LFM3 vs Qwen3.8-27B : un écart de taille de 16× qui se réduit à 9 % sur le suivi d’instructions

LFM3-1.7B compte 1,73 milliard de paramètres. Qwen3.8-27B en compte 27,78 milliards, plus un encodeur visuel — 16,1 fois plus de poids. Placez-les sur la même ligne de benchmark et l’arithmétique refuse de se comporter correctement. Sur IFBench, qui teste si un modèle respecte des contraintes sur lesquelles il n’a jamais été affiné, l’écart entre eux est inférieur à neuf pour cent. Sur Terminal-Bench 2.1, il est de 5,6 fois. Deux modèles, une différence de taille fixe, et un résultat qui oscille entre « pourquoi paierais-tu un jour pour le grand » et « le petit ne peut pas du tout faire cela » selon la ligne que tu lis.

Cet écart, c'est toute la décision. Ce n'est pas une histoire de petit modèle qui rattrape un grand, ni une histoire de grand modèle gaspillé sur de petites tâches. C'est une histoire de frontière de tâche qui passe, très systématiquement, entre suivre une instruction et exécuter un plan — et d'une clause de licence qui réordonne discrètement la comparaison des prix pour quiconque travaille dans une entreprise au-dessus d'un certain seuil de chiffre d'affaires.

Ce qu'est réellement chacun de ces éléments

Liquid AI a annoncé la famille LFM3 le 2026-10-27 — la veille de la rédaction de cet article — sous la forme de six modèles open-weight d'environ 2 milliards de paramètres, dérivés d'un socle commun LFM3-1.7B-Base. LFM3-1.7B est le membre textuel : une architecture tri-hybride de 24 couches (13 convolutions courtes à portes, 5 couches d'attention à fenêtre glissante de 256 tokens et 6 couches d'attention complète), pré-entraînée sur 22 000 milliards de tokens, avec une passe finale de mi-entraînement de 3 500 milliards de tokens incluant des traces d'agents et des appels d'outils. Les poids sont disponibles sur Hugging Face, Ollama le distribue sous le nom lfm3:latest pour un téléchargement de 1,7 Go, et la fiche modèle de l'éditeur déconseille son usage pour le codage agentique ou le raisonnement multi-étapes complexe. Cette dernière phrase compte plus que tout le reste de la fiche, et nous y reviendrons.

Qwen3.8-27B n'est pas nouveau. Alibaba a publié ses poids en mi-août 2026 sous Apache 2.0, et il a eu dix semaines pour accumuler des téléchargements, des quantifications et des retours d'utilisateurs réels qu'une version publiée depuis un jour n'a tout simplement pas. C'est un modèle dense de 27,78B construit sur un bloc répétitif de couches Gated DeltaNet et Gated Attention, sur 64 couches de profondeur, avec une entrée native de vision et de vidéo et un contexte de 262 144 jetons qui s'étend à 1M avec YaRN. La réflexion est activée par défaut et réglable via un paramètre d'effort de raisonnement.

Le cadrage honnête de cet appariement est donc asymétrique d’une manière qui compte : un modèle dispose d’un tableau de benchmarks du fournisseur et d’aucun retour du terrain, l’autre dispose des deux. Considérez tout ce qui suit à propos de LFM3-1.7B comme une affirmation concernant la suite de tests de Liquid AI, et non votre charge de travail.

La ligne de spécifications où le petit modèle ne perd pas

Commencez par les dimensions où multiplier les paramètres par 16 n’apporte absolument rien, car elles sont plus nombreuses que ne le suggère la différence de taille.

• Fenêtre de contexte — 262 144 tokens en natif sur les deux. LFM3-1.7B l'atteint au cours du mid-training ; Qwen3.8-27B l'intègre nativement et l'étend jusqu'à 1 M avec YaRN.

• Langues — 16 déclarées pour LFM3-1.7B (y compris l’anglais, le chinois, le japonais, le coréen, l’arabe et l’hindi) ; Qwen3.8-27B est entraîné de manière étendue sur de nombreuses langues, sans chiffre mis en avant.

