Kolibri מול LFM2.5 2.6B Base: פריסה ריבונית של 78B כנגד צ'קפוינט בגודל טלפון

הצב את Kolibri לצד LFM2.5 2.6B Base והקריאה המתבקשת היא דוד וגוליית: 78.1 מיליארד פרמטרים מול 2.69 מיליארד, רצפת פריסה של שני כרטיסי GPU מול מודל שלדברי Liquid AI רץ על טלפון. הקריאה המתבקשת שגויה, ולא בכיוון שהייתם מצפים. אף אחד מאלה אינו מודל שאפשר להצביע עליו למשימה היום. Kolibri שוחרר על ידי Aleph Alpha ב-3 באוקטובר 2026 כעוזר גרמני-אנגלי שלם, שעבר אימון המשך, עם קריאה לכלים, עם תוסף הגשה ותצורת דגימה מומלצת. LFM2.5 2.6B Base, שפורסם על ידי Liquid AI בתחילת אוגוסט 2026, הוא צ׳קפוינט מאומן מראש ללא כיוונון הוראות כלל, ששוחרר במיוחד כדי לעבור כיוונון עדין. האחד הוא מוצר שפורסים. האחר הוא חומר גלם. השוואת האיכות שלהם היא שגיאת קטגוריה, והשאלה המעניינת היא איזה סוג של חומר גלם הפרויקט שלכם באמת צריך.

הפער שמכריע ברוב תהליכי הרכש האמיתיים בין שני אלה אינו פרמטרים. הוא הרישיון. Kolibri מופץ תחת Apache 2.0. LFM2.5 2.6B Base מופץ תחת LFM Open License v1.0, רישיון מותאם אישית (כרטיס המודל מסווג אותו כ"license: other"), וההבדל הזה הוא זה שמגיע לצוות משפטי ולא לצוות הנדסי.

שתי משמעויות שונות של "משקלים פתוחים"

שני המודלים מאפשרים לך להוריד את המשקלים ולהריץ אותם. מה שמותר לך לעשות לאחר מכן — שם דרכיהם נפרדות.

• Kolibri — Apache 2.0, ללא תוספת שימוש מקובל, ללא סף למספר משתמשים, ללא תנאים מסחריים נפרדים. הכרטיס של Aleph Alpha מציין רק שהמעבדה היא חתומה על קוד ההתנהגות של EU GPAI.

• LFM2.5 2.6B Base — רישיון LFM Open License v1.0, שהוא הרישיון של Liquid AI עצמה ולא רישיון תקני של OSI. זהו אותו רישיון שחל על LFM2.5 2.6B שעבר אימון־המשך ועל שאר המשפחה.

עבור צוות מחקר, כל אחד מהם מתאים. עבור ארגון שצריך להצהיר על מצב הרישוי שלו במסמך רכש, האחד הוא נתון ידוע והאחר הוא מסמך שמישהו צריך לקרוא. זו עלות אמיתית, היא משולמת לפני שנוצר אפילו טוקן אחד, והיא בלתי נראית בכל טבלת בנצ'מרק.

יש הבחנה שנייה באותה קטגוריה, והיא זו שהכרטיס של Liquid AI עצמה טורח להבהיר. ה-Base אינו עוזר. אין בו כיוונון הוראות, כלומר הוא לא יבצע פרומפט, לא יימנע מלענות, לא יפלוט קריאת כלי, ולא יישאר בנושא — לא משום שהוא חלש, אלא משום שהוא מעולם לא אומן לכך. בכרטיס נאמר בפשטות שהוא מומלץ רק למשימות הדורשות כיוונון עדין כבד: עוזרים ייעודיים לשפה או לתחום, אימון על נתונים קנייניים, או התנסות בגישות אימון-אחר חדשניות. כל מה שבמורד הזרם מנקודת הביקורת הבסיסית — כיוונון עדין מפוקח, התמחות מורה, זיקוק לפי מדיניות, למידת חיזוק סוכנית — הוא הבעיה של הקונה. Kolibri מגיע כשכל זה כבר נעשה, בארבע רמות מאמץ חשיבה, עם מנתח קריאות כלים בסגנון Hermes שמסופק לצד המשקולות.

מה שהגדלים בעצם נותנים

הסירו את המסגור, ושני המודלים מותאמים לאילוצים מנוגדים.

• פרמטרים — 78,103,074,560 סה"כ עם 3,457,573,120 פעילים לכל טוקן ב-Kolibri, לעומת 2.69 מיליארד סה"כ ב-LFM2.5 Base, אשר משתמש במחסנית היברידית של 22 בלוקים של קונבולוציה קצרה עם שער כפול ו-8 שכבות קשב עם שאילתות מקובצות במקום בטרנספורמר של בלוקים אחידים.

• הקשר — 131,072 טוקנים ב-LFM2.5 Base, לעומת חלון מקורי של 262,144 טוקנים ב-Kolibri ו-1,048,576 מאומתים מעבר לו.

