Ember-1 לעומת LFM2.5 2.6B Base: התנהגות מוגמרת כנגד מצע גולמי

לא Ember-1 ולא LFM2.5 2.6B Base הם מודלים שאפשר פשוט להרים ולהתחיל להשתמש בהם, והם בלתי שמישים מסיבות הפוכות. Ember-1, שפורסם על ידי Fireworks Research ב-23 בספטמבר 2026, הוא נגזרת מתמחה של Kimi K3 מבית Moonshot AI, שאותה אימנה המעבדה מחדש כדי להגיע לדיוק של K3 בכ-40% פחות טוקנים — התנהגות מוגמרת, הזמינה רק כתצוגת מחקר בפלטפורמה חסרת השרתים של הספק עצמו, ללא משקלים וללא מחיר מפורסם. LFM2.5 2.6B Base, שפורסם על ידי Liquid AI ב-4 באוגוסט 2026, הוא צ'קפוינט מאומן-מראש בעל 2.69 מיליארד פרמטרים תחת LFM Open License v1.0, שלא עבר כיוונון הוראות כלל, וימשיך את הטקסט שלכם במקום לענות על שאלתכם — מצע גולמי, שניתן להורידו עוד היום, ובלתי גמור במכוון. קריאה שלהם זה לצד זה היא דרך טובה לראות את שתי הטענות המושמעות בנוגע למקור שממנו מגיעים כיום שיפורי היעילות.

השאלה ששני המודלים עונים עליה

שתי ההשקות יוצאות מאותה הנחה: שההישגים הזולים מהגדלת מודל כבר הושגו ברובם, והעבודה המעניינת עברה לאופן שבו מודל מנצל את מה שכבר יש לו. שתי המעבדות עונות על כך באופן שונה. Fireworks Research לקחה מודל חזיתי קיים ושינתה את התנהגותו. Liquid AI בנתה מודל קטן מאפס ושינתה את הסקאלה. אף אחת מהן אינה סיפור של ארכיטקטורה חדשה, ואף אחת מהן לא מנסה לעמוד בראש טבלת המובילים.

תשובת Ember-1: לשמור על המודל, לאמן מחדש את ההתנהגות

Ember-1 משאיר את הארכיטקטורה של Kimi K3 ללא שינוי ותוקף חוסר יעילות ספציפי אחד. מודלים של הסקה יכולים לשרוף יותר מ-90% מהטוקנים שנוצרו על ידי התלבטות פנימית, ובלולאת סוכן מרובת-תורות העקבות האלה מושמעות מחדש ומחויבות מחדש בכל תור עוקב — Fireworks Research מתארת את הצמיחה של ההקשר שנוצרת כתוצאה מכך כבערך ריבועית במספר התורות. הטענה של המעבדה היא שההסקה של K3 ארוכה מהנדרש למשימה וניתן להסיר את העודף מבלי לשנות את התשובות. היא מדווחת על הרצת יותר מ-50 ניסויי אימון ויותר מ-200 הערכות על תשתית האימון חסרת השרת שלה, ואומרת שאורך ההסקה ירד ב-35–50% ללא אובדן דיוק בשבעה בנצ'מרקים ושתי קבוצות תעבורת ייצור של לקוחות. כל זה מדווח על ידי הספק ולא שוחזר.

התוצאות אינן אחידות באופן שנתון הכותרת מסתיר. ההפחתות בטוקנים של Ember-1 נעות בין 51.9% ב-Terminal Bench 2.1 ל-5.9% ב-τ-2 Bench Airline. בהשוואת A/B של קידוד בסביבת ייצור של לקוח אחד, טוקני הפלט ירדו מ-49.3K ל-29.9K בעוד הציון נשמר על 0.753 לעומת 0.751 — קיצוץ של 71.3% בטוקני החשיבה. זהו אפקט גדול על צורת עומס עבודה אחת וכמעט בלתי נראה על אחרת, וזה בדיוק מה שהייתם מצפים ממודל שאומן להפסיק לחשוב יותר מדי ולא לחשוב פחות.

