Sakana Namazu vs LFM2.5-2.6B-Base : le vrai prix des poids gratuits

LFM2.5-2.6B-Base coûte 0,00 $ à télécharger. Sakana Namazu coûte 0,95 $ par million de jetons d'entrée et 4,00 $ par million de jetons de sortie. À lire ces deux étiquettes de prix, on conclurait que la comparaison est terminée avant même de commencer — mais la différence de prix réelle va dans l'autre sens. LFM2.5-2.6B-Base, le checkpoint pré-entraîné de 2,69 milliards de paramètres de Liquid AI, publié sur Hugging Face le 4 août 2026, n'est pas un produit : aucun fournisseur d'inférence ne l'héberge, il ne compte aucune évaluation publiée, et sa propre fiche le qualifie de matériau destiné au fine-tuning. Sakana Namazu, en revanche, est une API finie, servie et outillée. La question est de savoir ce que vous êtes réellement prêt à payer — en argent ou en travail.

Ce que chacun est réellement

Sakana Namazu est un Kimi K2.6 post-entraîné, ajusté pour le langage des affaires japonais, enveloppé dans une API compatible OpenAI avec recherche web et exécution de code intégrées. Vous changez un base_url, définissez une clé, et ça fonctionne. LFM2.5-2.6B-Base est le point de contrôle de pré-entraînement brut derrière la famille LFM2.5-2.6B de Liquid — la matière à partir de laquelle le jumeau agentique post-entraîné est construit. La propre fiche de Liquid est explicite : la base existe pour un fine-tuning intensif, et son tableau de benchmarks appartient à la version post-entraînée, pas à celle-ci.

La fiche technique

• Prix — Sakana Namazu 0,95 $ / 4,00 $ par million de jetons, contre LFM2.5-2.6B-Base 0 $ à télécharger, tout en libre-service

• Taille — Namazu hérite du MoE 1T / 32B-actifs de Kimi K2.6, contre LFM2.5-2.6B-Base 2,69B hybride dense (22 blocs convolutifs + 8 couches d'attention)

• Contexte — Namazu non divulgué vs LFM2.5-2.6B-Base 128K tokens (131 072 par config)

• Hébergement — Namazu servi par Sakana vs base LFM hébergée par personne — vous construisez la pile de service

• Évaluations — scores rapportés par le fournisseur Namazu vs scores publiés de LFM base zero

• Langue — Namazu optimisé pour le business japonais vs LFM base multilingue (16 langues, vocabulaire de 128 000 tokens)

Faire le calcul du coût total

« Poids gratuits » est un prix réel, il est simplement libellé en travail. Pour amener LFM2.5-2.6B-Base à faire un travail, il vous faut : une session de fine-tuning (les calculs de Liquid — environ 10 $ de tokens pour un ensemble supervisé de 100K exemples, environ 100 $ pour 1M d'exemples), une pile d'inférence (vLLM, SGLang ou llama.cpp sur un appareil que vous possédez), et un service en continu. L'avantage, c'est que le compteur s'arrête : après la construction, chaque token est gratuit, ce qui fait de la base le gagnant incontesté pour les charges de travail à volume élevé, toujours actives et tolérantes à la latence. Le compteur de Namazu ne s'arrête jamais, mais il démarre instantanément — pas de session d'entraînement, pas de GPU, pas d'ops. Pour une intégration ponctuelle, ou une charge de travail où le temps de votre équipe est le principal poste de coût, le modèle « gratuit » est celui qui coûte cher.

Les licences qui lient

Les petites lignes jouent aussi contre le modèle gratuit. LFM2.5-2.6B-Base est distribué sous la LFM Open License v1.0, qui plafonne l'utilisation commerciale à 10 millions de dollars de revenus annuels — et applique ce plafond aux œuvres dérivées, ce qui signifie que votre modèle affiné en hérite. Franchissez ce seuil et vous devrez une licence commerciale à Liquid. Sakana Namazu n'a pas de tel plafond, mais il est fermé, et ses paramètres par défaut de traitement des données (entraînement sur vos entrées sauf si vous vous désinscrivez, aucun traitement garanti limité au Japon) sont le prix de la commodité hébergée. Ni l'un ni l'autre n'est gratuit au sens où l'étiquette le laisse entendre.

Le fossé des agents

La différence la plus nette réside dans la finalité des deux modèles. LFM2.5-2.6B-Base est un modèle de base — le substrat brut à partir duquel le modèle agentique post-entraîné de Liquid est dérivé. Ce n'est pas un agent ; ce n'est même pas un modèle instruct. Sakana Namazu est un produit agentique : recherche web intégrée, exécution de code et une boucle autonome démontrée (la démo de Sakana le montre en train de planifier un rapport d'étude de marché, de rechercher, de recouper les informations et de le rédiger sans supervision). Si la tâche consiste à « faire tourner un modèle 2.6B que vous avez affiné pour une tâche étroite à fort volume », le modèle de base l'emporte. Si la tâche consiste à « confier un travail de connaissance à un agent », Namazu est le seul des deux à se présenter avec des outils.

Alors, lequel est le moins cher ?

La réponse honnête est que les deux ne se substituent pas l'un à l'autre — la base est un composant, et Namazu est un produit — si bien que la vraie décision porte sur ce dont votre stack a besoin ensuite. En pratique, aucun des deux ne vit seul : un spécialiste 2.6B affiné finit par côtoyer un modèle d'agent généraliste, et une couche de routage est ce qui permet de garder cette réalité multi-modèles sous contrôle. La fusion de modèles et le DSL de routage d'OrcaRouter vous permettent de composer plusieurs modèles en un seul appel — la voie médiane pragmatique entre « servir vous-même un checkpoint 2.6B » et « acheter l'API d'un seul fournisseur » — et, comme nous répercutons les prix des fournisseurs sans aucune marge, la facturation reste prévisible pendant que la composition change. Commencez par Sakana Namazu si vous voulez un agent opérationnel pour les affaires japonaises dès aujourd'hui ; commencez par LFM2.5-2.6B-Base si vous êtes prêt à construire le produit vous-même et à en amortir le développement sur des milliards de tokens gratuits.