
Clef-Flash לעומת LFM2.5 2.6B Base: שני מודלים המכונים "קטן", שלושה סדרי גודל זה מזה
- OrcaחדשOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 לכל 1M טוקנים · 186 tok/s
- openaiחדשOpenAI: GPT-6.2 Astra2026-11-17$8.00 / $40.00 לכל 1M טוקנים · 86 tok/s
- openaiחדשOpenAI: GPT-6.2 Sol2026-11-17$2.00 / $10.00 לכל 1M טוקנים · 151 tok/s
- tencentחדשTencent: Hy4 Flash2026-11-16$0.02 / $0.07 לכל 1M טוקנים · 192 tok/s
- AlibabaחדשQwen: Qwen4 Max2026-11-16$1.50 / $4.50 לכל 1M טוקנים · 86 tok/s
- GoogleחדשGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 לכל 1M טוקנים · 705 tok/s
- AnthropicחדשAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 לכל 1M טוקנים · 246 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 לכל 1M טוקנים · 97 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 לכל 1M טוקנים · 138 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 לכל 1M טוקנים · 85 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 לכל 1M טוקנים · 122 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 לכל 1M טוקנים · 102 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 לכל 1M טוקנים · 70 tok/s
- openaiOpenAI: GPT-6.1 Terra2026-10-26$1.00 / $5.00 לכל 1M טוקנים · 35 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 89 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 38 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447אינטליגנציה
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 לכל 1M טוקנים · 231 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929אינטליגנציה
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 לכל 1M טוקנים · 101 tok/s
גרסת ה-build של clef-flash שרוב האנשים בפועל מורידים היא 11 GB. LiquidAI/LFM2.5-2.6B-Base פועל בפחות מ-2.5 GB של זיכרון. שני המודלים מתוארים כקטנים, מהירים ויעילים על ידי המעבדות שיצרו אותם, ושתי התיאורים מדויקים — וזו בדיוק הסיבה שההשוואה מועילה, מפני ששתי המילים עושות עבודה שונה לחלוטין. Cloudflare/clef-flashהוא מודל החלטות מולטימודלי עם 9B שמשיב לשאלות מוקלדות בהסתברויות מכוילות ולעולם לא כותב טוקן; הוא זקוק ל-GPU בדרג H200 כדי להשיג חביון חציוני של 38.8 ms על הכרטיס שלו עצמו, והמסר השיווקי של Cloudflare עבורו הוא הסקת קצה בתוך הרשת שלהם. LFM2.5 2.6B Base הוא צ׳קפוינט טקסט מאומן מראש ש-Liquid AI פרסמה ב-1 באוגוסט 2026 כדי שמישהו אחר יוכל לכוונן אותו, ויעד הפריסה המיועד שלו הוא מחשב נייד.
אף אחד מהם אינו מודל שפה שהיית מכניס לחלון צ׳אט. שניהם זולים. הבחירה ביניהם היא לא באמת בחירה לגבי איכות — היא בחירה בשאלה מהו תקציב החומרה שלך והאם הדבר שאתה בונה כבר יודע איך נראות התשובות שלו.
השיחה על טביעת הרגל, במספרים
התחל ממה שהמכונות באמת צריכות, כי זה הציר שבו השניים הכי רחוקים זה מזה.
• פרמטרים — Clef-Flash הוא עמוד שדרה קפוא של Qwen3.5-9B עם מקודד הראייה שלו בתוספת ראש סכימה משותף בנפח 243.5 MB; LFM2.5 2.6B Base הוא 2.69 מיליארד פרמטרים, טקסט בלבד.
• דיסק וזיכרון — הבילד הקהילתי של clef-flash הוא 11 GB; המאגר המלא של Hugging Face הוא כ-18.8 GB על פני ארבעה שברי backbone בתוספת ה-head. LFM2.5 2.6B Base מוערך בפחות מ-2.5 GB זיכרון להסקה, ומבני GGUF, ONNX ו-MLX מכומתים מתפרסמים לצידו.
• השהיה — Clef-Flash: 38.8 מ״ש חציון, 122.4 מ״ש p95, נמדד על ידי Cloudflare על H200 בודד. LFM2.5 2.6B, האח שעבר אימון המשך של נקודת ביקורת בסיס זו, פועל בקצב של 220 אסימונים לשנייה על Apple M5 Max ו-113 tok/s על CPU של AMD Ryzen.