התשובה של LFM2.5 2.6B Base: לשנות את הסקאלה, לשמור על המתכון

LFM2.5 2.6B Base הוא הימור מסוג אחר. זוהי הארכיטקטורה ההיברידית של Liquid AI בקנה מידה קטן: 30 שכבות, מתוכן 22 בלוקים של קונבולוציה קצרה עם שער כפול ו-8 שכבות קשב מסוג Grouped-Query Attention, שאומנו על כ-34 טריליון טוקנים ב-16 שפות, עם חלון הקשר של 131,072 טוקנים. הצ'קפוינט כולו הוא 2.69B פרמטרים צפופים — קטן מספיק כדי שהשיחה על עלות תפסיק להיות על טוקנים ותתחיל להיות על איזה GPU בודד יש לך פנוי.

מה שהופך אותו ליוצא דופן הוא מה שהוא במכוון לא עושה. אין כיוונון הוראות, שזו כל הנקודה של הסיומת "Base": תנו לו שאלה והוא ימשיך טקסט בסגנון השאלה במקום לענות עליה. כרטיס המודל של Liquid AI עצמה ממליץ עליו למשימות הדורשות כיוונון עדין כבד. כמו כן, אין הערכה מפורסמת שלו, וזו אינה השמטה — הערכת נקודת ביקורת בסיסית על מדדי ביצוע של ביצוע הוראות לא תמדוד דבר, כי ההתנהגות הנמדדת טרם אומנה.

הניגוד, שורה אחת לכל ממד

• מה זה — Ember-1: נגזרת שאומנה מחדש של Kimi K3 עם חשיבה מקוצרת. LFM2.5 2.6B Base: צ'קפוינט שאומן מראש מאפס ללא כיוונון הוראות.

• פרמטרים — Ember-1: לא נחשף; בירושה מ-Kimi K3. LFM2.5 2.6B Base: 2.69B צפוף.

• משקלים — Ember-1: לא פורסמו. LFM2.5 2.6B Base: זמין תחת LFM Open License v1.0.

• מחיר — Ember-1: לא פורסם; מחירי הבנצ'מרק בדולרים מבוססים על תעריפון של Kimi K3. LFM2.5 2.6B Base: חינם להורדה; את החומרה אתה מספק.

• הקשר — Ember-1: לא פורסם עבור התצוגה המקדימה. LFM2.5 2.6B Base: 131,072 אסימונים.

• הערכה שפורסמה — Ember-1: שבעה מבחני ביצוע ושני מבחני A/B, כולם הורצו על ידי הספק. LFM2.5 2.6B Base: אין, באופן מכוון.

• מה שמקבלים בסוף — Ember-1: נקודת קצה שמייצרת הסקה קצרה יותר ברמת דיוק של K3. LFM2.5 2.6B Base: נקודת מוצא שההתנהגות שלה היא בדיוק מה שתאמנו אותה לעשות.

שני סוגים שונים של חוסר

הפערים בשתי מהדורות אלה נראים סימטריים, אך הם אינם. ההערכה החסרה של LFM2.5 2.6B Base היא תכונה של הארטיפקט: לנקודת ביקורת בסיס אין התנהגות לדירוג, והיעדר כיוונון ההוראות הוא תכונה מתועדת ולא חוסר. ההיעדרות אינה יוצרת אי-ודאות מסחרית, מפני שמה שאתה קונה הוא קובץ עם רישיון מצורף, והתוצר מושלם ברגע שההורדה מסתיימת.

החלקים החסרים של Ember-1 נותרו באמת בלתי פתורים. אין מחיר מפורסם, ולכן טענת העלות היא אריתמטיקה על כרטיס התעריפים של Kimi K3 ולא תעריף שאפשר לתקצב לפיו. אין שחרור משקולות, ולכן המודל לא יכול לשרוד מעבר להחלטת הספק להמשיך לשרת אותו. וחלון הגישה מתואר כזמני: Fireworks Research מציגה את פרסומי המחקר שלה כחלונות ללא שרת של שבועיים, שקביעותם תלויה בביקוש קהילתי. תצוגה מקדימה שאולי לא תתקיים בחודש הבא היא הצעה שונה מתצוגה מקדימה שסך הכול לא הוכחה, והשוואת ה-A/B של הלקוח השני בהודעה — בערך 35% פחות טוקנים לכל משימה — אומרת לך למה המעבדה מצפה, לא מה עדיין יהיה נגיש בנובמבר.

