LFM2.5-24B-A2B vs LFM2.5-8B-A1B-DSpark : L’un des deux n’est pas un modèle que vous pouvez exécuter

Mettez LFM2.5-24B-A2B et LFM2.5-8B-A1B-DSpark dans un tableau comparatif et le tableau est un mensonge avant même que vous remplissiez une seule cellule. LFM2.5-24B-A2B de Liquid AI, publié le 13 octobre 2026, est un modèle de langage : 24,0 B de paramètres, 2,45 B actifs par token, 131 072 tokens de contexte, et il répond aux prompts. LFM2.5-8B-A1B-DSpark, publié le 20 août 2026, est un checkpoint de draft de 327,7 millions de paramètres qui ne peut répondre à quoi que ce soit tout seul — il existe pour deviner les tokens suivants pour un autre modèle, LFM2.5-8B-A1B, et pour être vérifié par ce dernier. Confondre les deux est la façon la plus courante de mal interpréter cette sortie, et il vaut la peine de clarifier cela dès le premier paragraphe, car le reste de cette page en dépend : l'un d'eux a un prix par million de tokens et une fiche Hugging Face vers laquelle vous pouvez diriger un agent, et l'autre vit à l'intérieur de la pile d'inférence de quelqu'un d'autre.

Ce qui rend cependant ce duo vraiment digne d’une page, c’est qu’il s’agit de la comparaison que Liquid AI a mise en place pour elle-même. La fiche modèle du LFM2.5-24B-A2B indique qu’un draft de décodage spéculatif DSpark pour le 24B est bientôt disponible. Quand il arrivera, la question exacte à laquelle cette page répond sera celle que les gens se poseront à son sujet : l’astuce de draft qui a rendu le modèle 8B jusqu’à 3,18× plus rapide sur un GPU de centre de données est-elle vraiment payante sur un modèle 24B dont toute la raison d’être est un ordinateur portable ? Les chiffres du 8B contiennent déjà la forme de la réponse, et ce n’est pas la forme que suggère le titre.

Ce qu’est réellement un point de contrôle de brouillon, en trois phrases.

Le décodage spéculatif place un modèle bon marché devant un modèle coûteux : le brouillon propose un bloc de jetons candidats, le vrai modèle vérifie l'ensemble du bloc en une seule passe avant, et il conserve tout ce avec quoi il est d'accord. Comme le modèle cible vérifie chaque jeton proposé, la sortie en décodage glouton est identique bit pour bit à celle obtenue en exécutant le modèle cible seul — Liquid parle d'un procédé « sans perte par construction », et c'est pourquoi on peut greffer un brouillon sur une pile de production sans risque. LFM2.5-8B-A1B-DSpark est un brouillon délibérément petit : cinq couches d'attention uniquement, un bloc de neuf jetons proposés par étape, et une tête de Markov sur le vocabulaire de 128 000 jetons du modèle cible, entraîné pendant 15 époques sur des données de chat, de code et d'appel de fonctions, avec des points de contrôle sélectionnés selon le taux d'acceptation plutôt que selon la perte de validation.

Ce dernier détail n’a rien d’anecdotique. Le propre compte rendu de Liquid fait remarquer que, pour les brouillons plus grands, la perte de validation « continue de s’améliorer après que l’acceptation du benchmark qui nous intéresse a cessé de bouger » — le genre de phrase qui n’apparaît que lorsqu’une équipe déploie cela en serving plutôt que de publier un article.

Les deux piles, une ligne par dimension

• De quoi il s'agit — LFM2.5-24B-A2B est un modèle de raisonnement déployable, texte en entrée et texte en sortie. LFM2.5-8B-A1B-DSpark est un accélérateur de décodage spéculatif et rien d'autre.

• Taille — 24,0 Md au total / 2,45 Md actifs par token, 64 experts avec routage top-4 sur 40 couches, contre 327,7 M de paramètres de draft dans cinq couches d'attention uniquement.

• Contexte — 131 072 tokens pour le 24B, soit le double de la génération précédente ; le draft n'a pas de contexte propre, puisqu'il opère sur le flux de la cible.

• Raisonnement — le 24B émet toujours une chaîne de pensée explicite à l'intérieur d'un bloc <think>. Le draft n'émet rien que l'utilisateur voie jamais.

