LFM3-1.7B vs Qwen3.8-Flash : quand il n’y a pas de tableau des scores pour comparer

Dix millions de jetons par mois, répartis 70/30 entre entrée et sortie, coûtent 2,46 $ sur Qwen3.8-Flash au tarif catalogue d'Alibaba de 0,15 $ et 0,47 $ par million. Le même volume sur LFM3-1.7B coûte environ 1,16 $, si le tarif hébergé annoncé de 0,08 $ et 0,20 $ se maintient — et rien du tout par jeton si vous l'hébergez vous-même, car les poids sont ouverts et la licence LFM Open ne demande aucune redevance en dessous de 10 millions de dollars de revenus. Cela représente un écart de 2× sur le compteur entre deux modèles dont personne ne peut actuellement établir la qualité relative. Ce qui rend cette comparaison moins une affaire de benchmarks que ne le sont la plupart des pages de comparaison « vs », et davantage une question de type de déploiement que vous achetez.

Les deux modèles ne pourraient guère être plus différents. LFM3-1.7B est un tri-hybride dense de 1,73 milliard de paramètres que Liquid AI a publié le 27 octobre 2026 pour exécuter une tâche spécialisée sur le matériel qui se trouve devant vous. Qwen3.8-Flash est le mélange d'experts clairsemé d'Alibaba, avec environ 6 milliards de paramètres actifs par token sur un ensemble bien plus vaste, disponible depuis août 2026 sous forme d'offre hébergée avec une fenêtre de 1 million de tokens et des entrées image et vidéo. Les comparer sur un score d'intelligence revient à comparer un fourgon de livraison à un train de marchandises : la question utile est de savoir ce que vous transportez et sur quelle distance.

Deux architectures optimisées pour des contraintes opposées

Les 24 couches de LFM3-1.7B combinent 13 convolutions courtes à portes, 5 couches d’attention à fenêtre glissante avec une fenêtre de 256 tokens et 6 couches d’attention globale. Les convolutions sont peu coûteuses et parallèles ; une fine bande d’attention globale maintient l’ensemble du contexte de 256K accessible. Le résultat est un cache KV de 128K de 1,6 Go et un modèle qui tient dans environ 1 Go en 4 bits. Liquid l’a entraîné sur 22 billions de tokens de pré-entraînement, puis sur 3,5 billions de tokens de mi-entraînement fortement axés sur les traces agentiques et les appels d’outils.

Qwen3.8-Flash fait l’autre compromis. L’activation creuse signifie qu’un vaste pool de paramètres est accessible par token sans en payer l’intégralité, ce qui permet à Alibaba d’obtenir un contexte natif de 262K extensible à 1M sur un modèle vendu dans la même gamme de prix que des modèles denses bien plus petits. Il accepte en entrée du texte, des images et des vidéos et renvoie du texte, prend en charge les appels d’outils et la sortie JSON, et se positionne explicitement comme un aperçu architectural de la gamme Qwen4.

• Paramètres actifs — LFM3-1.7B 1,73 B dense contre Qwen3.8-Flash, environ 6 B par token dans un MoE clairsemé.

• Contexte — 256K de poids ouverts, 128K sur l’API hébergée de Liquid contre 262K natif, 1M sur l’offre hébergée.

• Sortie max — non spécifiée séparément pour LFM3, contre 131K pour Qwen3.8-Flash.

• Modalités d'entrée — texte uniquement vs texte, image et vidéo.

• Où ça tourne — sur votre appareil, avec une empreinte 4 bits de 1 Go, contre les serveurs d'Alibaba.

• Poids — ouverts sous LFM Open License v1.0 vs hébergés uniquement ; aucun checkpoint ouvert pour ce SKU.

Cette dernière ligne est celle qui change la perspective sur tout le reste. Qwen3.8-Flash n’est pas un modèle que vous possédez. Il existe un modèle frère à poids ouverts, Qwen3.8-Flash-Next, sous licence communautaire, mais il s’agit d’un checkpoint différent, avec des scores différents, et ce n’est pas ce que le tarif de 0,15 $ achète. LFM3-1.7B est un fichier que vous téléchargez. L’un de ces modèles peut être isolé du réseau, audité et affiné sur vos propres données ; l’autre ne le peut pas.

Le tableau des scores, incomplet d’un côté et contradictoire de l’autre

Voici la partie dérangeante. À la date du 28 octobre 2026, LFM3-1.7B n'a aucune fiche dans Artificial Analysis — pas d'Intelligence Index, pas de vitesse de génération mesurée indépendamment, pas de chiffre de latence neutre. Chaque chiffre de performance qui lui est associé provient du propre tableau de 27 benchmarks de Liquid, où il obtient une moyenne de 49,37 et surpasse très largement le LFM2.5-2.6B de Liquid lui-même. Rapporté par le fournisseur, non reproduit.

