LFM2.5-24B-A2B vs Granite 4.2 30B : modèle sparse pour ordinateur portable ou modèle dense pour station de travail

« Open weights » remplit deux fonctions différentes dans LFM2.5-24B-A2B et Granite 4.2 30B. Le modèle de Liquid AI, annoncé le 13 octobre 2026, est un mélange d'experts de 24 milliards de paramètres qui active 2,45 milliard de paramètres par token et est distribué sous la licence lfm1.0 propre au fournisseur. Le Granite 4.2 30B d'IBM, publié sur Hugging Face le 25 août 2026, est un modèle de raisonnement dense de type décodeur seul — environ 29 milliards de paramètres dans ses safetensors BF16, tous actifs sur chaque token — et est distribué sous Apache 2.0. L'une de ces licences est une autorisation Apache standard sans condition. L'autre ne l'est pas, et cette différence survit à tous les arguments de benchmark que vous pourriez avoir au sujet des deux.

La deuxième différence relève de l’arithmétique, qu’aucune évaluation ne peut masquer. Un MoE à 2,45 B de paramètres actifs est dimensionné pour une machine que vous possédez déjà. Un modèle dense de 29 B nécessite un GPU disposant de la mémoire nécessaire pour le contenir, ce qui fait que la comparaison porte moins sur « lequel est le plus intelligent » que sur « lequel de ceux-ci pouvez-vous réellement exécuter sur le matériel devant vous ».

Où vont les paramètres

LFM2.5-24B-A2B compte 40 couches réparties entre 30 blocs de convolution courte à double porte et 10 couches d'attention à requêtes groupées, avec 64 experts par bloc et un routage top-4. Liquid l'a entraîné sur 33 000 milliards de tokens selon le décompte de l'article de lancement — ou 36 000 milliards selon le décompte de la fiche modèle Hugging Face pour la même version, une divergence qu'aucun des deux documents ne résout — puis entraîné en phase intermédiaire en deux étapes et finalisé avec un pipeline de post-entraînement en cinq étapes qui se termine par de l'apprentissage par renforcement agentique au sein de véritables harnais d'agents. Il dispose de 131 072 tokens de contexte et d'un vocabulaire de 128 000 tokens.

Granite 4.2 30B est une pile dense unique, sans routage à effectuer, construite sur le checkpoint Granite-4.1-30B-Base et entraînée avec trois modes de raisonnement sélectionnables : la réflexion complète encapsulée dans des balises <think>, la réflexion à faible effort et l'absence totale de réflexion. Il dispose d'un contexte natif de 128 K avec une extension de contexte long documentée jusqu'à 512 K, prend en charge douze langues testées, et sa fiche modèle recommande une température de 1,0 avec top_p 0,95 pour toutes les tâches.

La conséquence pratique concerne la forme du débit, pas seulement le débit. Le routage sparse signifie que LFM2.5-24B-A2B lit un fichier de poids de 24B pour effectuer l’équivalent de 2,45B d’opérations arithmétiques par token — bon pour la bande passante mémoire, mauvais pour rien en particulier. Dense signifie que Granite 4.2 30B effectue la totalité des 29B de travail pour chaque token qu’il émet. Si votre charge de travail est une longue boucle d’agent avec de nombreux tours courts, cette différence se cumule.

Numéros de fournisseur, côte à côte, avec la mise en garde qui s'y rattache

Personne n'a confronté ces deux modèles l'un à l'autre. Les chiffres d'IBM proviennent de la fiche modèle de Granite 4.2 ; ceux de Liquid proviennent de son tableau vLLM du jour du lancement, où Granite n'apparaît pas en tant que colonne. Les lignes ci-dessous sont donc deux revendications distinctes de fournisseurs placées côte à côte, et non une comparaison directe, et deux des quatre benchmarks utilisent des harnais qui se recoupent sans être identiques.

• Paramètres — 24,0 B au total avec 2,45 B actifs contre ~29 B denses, tous actifs. Le seul chiffre qui détermine votre matériel.

• Contexte — 131 072 tokens contre 128 K natif et 512 K étendu. À peu près au même niveau sur la fenêtre native ; Granite va plus loin si vous en avez besoin.

• Licence — lfm1.0 contre Apache 2.0.Apache 2.0 n'impose aucun seuil de chiffre d'affaires ni aucune restriction de domaine d'utilisation. Comparez les conditions de Liquid à vos propres chiffres.

• Utilisation d'outils agentiques — BFCLv4 65,01 contre BFCL v4 61,39.Le chiffre de Liquid provient de son propre harnais d'évaluation ; celui d'IBM, de la fiche du modèle 4.2. Assez proches pour que le harnais compte plus que l'écart.

• Codage — SWE-Bench Verified 51,00 contre 57,00. L'avance de Granite, et cela suit le schéma : LFM2.5-24B-A2B est un appelant d'outils, Granite 4.2 30B est un raisonneur qui appelle aussi des outils.

