por millón de tokens de entrada y $0.40 por millón de salida, Qwen3.5-27B a $0.086 y $0.688, Qwen3.5-35B-A3B a $0.057 y $0.459, todos accesibles a través de una sola clave de OrcaRouter al precio de lista del proveedor sin nada añadido, y todos capaces de situarse detrás de una conmutación por error automática para que un checkpoint de investigación que solo existe en tu propio disco no se convierta en un punto único de fallo en un pipeline. No ofrecemos UserRepGen-4B, y tampoco ofrecemos LFM2.5-2.6B-Base — ambos son descargas, y el ajuste fino de modelo pequeño que produzcas a partir del checkpoint de Liquid será tuyo para alojar. Pero el lado asistente del bucle, o el juez, o la ruta de respaldo, puede ser una llamada a la API con una clave que ya tengas. Esa es una decisión de diseño que tomas al principio, cuando eliges qué base adaptar.

¿Cuál quieres realmente?

Si tienes una tarea y no tienes un modelo para ella, LFM2.5-2.6B-Base es el punto de partida adecuado: lo bastante pequeño para ajustarlo con hardware modesto, lo bastante híbrido para ejecutarse en un dispositivo y distribuido en todos los formatos que necesitarás una vez terminado el entrenamiento. Si tienes un pipeline de simulación de usuarios y necesitas un componente que convierta una conversación terminada en una descripción conductual portátil, UserRepGen-4B ya existe, y el hecho de que sea un solo archivo en un solo formato es una limitación, más que una razón para rehacer el trabajo. Lo que hay que seguir de cerca es si Microsoft lo acompaña con el artículo que su ficha aún promete. Para Liquid, la pregunta abierta es distinta y más antigua: qué equipos adoptan la base y qué construyen a partir de ella.

Los modelos base existen para ser adaptados, y la adaptación es donde las cosas fallan: los incidentes de IA documentados y los fallos de agentes en torno a modelos de esta clase se recopilan en el OrcaRouter AI Incident Archive, donde cada entrada incluye sus propias fuentes, gravedad, grado de confianza e indicador de disputa.