• הקשר — 65,536 טוקנים עבור Clef-Flash לפי התיעוד של Workers AI מבית Cloudflare; 131,072 טוקנים עבור LFM2.5 2.6B Base.
• רישיון — Apache-2.0 עבור clef-flash; רישיון LFM 1.0 עבור LFM2.5, שהמשקולות שלו פתוחות אך אינו רישיון קוד פתוח מאושר על ידי OSI, וההבדל הזה חשוב אם אתם משיקים מוצר ולא רק מתנסים.
שתי שורות ההשהיה האלה לא מודדות את אותה יחידה ולא כדאי לחסר ביניהן. אבל כשקוראים אותן יחד הן אומרות בפשטות את המובן מאליו: Clef-Flash הוא רכיב של מרכז נתונים שסביבת הריצה ה-vendored שלו נמצאת במקרה גם על רשת קצה, ו-LFM2.5 2.6B הוא רכיב למכונה שעל השולחן שלך.
מדוע נקודת הביקורת הבסיסית היא סוג שונה של אובייקט
המילה "Base" בשם היא נושאת משקל, והכרטיס של Liquid AI עצמה גלוי באופן יוצא דופן לגבי זה. LFM2.5-2.6B-Base הוא צ'ק פוינט מאומן מראש לטקסט בלבד, 30 שכבות המסודרות כ-22 בלוקים של קונבולוציה קצרה עם שער כפול ו-8 בלוקים של קשב עם שאילתות מקובצות, מאומן על 34 טריליון טוקנים על פני אוצר מילים של 128,000 טוקנים בשש עשרה שפות. הוא "מומלץ רק למשימות הדורשות כיוונון עדין כבד" — עבודה ספציפית לשפה, עוזרים ספציפיים לתחום, אימון על נתונים קנייניים. הכרטיס שלו אומר זאת במפורש.
Clef-Flash הוא ההפך מזה. הוא גמור. האימון הושלם, ראש הסכימה מוברג עליו, חוזה ה-API פורסם, והמודל מתארח ברשת הקצה של הספק עצמו במחיר נקוב. אתה לא מכוונן אותו; אתה קורא לו, או שאתה מוריד אותו וקורא לו מקומית. יש מוצר כיוונון עדין שמצורף למשפחה — Cloudflare השיקה אחד לצד המודלים — אבל שימוש ב-clef-flash לא מחייב אותו, וזה העניין.
אז הניסוח הכנה הוא שאלה הם שני שלבים משני צינורות שונים. האחד הוא מרכיב והאחד הוא רכיב. אם המשימה שלך היא "יש לי 40,000 פניות תמיכה מתויגות ואני רוצה מסווג מהיר ייעודי לתחום שרץ על המכונות שלנו", LFM2.5 2.6B Base היא נקודת התחלה סבירה ו-clef-flash אינה, מכיוון שאי אפשר לכוונן את ראש ההחלטה של clef-flash ליכולת שפה שאין לה — אין לה כלל מסלול פלט שפה. אם המשימה שלך היא "אני צריך לנתב בקשה לאחת משש קטגוריות בפחות מ-50 אלפיות השנייה עם הסתברות שאוכל לקבוע לה סף", clef-flash עונה על השאלה הזאת ללא התאמה ו-LFM2.5 2.6B Base לא עונה עליה בשום צורה.

החלק שבאמת משותף
יש חפיפה אמיתית אחת, וכדאי לדייק לגביה, כי זה המקום שבו ההשוואה מפסיקה להיות טריוויאלית.
כללן שעבר אימון-משך — LFM2.5 2.6B, או כל מודל instruct קטן — יכול להיות מונחה להחזיר סיווג מובנה. תנו לו סכמת JSON, בקשו תווית ורמת ביטחון, נתחו את הפלט. אנשים עושים את זה כל הזמן. השאלה היא מה מקבלים כשעושים זאת.
מה שאתה מקבל הוא רצף טוקנים שבמקרה מכיל תווית שאתה יכול לחלץ, בתוספת מספר שהמודל כתב על עצמו. הביטחון הזה הוא טוקן שנדגם, לא softmax על פני תשובות מועמדות, והוא אינו אומר את מה שהסתברות מכוילת אומרת. כרטיס המודל של Clef-Flash מקפיד במפורש לגבי הנתון האנלוגי ב-API שלו — ביטחון "מראה עד כמה ההסתברויות מרוכזות. זו אינה ההסתברות שהתשובה נכונה" — והוא יכול להרשות לעצמו זאת, משום שהכמות הבסיסית היא התפלגות אמיתית על פני האפשרויות שסיפקת. למודל כללי שעבר פרומפט אין התפלגות כזו לחשוף. יש לו משפט שאומר 0.85.
