Beam 1.0 לעומת LFM2.5 2.6B Base: מצע לא מוגמר וענק מוגמר

מודל שלא לימדו אותו לענות על שאלות מושווה למודל שלימדו אותו לתכנן. LFM2.5 2.6B Base הוא נקודת ביקורת (checkpoint) מאומנת-מראש בת 2.698 מיליארד פרמטרים של Liquid AI, שפורסמה ב-4 באוגוסט 2026 תחת רישיון LFM Open License v1.0 ותוארה במפורש כבסיס לכוונון עדין — הוא טקסטואלי בלבד, הוא 30 שכבות של קונבולוציה היברידית ותשומת לב של קבוצת שאילתות (grouped-query attention), והוא לא עבר אימון-המשך. Reflection Beam 1.0 הוא מודל תערובת-מומחים דליל (sparse mixture-of-experts) עם 501.3 מיליארד פרמטרים בסך הכול ו-23.4 מיליארד פעילים, שעבר אימון-המשך בשלבים מפוקחים ובשלבי חיזוק, ושוחרר כמשקולות להורדה ב-16 באוקטובר 2026 תחת Apache 2.0, בעקבות ההכרזה עליו ב-5 באוקטובר 2026. פער הגודל הוא 185 לאחד. הפער שבאמת מכריע את ההשוואה אינו הגודל — אלא שאחד מאלה הוא מצע גולמי שאליו מכוונים הרצת אימון, והאחר הוא מוצר שמגישים.

שניהם נמצאים ב-Hugging Face. שניהם ניתנים להורדה היום. שניהם מצפים שתספק את החומרה שלך. זו כל החפיפה, וקריאה שלהם זה מול זה היא דרך שימושית לראות עד כמה שונה אקוסיסטם המשקלים הפתוחים מתייג שני דברים שהוא משייך לאותו תג.

שתי ההוצאות, כפי שהמוציאים לאור שלהן מתארים אותן

LFM2.5 2.6B Base מכונה בשם המלא יותר LFM2.5-2.6B-Base. הכרטיס שלו מפרט 2.698 מיליארד פרמטרים בסך הכול, 30 שכבות שמתוכן 22 הן בלוקי קונבולוציה קצרה עם שער כפול ושמונה הן תשומת לב עם שאילתות מקובצות, תקציב אימון של 34 טריליון טוקנים, אוצר מילים של 128,000 טוקנים ואורך הקשר של 131,072 טוקנים. הוא מכסה 16 שפות. הוא אחד מזוג: Liquid AI מפרסמת גם את LFM2.5-2.6B, שעבר אימון לאחר מכן לעומסי סוכנים, וזהו הצ'קפוינט הגולמי שממנו נובע כל וריאנט במשפחה. המילים של הכרטיס עצמו לגבי מודל הבסיס הן שהוא הצ'קפוינט המאומן מראש, טקסט בלבד, ששימש ליצירת כל שאר הווריאנטים. שש-עשרה נגזרות מכווננות כבר קיימות תחתיו ב-Hub.

Beam 1.0 הוא הסידור ההפוך. Reflection מגיעה עם 501.3B פרמטרים בסך הכול, עם 23.4B פעילים לכל טוקן על פני 52 שכבות — שלוש שכבות צפופות ו-49 שכבות תערובת מומחים, 256 מומחים מנותבים שמונה בכל פעם בתצורה הזו. חלון ההקשר הוא 1,000,000 טוקנים. המודאליות היא טקסט בלבד, והכרטיס אומר זאת ללא הסתייגות. הוא מגיע בשלוש רמות דיוק, BF16, FP8 ו-NVFP4, ובנוסף דראפטר DFlash2 של 2B לפענוח ספקולטיבי. תבנית הצ'אט שלו מריצה פורמט Harmony מותאם עם ערוצי analysis ו-final, והגדרת מאמץ חשיבה עם שש רמות בעלות שמות. ארבעת מאגרי הקוד שלו פורסמו באותו יום, 16 באוקטובר 2026, ו-Artificial Analysis תיעדה את ההשחרור בעמוד המודל שלה כ-16 באוקטובר 2026.

קרא שוב את שתי הפסקאות האלה וצורת הדבר מתגלה. Liquid AI פרסמה רכיב. Reflection פרסמה מערכת גמורה עם פורמט תמסורת וחוגת מאמץ. את שניהם מכנים "פתוח", והמילה ממלאת שני תפקידים שונים.

הרישיון הוא המקום שבו השניים הכי פחות דומים.

זוהי ההשוואה שלא ניתן לקבל מספירת פרמטרים, והיא זו בעלת ההשלכה המעשית הגדולה ביותר.