• נתוני אימון — 34 טריליון טוקנים ב-LFM2.5 Base, לעומת 20 טריליון ב-Kolibri, שנשאבו ממאגר גולמי של יותר מ-200 טריליון לאחר סינון והסרת כפילויות, כש-13.6 אחוז ממנו היה קוד.

• שפות — שש עשרה ב-LFM2.5 Base, כולל ערבית, סינית, יפנית, קוריאנית, תאית ווייטנאמית, לעומת בדיוק שתיים ב-Kolibri, גרמנית ואנגלית, בתכנון מפורש.

• זיכרון — ל-LFM2.5 Base יש גרסאות GGUF, ONNX ו-MLX שפורסמו לצידו, והוא מיועד לפריסה בקצה; משקולות ה-FP8 של Kolibri תופסות נפח של כ-78 GB עם מינימום של שני כרטיסי A100 80 GB, שני H100 SXM5, H200 אחד, B200 אחד או B300 אחד.

קרא את חמש השורות האלה יחד והתמונה מפסיקה להיות חד-צדדית. המודל של Liquid AI מכסה פי עשרה יותר שפות על חומרה הקטנה בשלושה סדרי גודל. המודל של Aleph Alpha מכסה שתי שפות עם חלון הקשר ארוך פי שמונה ועומק התמחות שמתגלה רק בתוך ההערכות הוורטיקליות של עצמו. אף אחד מהם אינו גרסה גרועה יותר של האחר; הם תשובות לשאלות שונות, והשאלות הן "האם זה יכול לפעול בלי שרת" ו"האם זה יכול לנתח לעומק דיווח רגולטורי גרמני".

רק לאחד מהם יש ציון מדוד, והוא לא ה-Base

הנה החלק שהזיווג מסתיר. ל-Artificial Analysis אכן יש עמוד מודל עבור LFM2.5-2.6B — אבל עבור המודל שעבר אימון המשך, ולא עבור גרסת ה-Base. אותו עמוד מדווח על Intelligence Index של 8, בדירוג #9 מתוך 49 מודלים בקטגוריה שלו, עם חלון הקשר של 128,000 טוקנים, 2.7 מיליארד פרמטרים ורישיון LFM Open License v1.0. זהו ציון צנוע וישר: המודל נמדד, מתומחר כאפסי למעשה, ומוערך כפי שהוא — מודל הסקה קטן.

לצ'קפוינט ה-Base אין ציון, וגם לא יכול להיות לו כזה. מדד אינטליגנציה מחושב על ידי הרצת מודל על משימות הסקה וידע; לצ'קפוינט שלא עבר כיוונון הוראות אין התנהגות משמעותית במשימות האלה. Liquid AI אינה מפרסמת עבורו טבלת הערכה, והיעדר זה הוא הצהרה על ה-artifact, ולא פער בשחרור.

המיקום של Kolibri שונה שוב, וראוי להציגו במדויק, משום שקל לפרש אותו שלא כהלכה. גם ל-Kolibri אין עמוד ב-Artificial Analysis — בדקנו, והמודל נעדר מההשוואה הזאת לגמרי. מה שכן קיים הוא הטבלה שלאחר האימון של Aleph Alpha עצמה, שבה Kolibri מקבל 75.5 בממוצע האנגלי ו-70.8 בממוצע הגרמני לאורך מערך הבדיקות שלה, לעומת 54.1 ו-46.4 עבור קודמו, Kolibri Origin. אלה מספרים שהספק הריץ, על חבילת הערכה שהספק בנה, ואין אפשרות להמיר אותם ל-Intelligence Index. לכן, מבין שני המודלים בכותר הזה, לאחד יש ציון עצמאי עבור גרסת אחות, לאחר יש טבלת ספק, ולאף אחד מהפריטים המדויקים הנמצאים בהשוואה אין מדידה עצמאית כלל.

האח שמשנה את ההמלצה

לשפוט את LFM2.5 2.6B Base בפני עצמו זו הדרך השגויה להעריך את ההשקה של Liquid AI, מפני שה-Base קיים כדי לשרת את LFM2.5 2.6B שעבר אימון-המשך, והשניים משוחררים יחד. אם אין בכוונתך לכתוב צינור כיוונון עדין, ה-Base אינו המודל שלך — האח שעבר אימון-המשך הוא המודל שלך, והוא זה שיש לו ציון ציבורי ומחיר מפורסם של כמעט אפס לטוקן כאשר אתה מארח אותו בעצמך.