האסימטריה הזו היא התשובה הכנה לשאלה "איזה מהם מוכן יותר". אף אחד מהם אינו מוכן במובן של להיות תלות ייצור שאפשר להטמיע מיד. LFM2.5 2.6B Base מוגמר כחומר גלם ולא מוגמר כמודל. Ember-1 מוגמר כמודל ולא מוגמר כשירות.

מה לעשות עם כל אחד ברבעון הזה

אם יש לך צינור כיוונון עדין ומשימה צרה עם תוויות נקיות, LFM2.5 2.6B Base הוא הצפוי יותר מבין השניים. נקודת הבדיקה קטנה, הרישיון מתירני, הארכיטקטורה תוכננה להיות יעילה בהסקה, והעבודה להפוך אותו למשהו שימושי — כיוונון עדין מפוקח, ערכת הערכה, מחסנית הגשה — היא עבודה שכבר נמצאת בבעלותך מקצה לקצה. בין כך ובין כך תריץ הערכות משלך, כי Liquid AI לא פרסמה אף אחת.

אם יש לך עומס סוכן מתארח שהחשבון שלו נשלט על ידי טוקנים של הסקה, Ember-1 מתייחס למונח אמיתי במשוואת העלויות שלך, וכדאי להשקיע את השבועיים. הבדיקה הנכונה היא תעבורת צל מול הספק הקיים שלך: שלח חלק מהבקשות האמיתיות לשניהם, השווה פלטים, ואל תיגע בתוצאות החיות. זו גם העצה שסיקור ביקורתי בלתי תלוי של השחרור נתן, לצד אזהרה הוגנת — דחיסת התלבטות מסכנת איבוד שלב שהמודל נזקק לו, ובסוכן זה מתבטא מאוחר יותר כקריאה שגויה לכלי ולא כמשפט שגוי.

אף אחד מהמודלים אינו נמצא ב-OrcaRouter. אם ברצונך לבחון את התבנית ולא את שני הארטיפקטים האלה — מודל קטן שניתן לכוונן ומודל הסקה גדול המתארח, בצינור עיבוד אחד — בדיוק לשם כך נועד ה-DSL לניתוב: לחבר כמה מודלים לקריאה אחת ולתת לכל אחד לטפל בחלק שבו הוא טוב, מאחורי מפתח אחד וחשבון אחד. ההשוואה כאן ראויה להיעשות ברמת הארכיטקטורה גם כששתי נקודות הקצה הספציפיות נותרות מחוץ להישג יד.

העסקה, שנאמרה פעם אחת

Ember-1 מוכר ודאות בהתנהגות ואי-ודאות באספקה: מודל שאיכותו נדונה בקפידה וזמינותו מותנית במפורש. LFM2.5 2.6B Base מוכר ודאות באספקה ואי-ודאות בהתנהגות: קובץ שתמיד יהיה לך ושהכשירות שלו היא פונקציה בלעדית של האימון שהזנת בו. צוותים עם בעיית הגשה וללא יכולת אימון צריכים לצפות בתצוגה המקדימה ולקוות שהיא תהפוך לקבועה. צוותים עם יכולת אימון ומשימה צרה צריכים להוריד את הבסיס ולהפסיק לחכות למפת הדרכים של מישהו.

מה שהזיווג הזה באמת מראה הוא ש"יעילות" הפסיקה להיות בעלת משמעות אחת. עבור Ember-1 משמעות הדבר היא פחות טוקנים באותה איכות על החומרה של מישהו אחר. עבור LFM2.5 2.6B Base משמעות הדבר היא מודל קטן מספיק עד שהחומרה מפסיקה להיות של מישהו אחר בכלל. שתי אלה תשובות טובות והן אינן ניתנות להחלפה זו בזו.