Beam 1.0 הוא Apache 2.0. זהו רישיון מתירני סטנדרטי ללא הגבלות משתמשים, ללא סף משתמשים פעילים חודשיים וללא מסלול מסחרי נפרד. הורידו אותו, כווננו אותו, הפיצו מחדש את הנגזרת, מכרו את התוצאה. הכרטיס כולל גם Responsible Use Guide ודוח טכני בטיחותי נפרד, שהם מסמכי מדיניות ולא הגבלות רישיון — הם חלים על שימוש מקובל, לא על המשקלים.

LFM2.5 2.6B Base אינו כזה. ה-Hub מתייג אותו license:other ומכנה את הרישיון בשם LFM Open License v1.0. ההבדל המעשי אינו בכך שאחד מהם מתירני והאחר אינו — הרישיון של Liquid AI נכתב לשימוש פתוח — אלא שיש לקרוא את שני הרישיונות באופן שונה, ורק אחד מהם ניתן לסכם במשפט אחד. אם התוכנית שלך כוללת הפצה מחדש של נגזרת באופן מסחרי, הצד של Apache 2.0 בעמוד הזה אינו דורש ניתוח. הצד של LFM דורש שתקרא את הרישיון, משום שרישיון מותאם הוא בהגדרה מסמך שמישהו כתב במכוון.

האסימטריה הזאת פועלת בכיוון ההפוך בציר האחר. הצ'קפוינט של Liquid AI הוא 2.698 מיליארד פרמטרים של מודל טקסט צפוף, מה שאומר ששאלת הרישיון קשורה למשהו שאפשר להציב על GPU צרכני בודד או על התקן קצה. ההענקה של Reflection תחת Apache 2.0 קשורה למודל בן 501 מיליארד פרמטרים, שמשקולות ה-bfloat16 שלו מגיעות לבערך טרה-בייט, ושהגרסה שלו בארבעה ביטים עדיין מופיעה כ-255B. רישיון מתירני על מודל שאינך יכול לארח הוא סוג אחר של חופש לעומת רישיון מותאם אישית על מודל שאתה כן יכול.

מה המודל הבסיסי יכול ולא יכול לעשות

מאמר על צ'קפוינט בסיס חייב לומר זאת בפשטות, משום שזו הדרך הנפוצה ביותר שבה אנשים מבזבזים אחר צהריים. LFM2.5 2.6B Base לא עבר כיוונון להוראות. הוא ימשיך את הטקסט שלך. הוא לא יענה על שאלתך, לא ילך לפי הפורמט שלך, לא יפעיל את הכלי שלך ולא יעצור כשאתה רוצה בכך. זו נקודת מוצא שההתנהגות שלה היא בדיוק מה שתאמנו לתוכה, ו-Liquid AI אומרת זאת בתיאור המודל במקום להשאיר זאת להתגלות.

זה לא פגם וזו לא גרסה מצומצמת של Beam 1.0. ריצת האימון המקדים על 34 טריליון טוקנים והארכיטקטורה ההיברידית בת 30 השכבות הם המוצר; היעדר היישור הוא בדיוק העניין, מפני שיישור הוא תלוי-משימה, והמעבדה שמשחררת מודל בסיס מעבירה במכוון את ההחלטה הזו למי שהמשימה שייכת לו. שש-עשרה נגזרות ב-Hub הן איך שההסדר הזה נראה בפועל.

ההשלכה לגבי ההערכה היא שאין טבלת בנצ'מרקים להשוואה. הכרטיס של Beam 1.0 מכיל טבלה מלאה כזו — SWE-bench Verified 81.6% על BF16, Terminal Bench v2.1 80.1, GPQA Diamond 90.6, AIME 2026 97.7, LiveCodeBench 88.3, MCP Atlas 80.8, IFBench 79.6, כולם לפי דיווח הספק ואף אחד מהם לא שוחזר על ידי צד שלישי — מפני שהוא מודל שעבר אימון-המשך שנבנה לעומסי עבודה מוגדרים בשמם, וזו הראיה שהקונה שלו מבקש. ל-LFM2.5 2.6B Base אין כזו, בכוונה. אין מה לתת לו ציון: איכות הצ'קפוינט היא מה שהכיוונון העדין שלך עושה ממנה, ונקודת ההשוואה ההוגנת היא ריצת אימון, לא שורה בטבלת דירוג.

לאן הכסף הולך

אף אחד מאלה אינו בקטלוג של OrcaRouter. מה שאנחנו כן מנתבים הוא העולם המוגש סביבם: יותר מ-200 מודלים מאחורי מפתח בודד תואם OpenAI, מחיר המחירון של הספק מועבר הלאה במרווח של 0%, עם מעבר אוטומטי בין ספקים בעת כשל, כך שמסלול שמתדרדר מנותב מחדש במקום להיכשל. כדאי לציין זאת כאן מסיבה ספציפית, כי שני המודלים בעמוד הזה נמצאים בשני קצוות מנוגדים של אותה שאלת רכש.