• Prix — 0,10 $ par million de tokens d'entrée (0,05 $ en cache) et 1,00 $ par million de tokens de sortie sur Liquid's Console, avec 2 $ de crédit de départ, pour le 24B. Le draft n'a pas de prix car aucun fournisseur d'inférence ne le sert.

• Licence — lfm1.0 pour les deux : gratuite pour le téléchargement, l'affinage et le déploiement à des fins commerciales jusqu'à ce qu'une entreprise dépasse 10 M$ de chiffre d'affaires annuel, auquel cas une licence commerciale s'applique.

• Formats publiés — GGUF de Q4_K_M à 14,5 Go jusqu'à 48 Go BF16, un QAD-Q4_0 QAT à 13,6 Go, FP8, ONNX et MLX 4/5/6/8 bits pour le 24B ; Safetensors et GGUF pour le draft, avec prise en charge de SGLang et llama.cpp dès le premier jour.

La dimension qui décide de tout est la dernière modifiée par le cinquième : l’un de ces éléments a un prix par token, et l’autre est quelque chose que l’on installe pour rendre un modèle auto-hébergé moins cher par token. Ils n’entrent jamais en concurrence. Ils se cumulent.

Les chiffres qui comptent, et celui qui devrait vous inquiéter

Liquid a mesuré le draft DSpark avec une taille de lot de 1 et une température de 0 sur cinq jeux de données — sur un H100 de 80 Go en BF16 sous SGLang, et sur un MacBook Pro M4 Max en FP16 GGUF sous llama.cpp avec des noyaux Metal expérimentaux. Chaque gain de vitesse est comparé au même modèle cible exécuté seul sur le même matériel. Tout cela est rapporté par le fournisseur et, trois mois plus tard, toujours non reproduit.

Sur le H100, face à LFM2.5-8B-A1B :

• MATH500 — 3,18× (428 → 1 362 tokens/s, acceptation 8,27) — le chiffre phare.

• MT-Bench — 3,02× (426 → 1 288 tokens/s, acceptation 8,52).

• MBPP — 2,64× (426 → 1 122) et HumanEval — 2,58× (426 → 1 100).

• GSM8K — 1,29× (385 → 496, acceptation 4,02) — le cas faible, et notez qu'il s'agit de celui où la cible était déjà plus rapide au départ.

• Moyenne — 2,54× (418 → 1 074 jetons/s).

Sur le M4 Max, le même draft face à la même cible est un produit différent : MATH500 1.21× (93 → 112), GSM8K 1.44× (90 → 129), HumanEval 1.12× (91 → 101), MBPP 1.09× (89 → 97), MT-Bench 1.04× (87 → 90), moyenne 1.18× (90 → 106).

Lisez ces deux listes ensemble et la conclusion est inévitable : le checkpoint de draft accélère le matériel pour lequel le modèle n’a pas été conçu, et ne fait presque pas bouger celui pour lequel il l’a été. Ce n’est pas un bug dans l’implémentation de Liquid, c’est là que se situe le goulot d’étranglement — le décodage spéculatif est payant quand on est peu sollicité côté calcul et limité par la mémoire, et un M4 Max exécutant un MoE quantifié à 1,5 B d’actifs est déjà proche de son plafond de bande passante mémoire. Liquid a publié elle-même la mauvaise moitié du résultat, c’est pourquoi le chiffre de 3,18× a été cité isolément bien plus souvent que le 1,18× que la plupart de leurs lecteurs connaîtraient réellement.

Pourquoi l'appariement 24B est une question véritablement ouverte

Tout ce qui concerne le draft LFM2.5-24B-A2B à venir n'a fait l'objet d'aucune annonce, hormis les mots « coming soon » sur la fiche du modèle ; par conséquent, ce qui suit est un raisonnement sur la forme du problème plutôt qu'un rapport.

La valeur du draft est régie par le taux d'acceptation, et le taux d'acceptation est régi par la prévisibilité de la cible. Un modèle de raisonnement qui produit toujours une chaîne de pensée explicite — LFM2.5-24B-A2B est exactement cela, et Liquid le livre avec une température recommandée de 0,1 — émet de longues portions de texte localement prévisibles. C'est le terreau idéal pour un bloc de 9 jetons. Le plafond d'un draft de 24B pourrait donc être élevé, et la note de la fiche sur le vocabulaire aide : le 24B utilise le même vocabulaire de 128 000 jetons que celui sur lequel la tête de Markov du modèle de draft 8B a été construite, si bien que la tête de draft n'a pas besoin d'être reconstruite à partir d'un espace de jetons différent.