זהו אותו יחס שיש ל-Kolibri עם Kolibri Origin, וכדאי לערוך את ההשוואה מכיוון ש-Aleph Alpha פרסמה את לוח הזמנים. Origin סיימה את שלב האימון המקדים עם 30.6 מיליארד פרמטרים ו-3.27 מיליארד פרמטרים פעילים ב-11 ביוני 2026, ומעולם לא שוחררה; Kolibri סיימה ב-11 בספטמבר 2026 עם 78.1 מיליארד, ושוחררה ב-3 באוקטובר. שני מודלים, שלושה חודשים, ואחד מהם פנימי בלבד. הפיצול המקביל של Liquid AI גלוי לשני הכיוונים: Base ו-post-trained, זה לצד זה, עם גרסאות מכוומתות (quantised) עבור llama.cpp, ‏ONNX Runtime ו-MLX של אפל שפורסמו לצד נקודת הבדיקה (checkpoint) המקורית. אם התוכנית שלך היא לבצע כיוונון עדין (fine-tuning), כלי העזר הסובבים האלה שווים יותר משורת בנצ'מרק, מכיוון שהם קובעים כמה מהעבודה תצטרך לעשות בעצמך.

מה לפרוס, לפי דרישה

זה מצטמצם לרשימת החלטות קצרה ולא לזוכה.

• אם המודל חייב לפעול ללא שרת — בטלפון, במחשב נייד, במכשיר במפעל — LFM2.5 2.6B Base הוא היחיד מבין השניים שאפילו מהווה מועמד, וה-LFM2.5 2.6B שלאחר האימון הוא זה שממנו היית מתחיל בפועל. Kolibri לא יכול לפעול שם בשום קוונטיזציה.

• אם עומס העבודה שלך הוא הסקת מסמכים בגרמנית או באנגלית בתוך הפרמיטר שלך, עם אילוצי נתונים רגולטוריים וצורך בהתנהגות הימנעות, LFM2.5 Base אינו סוג הארטיפקט המתאים, ו-Kolibri מכוון בדיוק לכך — בתנאי שתוכל לספק שני מאיצים של 80 GB ולקבל עמדת רישוי שאותה תוכל להצהיר בשורה אחת.

• אם אתה זקוק ליותר מגרמנית ומאנגלית, המשפחה של Liquid AI מכסה שש עשרה שפות ב-2.6B, והטיעון בדבר כיסוי השפות מתהפך בגודל הזה.

• אם אתה זקוק לעוזר פרוס ברבעון הזה ואינך רוצה להריץ צינור אימון-המשך, Kolibri מאומן-המשך; LFM2.5 Base אינו כזה, והמודל המאומן-המשך LFM2.5 הוא עוזר קטן בהרבה מ-Kolibri ולא גרסה זולה יותר שלו.

עבור צוותים שעומס העבודה שלהם באמת נמצא באמצע — כמה מיליארדי טוקנים בחודש, חלון הקשר בינוני, בלי דרישה רגולטורית להחזיק בחומרה — אף אחד מאלה אינו הדבר הראשון שאליו פונים. מודלים מתחת ל-4B זולים לאירוח עצמי ומסורבלים לניתוב בקנה מידה גדול, מפני שהעלות התפעולית של פריסה עלולה לעלות על חשבון הטוקנים; מודל של 78B הוא הבעיה ההפוכה. השכבה שבאמת מנותבת היא זו שבאמצע, והשכבה הזו נמצאת ב-OrcaRouter today: Qwen3.5 35B-A3B במחיר של $0.057 למיליון טוקנים בקלט ו-$0.459 בפלט, Qwen3.8-Flash ב-$0.15 ו-$0.47 עם חלון הקשר של מיליון טוקנים, או מודל ה-mixture-of-experts Gemma 4 26B-A4B IT ב-$0.06 ו-$0.33. אלה מחירי המחירון של הספקים, המועברים הלאה בלי שום תוספת לכל טוקן, באמצעות מפתח יחיד תואם OpenAI עם מעבר אוטומטי בעת כשל, והם התשובה הישרה עבור צוות שרוצה למדוד את נפח הטוקנים האמיתי שלו לפני שהוא מתחייב לפרויקט כיוונון עדין או לארון שרתים.

כדי להיות מפורשים לגבי מה שאנחנו לא מציעים: לא Kolibri ולא LFM2.5 2.6B Base ניתנים לניתוב ב-OrcaRouter היום. בדקנו את הקטלוג עבור שניהם תחת כל איות של ספק ומודל, ואף אחד מהם לא נמצא שם. Kolibri הוא לאחסון עצמי בלבד, ו-LFM2.5 Base הוא תוצר של כיוונון עדין שמעולם לא נועד לעמוד מאחורי API.

הבחירה בשורה אחת

Kolibri הוא מודל הסקה גרמני-אנגלי מוגמר, ברישיון, מתועד, בעל 78 מיליארד פרמטרים, שדורש שני מאיצים כדי לפעול. LFM2.5 2.6B Base הוא נקודת התחלה רב-לשונית בלתי גמורה בת 2.69 מיליארד פרמטרים, שדורשת צינור כוונון עדין ונכנס לכיס שלך. יחס הפרמטרים ביניהם הוא 29 ל-1, והוא המספר הכי פחות אינפורמטיבי במאמר הזה.