• Suivi des instructions — IFEval 96,75 et IFBench 74,69 par rapport à IFBench 77,17. Les deux sont solides ; les deux fournisseurs utilisent des paires de lignes différentes, donc comparez la ligne commune.

Là où la fiche de Granite apporte des détails que celle de Liquid ne publie pas, portez-les au crédit du raisonneur : AIME 2025 à 89,17, GPQA à 66,41, LiveCodeBench v6 à 75,77, MMLU-Pro à 77,60, SciCode à 38,76, et RULER à 89,96 pour 64K et à 81,38 pour 128K. Cette dernière paire est exactement le genre de preuves en contexte long que LFM2.5-24B-A2B ne possède tout simplement pas encore — Liquid n'a publié aucun chiffre de récupération, pour aucune longueur de contexte, concernant sa fenêtre de 131K.

Ce que chacun vous coûte à détenir

Liquid facture l'accès à l'API à 0,10 $ par million de jetons d'entrée — 0,05 $ en cache — et 1,00 $ par million de jetons de sortie sur sa propre Console, avec 2 $ de crédit initial. Mais le point de terminaison hébergé n'est pas vraiment le produit ; le produit est le fichier 24B-A2B lui-même, et les affirmations du fournisseur en matière de débit concernent toutes l'appareil local : 184 jetons par seconde sur un Apple M5 Max et 114 jetons par seconde sur un AMD Ryzen AI Max+ 395. Les deux sont déclarés par le fournisseur et non reproduits, et indépendamment de leur véracité, l'argument architectural tient : un MoE à 2,45B d'actifs s'exécute sur mémoire unifiée d'une manière dont un modèle dense de 29B est incapable.

IBM ne publie aucun prix par token sur la fiche du modèle — Granite 4.2 30B est positionné comme un checkpoint auto-hébergé, distribué en BF16 ainsi qu'en quantifications FP8, NVFP4/MXFP4 et GGUF. Le coût global, c'est le GPU qu'il faut acheter ou louer pour héberger environ 29 Md de poids denses, et un modèle dense de 30B en FP8 réclame bien plus de mémoire qu'un MoE quantifié à 2,45 Md de paramètres actifs. Rapporté au token servi, le modèle sparse est moins cher à exploiter ; en termes de démarrage à froid et de latence dans le pire des cas, le modèle dense n'a aucun routage à préchauffer. Celui de ces aspects qui vous importe dépend entièrement de si le point de terminaison est toujours actif.

Si vous voulez tester l’un ou l’autre sans vous engager sur l’un ou l’autre, les deux voies existent. Granite 4.2 30B est auto-hébergeable sous Apache 2.0 sans plafond de revenus, et le côté servi de chaque chiffre ci-dessus — qwen/qwen3.6-35b-a3b et google/gemma-4-26b-a4b-it notamment — est disponible dans notre catalogue, accessible avec une seule clé, à 0 % de marge sur le prix catalogue de chaque fournisseur, de sorte qu’un changement de prix d’un fournisseur atteint le point de terminaison le jour même de son annonce, plutôt qu’au cycle de facturation suivant.

Lequel choisir

Choisissez LFM2.5-24B-A2B si la machine est la contrainte et que la charge de travail correspond à des appels d’outils. Il gagne là où le travail de type harnais est mesuré, il tient 131K de contexte dans une empreinte qu’un ordinateur portable peut supporter, et Liquid l’a entraîné sur de véritables échafaudages d’agents plutôt que sur un jeu de tests statique — un détail qui compte davantage pour un routeur que pour un raisonneur. Acceptez deux choses si vous le faites : la licence lfm1.0 n’est pas Apache 2.0, et personne en dehors de Liquid n’a encore évalué ce checkpoint.

Choisissez Granite 4.2 30B si vous disposez du matériel, si vous avez besoin d’un modèle qui raisonne avant d’agir, ou si vous avez besoin que la licence soit une que votre équipe juridique connaît déjà. Il est en tête sur le codage, c’est le seul des deux à publier des chiffres de récupération en contexte long, et son extension à 512K relève d’une véritable documentation plutôt que d’un argument marketing. Ses chiffres agentiques sont plus maigres — 61,39 sur BFCL v4 contre 65,01 pour Liquid —, ce qui est exactement à l’inverse de ce que le nombre de paramètres laisserait penser, et rappelle que la densité permet d’obtenir du raisonnement, pas automatiquement la discipline des outils.

Le résumé honnête, c'est que ces deux-là ne sont pas des substituts. LFM2.5-24B-A2B est conçu pour être le modèle qui exécute la boucle sur un appareil sans connexion cloud. Granite 4.2 30B est conçu pour être le modèle qui réfléchit intensément à un problème et qui a la licence nécessaire pour prouver qu'il peut être livré. Si vous avez les deux, la question de routage est de savoir lequel reçoit la requête — et c'est une décision qu'une couche de routage est là pour prendre, pas un tableau de benchmarks.

Suivez en temps réel les pannes et dégradations des modèles dans notre archive des incidents et voyez quelles routes ont basculé proprement.