• Modalité — texte en entrée, texte en sortie pour LFM3-1.7B ; texte, image et vidéo en entrée, texte en sortie pour Qwen3.8-27B. C’est le seul point où le 27B effectue un travail catégoriquement différent plutôt qu’une version plus grande du même travail.

• Mémoire en 4 bits — environ 1 Go pour LFM3-1.7B contre environ 14–16 Go pour Qwen3.8-27B.

Mémoire en BF16 — 3,46 Go contre environ 56 Go, soit la différence entre un ordinateur portable et une machine multi-GPU.

• Licence — LFM Open License v1.0 face à Apache 2.0. Gardez cela en tête.

Une fenêtre de contexte de 256K des deux côtés, voilà la véritable surprise. La longueur de contexte a historiquement suivi le nombre de paramètres, et ici, un modèle que l’on peut exécuter avec environ un gigaoctet offre la même fenêtre nominale qu’un modèle qui réclame une station de travail. Le mot « nominal » fait vraiment tout le travail dans cette phrase — une fenêtre de 256K sur un modèle de 1,7B n’est utile que si le modèle parvient à y trouver des éléments, ce que testent précisément les lignes sur le contexte long ci-dessous.

Là où 16× les paramètres rapportent neuf pour cent

Liquid a exécuté une suite de 27 lignes et publié le tableau complet, y compris les colonnes où un concurrent l’emporte. Les deux modèles rapportent IFBench, qui est la ligne la plus directement comparable de toute la comparaison, car il s’agit d’une seule version du benchmark rapportée par les deux fournisseurs.

LFM3-1.7B obtient 73,03. Qwen3.8-27B obtient 79,5. Cela fait 6,5 points, soit moins de neuf pour cent du score du modèle plus grand — sur un modèle 16,1 fois plus petit. Pour une charge de travail qui consiste surtout à « prendre cette entrée désordonnée, produire exactement cette structure JSON, ne jamais casser le schéma », cet écart est proche du bruit, et la différence de déploiement est d’un gigaoctet contre seize.

Le propre tableau de Liquid fait le même constat face à un concurrent plus proche. Face à Qwen3.5-9B — un modèle cinq fois plus grand que LFM3-1.7B — le petit modèle l'emporte sur IFBench avec 24 points d'écart (73,03 contre 48,84), sur IFStruct avec 4,5 points (93,72 contre 89,20) et sur Multi-IF avec 4,7 points (89,10 contre 84,44). Quoi qu'il en soit par ailleurs, l'adhérence aux instructions n'est pas une capacité qui progresse régulièrement avec le nombre de paramètres, et un 1,7B bien entraîné peut battre sur ce point un 9B médiocre.

Les lignes de contexte long sont plus équivoques et méritent d’être énoncées clairement plutôt que d’être arrondies à l’avantage de Liquid. Sur AA-LCR, LFM3-1.7B affiche 52,83 — un score réel pour sa taille, et à peu près au niveau du 52,67 de Qwen3.5-4B. Sur RULER 128K, il obtient 65,56, bien devant les 37,96 de MiniCPM5-2B mais loin derrière les 87,11 de Qwen3.5-9B. La fenêtre de 256K n’est donc pas décorative, mais elle n’égale pas non plus celle d’un modèle plus grand. Qwen3.8-27B n’apparaît pas du tout dans ce tableau, ce qui signifie qu’il n’existe aucun chiffre de contexte long comparable pour cette paire précise — seulement un fort a priori selon lequel un 27B doté d’une fenêtre native de 262K battra un 1,7B ayant la même fenêtre nominale.

Là où 16× les paramètres permettent d’obtenir cinq fois et demie

Passons maintenant aux lignes contre lesquelles la fiche modèle mettait en garde. Chacune d'elles correspond à une version de benchmark que les deux fournisseurs publient, donc aucune soustraction entre versions n'est effectuée.

• Terminal-Bench 2.1 — 12,92 pour LFM3-1.7B contre 73,0 pour Qwen3.8-27B. Un écart de 5,6×.