Le contrepoids, c’est le matériel. Le résultat edge annoncé du modèle 24B est de 184 tokens par seconde sur un Apple M5 Max, et une cible plus grande implique une passe de vérification plus grande, même lorsque le bloc est accepté en entier. Si le schéma du 8B se vérifie — des gains importants là où vous disposez de calcul en réserve, des gains modestes sur le portable —, le draft 24B pourrait bien s’avérer être un outil de datacenter rattaché à un modèle edge, ce qui est une forme étrange pour un produit. Quiconque cite « 3,18× » en prévision de cela cite un chiffre mesuré sur un modèle différent, sur un matériel différent, avec un draft différent.

Coût, et l'argument en faveur de ne pas s'auto-héberger du tout

Une complication qu'il faut assumer : toute la proposition de valeur de DSpark repose sur le débit par token auto-hébergé, son argument économique est donc le coût par token de votre propre temps GPU. Le modèle 24B, en revanche, a un prix public — 0,10 $ par million de tokens d'entrée (0,05 $ en cache) et 1,00 $ par million de tokens de sortie — que vous payez si vous préférez ne pas du tout exécuter un checkpoint quantifié de 14,5 Go sur votre propre ordinateur portable.

Pour être clair sur ce que nous proposons et ne proposons pas : nous ne servons ni LFM2.5-24B-A2B ni LFM2.5-8B-A1B-DSpark sur OrcaRouter. Ce que nous servons, ce sont les modèles à poids ouverts que cette décision ne cesse de rencontrer — qwen/qwen3.6-35b-a3b, le modèle par rapport auquel Liquid évalue son 24B, avec environ cinquante pour cent de paramètres totaux et actifs en plus, ainsi que google/gemma-4-26b-a4b-it, obsidian/gemma-4-26B-A4B et google/gemma-4-31b-it dans la même catégorie de modèles ouverts à activation parcimonieuse. Si vous comparez un téléchargement de 14 Go et une pile de décodage spéculatif à l'appel à un modèle servi derrière une seule clé à 0 % de marge sur le prix catalogue du fournisseur, c'est une comparaison que vous pouvez réaliser cet après-midi de notre côté et que vous ne pouvez qu'estimer de leur côté.

Que faire avec eux deux aujourd’hui

Si vous voulez un modèle à appeler, la réponse est LFM2.5-24B-A2B, et le checkpoint DSpark ne vous concerne pas — il accélère un modèle 8B bien précis, et aucune plateforme tierce ne propose ni l'un ni l'autre. Si vous hébergez déjà vous-même LFM2.5-8B-A1B sur un GPU, le modèle draft est un multiplicateur de débit gratuit qui ne change rien à vos sorties, et un facteur moyen de 2,54× représente une véritable réduction des coûts de service. Si vous l'hébergez vous-même sur un Mac, la moyenne est de 1,18× et l'interprétation honnête est que le draft vaut environ un dixième de ce que laisse entendre le titre du lancement.

Ce qu'il faut surveiller, ce n'est pas la date d'arrivée du draft 24B, que personne n'a publiée. C'est dans lequel des deux régimes il tombe. Si Liquid publie une moyenne supérieure à 2× sur Apple silicon, le décodage spéculatif a franchi un cap et le niveau edge devient réellement moins cher à exécuter. S'il publie un chiffre de pointe sans moyenne sur portable, le résultat du 8B aura été la réponse depuis le début : cette technique est rentable là où vous disposez de calcul inactif, et une machine qui fait tourner un mélange d'experts de 24B sur batterie n'en a pas à revendre.

C'est aussi dans des comparaisons comme celle-ci que les modes de défaillance se manifestent : les incidents IA documentés et les défaillances d'agents associés aux modèles de cette classe sont recensés dans the OrcaRouter AI Incident Archive , où chaque entrée comporte ses propres sources, son niveau de gravité, sa note de confiance et son indicateur de contestation.