האם ההבחנה הזו שווה 11 GB ו-H200 תלויה לחלוטין במה שאתה עושה עם המספר. אם התווית נכנסת ללוח מחוונים, מודל 2.6B עם פרומפט הוא בסדר וזול יותר בכל מדד. אם התווית משמשת כשער לפעולה בלתי הפיכה — הוצאת החזר, חסימת חשבון, הסלמת אירוע אבטחה — ההבדל בין ציון מכויל לבין מחרוזת שנראית סבירה הוא ההבדל בין סף שאתה יכול להצדיק בפני מבקר לבין סף שאתה לא יכול.

היכן ניתן להשיג כל אחד מהם
אף אחד משני המודלים אינו נמצא ב-OrcaRouter. הקטלוג שלנו אינו כולל את clef-flash, ואינו כולל את LFM2.5 2.6B Base או כל צ'קפוינט אחר של Liquid AI — תוכלו לאמת את שניהם באמצעות פנייה ל-API המודלים שלנו וקבלת 404. שום דבר במאמר זה אינו הצהרת זמינות מצדנו.
Clef-Flash זמין ב-Workers AI של Cloudflare תמורת $0.09 למיליון טוקני קלט, או כמשקולות Apache-2.0 שאתם מריצים בעצמכם. LFM2.5 2.6B Base נמצא ב-Hugging Face עם בניות מכומתות עבור llama.cpp, ONNX Runtime ו-MLX, וכן סביבת ההתנסות והתיעוד של Liquid AI עבור המשפחה. אם אתם רוצים מודל החלטות שזמין בקטלוג שלנו היום, זה שנמצא שם הוא Jev 1.13 של TypeSafe — אותו מבנה בקשה, הקשר של 65,536 טוקנים, $0.042 למיליון טוקני קלט — ו-clef-flash נבנה להיות תחליף ישיר עבורו, מה שאומר שניסיון של אחד מהם הוא שינוי קונפיגורציה ולא כתיבה מחדש. שניהם קוראים לאותה מחלקת נקודת קצה, כך שאם אתם כבר מנתבים דרך מפתח אחד כשמחיר המחירון של הספק מועבר הלאה ללא תוספת, ההשוואה היא ניסוי שתוכלו להריץ היום אחר הצהריים ולא הגירה שתצטרכו לתכנן.

איזה מהם שייך לסטאק שלך?
עץ ההחלטות קצר. אם התשובות שלך הן רשימה סופית שאתה יכול לרשום מראש, ואתה צריך הסתברות שמשמעותה משהו, ויש לך החומרה או הנכונות לשלם לפי קריאה — clef-flash הוא הרכיב המוגמר ו-LFM2.5 2.6B Base אינו מועמד. אם התשובות שלך פתוחות, או שהדבר שאתה באמת צריך הוא מודל שפה קטן שאתה יכול לעצב עם הנתונים שלך ולהריץ על מחשב נייד, LFM2.5 2.6B Base הוא נקודת ההתחלה ו-clef-flash לא יכול לעזור לך בכלל.
המקום שבו אנשים טועים בזה הוא האמצע: לבנות מסווג מוגבל על ידי פרומפטינג למודל כללי קטן, כי זו הדרך הקלה ביותר וזה עובד בדמו. זה עובד בדמו. זה מפסיק לעבוד ברגע שאתה צריך שהמספר יהיה מספר, ועד אז הסכימה, הפרומפטים וקוד הניתוח הם כולם נושאי עומס.
אזהרה אחת לגבי הצד של clef-flash, שתיאמר בפשטות מפני שזה הנתון החלש ביותר של הספק עצמו: ב-CLINC150 עם טיפול מחוץ לתחום, שבו התשובה הנכונה היא לפעמים "זה לא מתאים לאף אחת מהקטגוריות שלך", clef-flash משיג 66.8 macro-F1 לעומת 97.4 של האח הגדול יותר שלו, 27B. סכימה תחומה היא יתרון עד שהקלט לא מתאים לה, והמודל יסווג בכל זאת. באיזו דרך שתבחר, בנה את מחלקת השארית במכוון ובדוק מה נופל לתוכה.