• Humanity's Last Exam, sans outils — 7,17 contre 30,8. Un écart de 4,3×.

• GPQA Diamond — 63,37 contre 89,2. Un écart de 1,4×.

• LiveCodeBench v6 — 73,46 contre 90,3. Un écart de 1,2×.

L’ordre de cette liste constitue à lui seul le constat. L’écart est le plus faible sur la génération de code en une seule passe, où LFM3-1.7B se situe environ 19 % en dessous d’un modèle seize fois plus grand. Il est le plus grand sur Terminal-Bench, où la tâche n’est pas « écrire du code » mais « piloter une machine sur de nombreuses étapes, se remettre de ses propres erreurs et s’arrêter une fois le travail accompli ». C’est précisément la capacité dont la fiche de Liquid dit que le modèle est dépourvu, et les chiffres concordent avec la fiche. Sur GPQA et HLE, l’écart porte sur les connaissances, ce qui est le résultat le moins surprenant ici — un modèle de 1,7 B entraîné sur 22 T tokens a simplement vu moins qu’un modèle de 27 B entraîné sur davantage, et aucune architecture ne saurait compenser.

Il y a une ligne qui pointe dans l'autre sens, et c'est le chiffre le plus intéressant des deux cartes. Sur la partie publique d'AA-Omniscience, LFM3-1.7B affiche une précision de 7,07 et 92,93 de non-hallucination. Ce couple de valeurs signifie que le modèle refuse le plus souvent de répondre plutôt que de répondre faussement. C'est le taux de non-hallucination le plus élevé dans le propre tableau comparatif de Liquid, devant tous les modèles plus grands qui y figurent. Le 30,8 de Qwen3.8-27B sur HLE traduit la posture inverse : il en sait plus et s'engage sur ses réponses.

Si le mode de défaillance de votre pipeline est une valeur erronée affirmée avec assurance qui atterrit dans une base de données, un modèle qui s’abstient 93 % du temps est un avantage, et le plafond de précision est le prix à payer. Si le mode de défaillance de votre pipeline est un null là où une valeur devrait se trouver, ce même comportement est le bug. C’est l’élément le plus décisif de cette confrontation, et aucun score agrégé ne le capture.

Trois nombres que vous ne devez pas soustraire

Les pages de comparaison directe consacrées à ce duo seront tentées d’aligner tous les benchmarks publiés par les deux fournisseurs. Trois de ces lignes ne résistent pas à l’épreuve de la méthodologie.

SWE-bench. Liquid rapporte LFM3-1.7B à 43,40 sur SWE-bench Verified avec le harness OpenCode. Alibaba rapporte Qwen3.8-27B à 61,7 sur SWE-bench Pro. Un benchmark différent, un harness différent, une répartition des tâches différente. L'écart de 18 points entre ces deux chiffres ne mesure rien. Si vous voulez avoir une idée approximative de l'ampleur de l'écart, utilisez Terminal-Bench 2.1, où les deux rapportent la même version.

Tout indice agrégé. Artificial Analysis attribue à Qwen3.8-27B une note de 33,7 sur son Intelligence Index avec le réglage de raisonnement xhigh. Au 2026-10-28, il n’existe aucune entrée LFM3 sur Artificial Analysis. Une version publiée depuis un jour n’a pas fait l’objet d’une évaluation indépendante, et pour être honnête, LFM3-1.7B ne dispose d’aucun chiffre reproduit de manière indépendante. Chaque chiffre qui lui est attribué dans cet article — et partout ailleurs cette semaine — provient de la propre suite de tests de Liquid AI, sur les benchmarks choisis par Liquid AI.

Paramètres d’effort de raisonnement. Les scores publiés de Qwen3.8-27B varient sensiblement entre les modes faible, moyen, xhigh et sans raisonnement ; l’indice 33,7 correspond à la valeur xhigh, et le chiffre sans raisonnement est nettement inférieur. Toute comparaison qui associe un chiffre de Qwen à un chiffre de LFM3 sans préciser le réglage d’effort compare un modèle qui délibère à un modèle rapide et attribue la différence à l’architecture.