Qwen3.8-Flash dispose bien d’une entrée dans Artificial Analysis, et sa lecture est instructive pour la mauvaise raison. Les pages de comparaison en ligne l’affichent à un Index de 40. Plusieurs articles secondaires, y compris des critiques et la presse régionale, attribuent 56 au même modèle. Les chiffres de vitesse de sortie divergent aussi : des valeurs allant de 50 et quelques à 80 et quelques jetons par seconde apparaissent selon les sources. Nous n’allons pas en choisir un et le présenter comme un fait, car les deux chiffres ne peuvent pas décrire la même exécution d’évaluation et l’écart est suffisamment important pour changer une décision d’achat.

La conséquence pratique est qu’aucun des deux modèles ne peut être classé par rapport à l’autre sur le plan de la qualité avec la moindre confiance. D’un côté, un chiffre varie de seize points selon la source où on le lit ; de l’autre, il n’y a aucun chiffre indépendant qui puisse varier. Quiconque vous donne un verdict sur « lequel est le plus intelligent » à partir de ces éléments l’invente. Ce qui peut être comparé, c’est tout le reste : ce que coûte le modèle, où il s’exécute, à quelle vitesse il répond et ce qui se passe lorsqu’il échoue.

Le compteur, a fonctionné

Le coût est l’axe sur lequel les deux côtés sont réellement mesurables ; il mérite donc plus qu’une liste par jeton.

• Prix catalogue de Qwen3.8-Flash — 0,15 $ par million de tokens en entrée, 0,47 $ par million de tokens en sortie, lecture du cache 0,018 $, écriture du cache 0,230 $.

• LFM3-1.7B hébergé — indiqué à 0,08 $ en entrée et 0,20 $ en sortie par million, non publié sur la propre grille tarifaire de Liquid.

• LFM3-1.7B auto-hébergé — aucun coût par token ; la LFM Open License est exempte de redevances en dessous de 10 millions de dollars de chiffre d'affaires annuel.

À 10 millions de tokens par mois selon une répartition 70/30, Qwen3.8-Flash facture 2,46 $. Activez la mise en cache des prompts sur un prompt système stable, et cela descend vers 2,00 $, car les lectures en cache coûtent environ un huitième d’une entrée fraîche. LFM3-1.7B, au tarif rapporté, facture environ 1,16 $ pour le même volume, et l’auto-hébergement ne facture rien par token, avec un coût machine fixe en plus.

Maintenant, changeons d’échelle. Pour un milliard de jetons par mois, l’écart est de 246 $ contre 116 $ — toujours faible en termes absolus, ce qui est souvent perdu de vue dans ces comparaisons. La différence par jeton entre une offre hébergée bon marché et un modèle auto-hébergé bon marché est du bruit pour la plupart des équipes. Le coût qui domine réellement, c’est le temps d’ingénierie : un modèle hébergé se résume à un appel HTTP, tandis qu’un modèle auto-hébergé implique un déploiement, un choix de quantification, une pile de serving et une rotation d’astreinte. L’avantage tarifaire de 2× de LFM3 doit en valoir la peine. Pour un modèle 2B sur un téléphone ou un boîtier edge, c’est évidemment le cas — il n’existe aucune alternative hébergée qui tourne sur l’appareil. Pour un service backend qui traite des appels de classification, ce n’est généralement pas le cas.

À quelle vitesse chacun répond, avec de vrais chiffres d’un côté

C’est ici que nos propres données sont meilleures que celles du fournisseur. OrcaRouter achemine Qwen3.8-Flash et, au cours des sept derniers jours, notre télémétrie auprès des fournisseurs qui le servent indique un délai p50 jusqu’au premier token de 4,82 secondes, un p95 de 10,00 secondes, une vitesse de sortie de 155 tokens par seconde et un taux d’erreur de 3,3 % sur 883,7 millions de tokens. Ce sont des chiffres agrégés issus d’une couche de routage, et non d’un test en laboratoire sur un seul point de terminaison ; c’est pourquoi le débit affiché est plus élevé que les chiffres de l’ordre de la cinquantaine publiés ailleurs : la requête atterrit là où la capacité existe.

Le {{1}}p50{{/1}} de 4,82 secondes est le chiffre avec lequel il faut composer. Pour une interface de chat, c’est acceptable. Pour un agent qui effectue quinze appels séquentiels, c’est une minute d’attente avant que le moindre travail ne commence, et aucun débit de tokens par seconde ne corrige cela. Une latence élevée du premier token sur un grand modèle clairsemé est le coût caché de l’offre économique, et c’est la raison pour laquelle certaines équipes orientent les tours courts et critiques en latence vers quelque chose de plus petit.

LFM3-1.7B n’a pas de mesure équivalente. L’argument de Liquid en matière de vitesse est qu’à Q4_0 et avec un contexte de 32K, il était de 1,8 à 2,8 fois plus rapide que le modèle suivant sur trois appareils de test avec la consommation de mémoire la plus faible, et qu’un seul NVIDIA B300 exécutant SGLang en BF16 servait 3,6 milliards de tokens par jour à 1 024 requêtes simultanées. Ce sont respectivement des chiffres sur appareil et sur nœud unique ; ni l’un ni l’autre ne correspond à « quel sera mon p50 depuis Francfort ». La vitesse est l’axe sur lequel le dossier de LFM3 est le plus solide en principe et le moins vérifiable en pratique.