LFM2.5 2.6B Base לא עולה כלום להורדה והכול להפעלה, במובן שהעלות היא ריצת אימון ומכשיר. Beam 1.0 לא עולה כלום להורדה והכול להפעלה, במובן שהעלות היא הגשת MoE של 501B, ובזמן כתיבת שורות אלה Reflection אינה מפרסמת תעריף API. Artificial Analysis מתעדת את שדות המחיר בדף של Beam כלא זמינים ומציינת שאין API זמין לציבור. שנים עשר ימים לאחר ההכרזה, למודל עם טבלת הבנצ'מרק של 501 מיליארד פרמטרים עדיין אין מספר כלשהו שצוות כספים יכול להשתמש בו.

עבור קורא שהדרישה האמיתית שלו היא הסקה השבוע על עומס עבודה שאף אחד מהמודלים אינו מעוצב עבורו — מסכם, מסווג, ממשק צ׳אט — ההחלטה אינה בין שני אלה. היא בין כיוונון עדין של 2.698 מיליארד פרמטרים בעצמך לבין שכירת משהו שכבר מיושר ומתומחר, והאפשרות השנייה היא זו שאפשר למדוד לפני שמתחייבים.

איזה אחד אתה בעצם מחפש

בחר את LFM2.5 2.6B Base אם הבעיה שלך צרה יותר מזו של עוזר כללי. הסיבה לבחור בצ׳קפוינט בסיס קטן היא שיש לך משימה, יש לך נתונים, ואתה מעדיף להחזיק בתוצר עצמו מאשר לשכור קריאה. חלון ההקשר של 131,072 טוקנים נדיב ביחס לגודל, כיסוי 16 השפות אמיתי, מחסנית הקונבולוציה ההיברידית נבחרה לשם תפוקה במכשיר, והרישיון מאפשר לך להפיץ את מה שתבנה. מה שאתה נרשם אליו הוא צינור הכוונון העדין, מערך ההערכה והחלטות היישור — שאף אחד מהם לא מסופק על ידי הצ׳קפוינט.

בחרו ב-Beam 1.0 אם המשימה שלכם היא אחת מאלה שהכרטיס שלו מציין: קידוד, שימוש בכלים, חשיבה בקנה מידה של מאגר קוד, ביצוע סוכני לטווח ארוך. טבלת ההערכה מכוונת ישירות לעבודה הזו, חלון ההקשר של מיליון טוקנים תואם לה, בניות ה-FP8 וה-NVFP4 הופכות את שיחת החומרה לישימה יותר ממה ש-501B מרמז, ורישיון Apache 2.0 מפנה את הדרך לנגזרת מסחרית. מה שאתם נרשמים אליו הוא תשתית הגשה, תקציב חשיבה שפועל כל הזמן שהתבנית לא תרשה לכם לכבות, והערכת עלות שעליכם לבנות בעצמכם כי הספק לא פרסם אחת.

שני המודלים אינם בתחרות, וההשוואה ביניהם שווה לעשות דווקא משום שהיא מראה כמה מעט "משקלים פתוחים" אומרים לך בפני עצמם. מפרסם אחד העביר רכיב ותקציב אימון; האחר העביר מערכת עם פרוטוקול תקשורת ורישיון שאפשר להדביק בסקירה משפטית. לקרוא איזה מהם הוצע לך לפני שאתה מוריד אותו זה רוב העבודה.

מה היה משנה את התמונה

מחיר API מפורסם של Beam 1.0, או פריסת FP8 מתארחת עם לוח תעריפים, יעבירו את המודל הזה מהעמודה של "לבנות אומדן" לעמודה של "להשוות את המספרים", וזו השורה היחידה החסרה בתיעוד שלו. בנצ'מרק בלתי תלוי על המשקלים של Beam — שאפשרי כעת, מאחר שהם פומביים — יעניק לטבלת הספקים שופט, וזה מה ש-LFM2.5 2.6B Base לעולם לא יוכל לקבל כי אין עדיין מה לדרג. עד שאחד מאלה יגיע, הסיכום המדויק הוא שצ'קפוינט בסיסי עם 2.7 מיליארד פרמטרים ו-MoE שעבר פוסט-אימון עם 501 מיליארד פרמטרים שניהם ניתנים להורדה בחינם, ושניהם יקרים להפעלה במטבעות שונים לחלוטין, ואף אחד מהם אינו תחליף לשני.

השוואות כמו זו הן גם המקום שבו מצבי הכשל מתגלים: תקריות AI מתועדות וכשלי סוכנים שמאחורי מודלים מהסוג הזה נאספים בארכיון תקריות AI של OrcaRouter, שבו כל רשומה נושאת את מקורותיה, החומרה, דירוג הביטחון ודגל המחלוקת שלה.