Ce qui permettrait de trancher est simple : une exécution indépendante de LFM3-1.7B sur les mêmes bancs d’essai, avec un niveau d’effort indiqué, idéalement après que la communauté a disposé des poids pendant quelques semaines. D’ici là, le résumé équitable est que l’écart rapporté par le fournisseur sur le suivi d’instructions est faible et que l’écart rapporté par le fournisseur sur l’exécution multi-étapes est important, et les deux affirmations émanent de la même partie intéressée.

La licence est le véritable prix à payer

Voici la partie qui inverse la conclusion habituelle d’une comparaison entre petit et grand.

LFM3-1.7B est distribué sous la licence LFM Open License v1.0. Les poids sont librement téléchargeables et exécutables, et l’utilisation commerciale est exclue pour les entités dont le chiffre d’affaires annuel est égal ou supérieur à 10 millions de dollars. Qwen3.8-27B est distribué sous Apache 2.0, sans seuil de chiffre d’affaires, sans restriction de domaine d’utilisation et sans accord séparé.

Pour une startup de deux personnes, l’arithmétique est évidente : un modèle qui tient dans un gigaoctet, ne coûte rien par token et tourne sur du matériel que vous possédez déjà revient presque à un repas gratuit. Pour une entreprise qui dépasse les 10 millions de dollars de chiffre d’affaires — c’est-à-dire la plupart des entreprises disposant d’un budget d’inférence en production qui vaut la peine d’être optimisé —, le modèle bon marché n’est pas gratuit, et le modèle coûteux est sans ambiguïté sous licence. Le modèle qui ressemble à l’option économique est celui auquel est attachée une conversation juridique.

Ce n'est pas un argument contre LFM3-1.7B. C'est un argument pour lire la licence avant de lire le tableau des benchmarks, car la licence détermine si ce tableau vous est même accessible.

Ce qu’il faut pour réellement faire fonctionner chacun d’eux

LFM3-1.7B s’installe en une seule ligne. Il est disponible dans la bibliothèque Ollama sous les noms lfm3:latest et lfm3:1.7b, tous deux téléchargeables en 1,7 Go avec une fenêtre de contexte déclarée de 256K, et il s’exécute dans Transformers avec un fine-tuning sur un seul GPU. La version Hugging Face inclut des notebooks pour le SFT, le DPO et le GRPO, dont un exemple concret d’entraînement du modèle à choisir le bon outil parmi 108 dans une application mobile. Si votre objectif est un petit extracteur spécialisé et fine-tuné qui vit sur la même machine que les données, le chemin du téléchargement au déploiement est vraiment court.

Qwen3.8-27B est un projet d’un autre genre. À environ 56 Go en BF16, il nécessite une machine multi-GPU ou une quantification agressive ; en 4 bits, il tient dans 14–16 Go, soit un GPU unique haut de gamme ou un ordinateur portable bien équipé, le cache KV faisant encore augmenter l’utilisation réelle de la mémoire. Il fonctionne dans Transformers, vLLM, SGLang et TokenSpeed. Si vous ne voulez pas posséder ce matériel, il est disponible en version hébergée — sur OrcaRouter, il est servi par deux fournisseurs en amont, à 0,33 $ par million de tokens d’entrée et 2,40 $ par million de tokens de sortie pour le premier, et à 0,40 $ / 4,21 $ pour le second.

Cet écart entre deux fournisseurs mérite qu'on s'y arrête, car c'est le genre de détail qui n'apparaît que lorsqu'on consulte un catalogue réel plutôt qu'un communiqué de presse. Mêmes poids, même fenêtre de contexte, mais un coût de sortie environ 75 % plus élevé chez le second fournisseur. OrcaRouter répercute le prix catalogue des fournisseurs avec 0 % de marge, ce qui permet de voir les deux prix côte à côte, et le basculement automatique fait qu'un incident chez un fournisseur se contourne de lui-même au lieu de remonter jusqu'à vos utilisateurs. Si vous évaluez Qwen3.8-27B comme voie d'escalade pour un pipeline qui démarre sur un petit modèle, c'est le segment que vous placeriez derrière une seule clé.