Là où chacun gagne réellement

LFM3-1.7B l'emporte sur le contrôle et sur le coût en périphérie. Des poids ouverts signifient que vous pouvez l'affiner sur un seul GPU, figer la version, l'exécuter sans réseau et garder les données sur l'appareil. Ses chiffres de suivi d'instructions sont le point saillant du tableau de Liquid — IFEval 96,66, IFStruct 93,72, Multi-IF 89,10 — et ses lignes d'appel d'outils sont respectables pour sa taille, BFCL V4 à 71,39 et ToolSandbox à 80,36. Ses lignes faibles sont tout aussi claires : Terminal-Bench 2.1 à 12,92 et SWE-bench Multilingual à 23,00 indiquent qu'il ne s'agit pas d'un modèle de codage autonome, et la fiche modèle de Liquid le dit elle-même.

{{1}}Qwen3.8-Flash{{/1}} l’emporte sur la portée. Une fenêtre de 1 M de tokens avec entrée d’images et de vidéos est une capacité que {{2}}LFM3{{/2}} ne possède sous aucune forme : le modèle texte ne prend aucune image, la variante vision ne publie aucune fenêtre de contexte et la fenêtre de la variante omni n’est pas documentée. Pour une charge de travail qui ingère un long contrat, une série de captures d’écran ou une heure d’images, la comparaison s’arrête immédiatement. Elle l’emporte aussi sur la simplicité opérationnelle : un seul point de terminaison, pas de GPU, pas de déploiement.

Router les deux, c'est là tout l'intérêt

Qwen3.8-Flash figure dans le catalogue OrcaRouter, et LFM3-1.7B non. Cette phrase est la version honnête et complète de cette section. Nous acheminons le modèle hébergé au prix catalogue du fournisseur, avec 0 % de marge, donc les 0,15 $ et 0,47 $ d’Alibaba sont ce que vous payez, et une modification tarifaire du fournisseur vous parvient le jour même plutôt qu’au prochain renouvellement de contrat. LFM3, vous l’exécutez vous-même ou l’appelez via l’API propre à Liquid ; nous n’allons pas laisser entendre une relation d’hébergement qui n’existe pas.

La raison pour laquelle le routage est important dans cette confrontation précise, c'est que les deux modèles présentent des modes de défaillance différents. Qwen3.8-Flash échoue en étant lent et coûteux sur les tours qui n'avaient pas besoin de 1M tokens de contexte. LFM3 échoue en manquant de profondeur de raisonnement sur les tours qui en avaient besoin. Un pipeline qui envoie chaque requête à l'un ou à l'autre se trompe dans une direction prévisible. Avec le DSL de routage, vous pouvez envoyer les tours d'extraction, de classification et d'appel d'outils courts au petit modèle local, conserver le travail sur documents longs et multimodal sur le niveau hébergé, et laisser le basculement automatique couvrir le cas où le petit modèle renvoie quelque chose de mal formé — ce qui, sur un 1.7B non vérifié, est la préoccupation réaliste.

C'est aussi le moyen le moins coûteux de déterminer si LFM3 mérite la confiance que sa table de lancement réclame. Exécutez-le sur le trafic que vous comprenez déjà, derrière une solution de repli, et comparez ses décisions à celles du modèle hébergé sur les mêmes entrées. Le taux de désaccord est un meilleur signal de qualité que n'importe quel benchmark de fournisseur, car il est mesuré sur vos données.

La décision, sans faux verdict

Choisissez Qwen3.8-Flash si le travail implique de longs documents, des images ou de la vidéo, si vous avez besoin d'un seul point de terminaison et d'aucune infrastructure, ou si un premier token à un p50 proche de cinq secondes est acceptable. Sa qualité est incertaine, mais au moins mesurable par quelqu'un d'autre que son fabricant, et son contexte de 1 M n'est pas quelque chose qu'un modèle de 1,7 B peut remplacer.

Choisissez LFM3-1.7B si le modèle doit résider sur un appareil, si les données ne peuvent pas quitter votre réseau, si vous avez l’intention de faire du fine-tuning, ou si votre charge de travail consiste en de courts tours de suivi d’instructions et d’appels d’outils où un modèle 2B à 1 Go suffit vraiment. Acceptez de prendre le tableau de benchmarks de Liquid pour argent comptant et que le premier mois impliquera davantage de mesures qu’un modèle hébergé ne l’exigerait.

Ce que vous ne devez pas faire, c’est les départager sur l’intelligence. L’un n’a aucun score indépendant, l’autre a un score qui affiche 40 ou 56 selon la page que vous ouvrez, et l’écart de seize points entre ces deux lectures est plus grand que toute la différence de qualité que l’un ou l’autre fournisseur cherche à vous vendre. Le coût, le contexte, la modalité et la localité sont des faits établis. La qualité ne l’est pas, et une comparaison qui prétend le contraire n’est qu’un tableau de lancement auquel on a retiré le nom du fournisseur.