Pour être explicite sur l'autre moitié : OrcaRouter ne sert pas LFM3-1.7B. Il s'agit d'un téléchargement de poids, et l'exécuter revient à faire tourner votre propre point de terminaison sur votre propre matériel. La raison de nous mentionner dans cet article est le volet escalade, et non le petit modèle.

Qui devrait choisir lequel ?

La décision ne repose pas vraiment sur le tableau de benchmark. Elle repose sur deux questions auxquelles vous pouvez répondre avant d'exécuter quoi que ce soit.

Choisissez LFM3-1.7B si le travail est en un seul tour et lié à un schéma — extraction, classification, routage, sortie structurée, sélection d'outils sur l'appareil — et que les données ne peuvent pas quitter l'appareil. C'est aussi le bon choix si vous avez l'intention de faire du fine-tuning, car un modèle de 1,7B avec un parcours SFT/DPO/GRPO inclus et un budget d'un seul GPU est un projet de week-end plutôt qu'un trimestre. La fenêtre de 256K, les 16 langues et le comportement d'abstention pointent tous vers le même cas d'usage : un composant étroit, à fort volume et sensible à la confidentialité, où une mauvaise réponse est pire qu'aucune réponse, et où votre entreprise se situe sous la ligne de revenus.

Choisissez Qwen3.8-27B si le modèle doit planifier. Agents multi-étapes, travail en terminal, codage sur long horizon, tout cas où le modèle doit se remettre de ses propres erreurs sur une douzaine d’appels d’outils — l’écart de 5,6× sur Terminal-Bench n’est pas un problème de réglage, c’est la fiche du modèle qui vous dit la vérité. C’est aussi le bon choix lorsqu’il vous faut des connaissances plutôt que du format, lorsque vous avez besoin d’une entrée vision ou vidéo, et lorsque Apache 2.0 est une exigence plutôt qu’une préférence.

Et choisissez les deux si la réponse honnête est que votre pipeline comporte deux moitiés. Le modèle qui correspond à ce couplage est une première passe locale, peu coûteuse et liée au schéma, avec un chemin d’escalade vers le 27B lorsque la première passe décline — ce qui est exactement ce qu’un modèle qui s’abstient 93 % du temps est conçu pour signaler. Cette architecture utilise la meilleure ligne de chaque modèle et la pire d’aucun des deux.

Qu’est-ce qui changerait cette réponse ?

Deux choses, et dans les deux cas, mieux vaut observer que deviner.

La première est une évaluation indépendante de LFM3-1.7B. Toutes les affirmations de capacité ci-dessus reposent sur la suite interne de Liquid AI, et le checkpoint Base de cette famille est sorti sans aucun tableau de benchmarks — ce qui indique que les chiffres de la famille relèvent d'une histoire de post-entraînement, pas d'une histoire d'architecture. Une exécution neutre sur IFBench et Terminal-Bench confirmerait soit le clivage décrit dans cet article, soit le dissiperait.

Le second est de savoir si Liquid propose un modèle de texte plus grand sur cette architecture. Toute la comparaison est encadrée par un écart de paramètres de 16×, et le résultat en suivi d’instructions suggère que la recette d’entraînement fait plus de travail que le nombre de paramètres. Si un LFM3 de taille intermédiaire voit le jour, la question intéressante cesse d’être « un modèle de 1.7B peut-il suivre des instructions » — il en est déjà capable — et devient « que fait cette recette avec quatre milliards de paramètres ».

Jusqu'à ce que l'une de ces choses se produise, le résumé utile est plus restreint qu'un tableau de scores : LFM3-1.7B est un très bon suiveur d'instructions qui ne sait pas planifier, et Qwen3.8-27B est un très bon planificateur avec une licence sur laquelle on peut bâtir une entreprise. Choisir entre les deux n'est pas une question de benchmark. C'est une question de savoir laquelle de ces deux phrases décrit votre charge de travail.