LFM2.5-24B-A2B לעומת Gemma 4 12B: הסוכן הדליל נגד הרב-מודאלי הצפוף
- OrcaחדשOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 לכל 1M טוקנים · 9 tok/s
- deepseekחדשDeepSeek: DeepSeek V4.1 Flash 10172026-10-17$0.15 / $0.60 לכל 1M טוקנים · 162 tok/s
- DeepSeekחדשDeepSeek: DeepSeek V4.1 Flash2026-10-1740אינטליגנציה
- OrcaחדשOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 לכל 1M טוקנים · 91 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2952אינטליגנציה
- anthropicAnthropic: Claude Sonnet 5.52026-09-2856אינטליגנציה
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 לכל 1M טוקנים · 804 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2238אינטליגנציה
- OpenAIOpenAI: GPT-6 Sol2026-09-2248אינטליגנציה
- AnthropicAnthropic: Claude Opus 5.52026-09-2258אינטליגנציה
- xAIGrok 4.72026-09-2146אינטליגנציה
- OrcaOrca: OrcaCyber Zero 1.02026-09-17$3.00 / $7.50 לכל 1M טוקנים · 39 tok/s
- OrcaOrca: OrcaVerify Text 1.02026-09-16$2.00 / $0.00 לכל 1M טוקנים · 832 tok/s
- OpenAIOpenAI: GPT-6 Astra2026-09-0453אינטליגנציה77כתיבת קוד
- GoogleGoogle: Gemini 3.8 Flash2026-09-0241אינטליגנציה76כתיבת קוד
- AlibabaQwen: Qwen3.8 Max (0902)2026-09-0245אינטליגנציה76כתיבת קוד
- AnthropicAnthropic: Claude Fable 5.12026-09-0153אינטליגנציה82כתיבת קוד
- TencentTencent: Hy4 preview2026-08-28$0.83 / $2.50 לכל 1M טוקנים · 52 tok/s
- AlibabaQwen: Qwen3.8 Flash2026-08-26$0.15 / $0.47 לכל 1M טוקנים · 121 tok/s
- z-aiZ.ai: GLM 5.3 Flash2026-08-2642אינטליגנציה72כתיבת קוד
של Liquid AI: LFM2.5-24B-A2B ושל Google DeepMind: Gemma 4 12B הם שני צ'קפוינטים עם משקולות פתוחות שסביר ביותר שיהיו באותו תור הורדות החודש, והם מגיעים מכיוונים מנוגדים. LFM2.5-24B-A2B שוחרר ב-13 באוקטובר 2026 כשהוא נושא 24.0 מיליארד פרמטרים, שמתוכם רק 2.45 מיליארד נקראים לכל טוקן, טקסט נכנס וטקסט יוצא, חלון הקשר של 131,072 טוקנים, וטבלת בנצ'מרקים הבנויה כולה סביב שימוש בכלים. Gemma 4 12B שוחרר ב-3 ביוני 2026 כמודל צפוף בן 11.95 מיליארד פרמטרים שקורא טקסט, תמונות ואודיו וכותב טקסט, תחת Apache 2.0, בלי תקרת הכנסות מצורפת. האחד הוא מנוע סוכן מתמחה שרץ על המחשב הנייד שכבר יש לך. האחר הוא גנרליסט שרואה ושומע, רץ על אותו מחשב נייד בכ-7 GB, ומגיע עם רישיון שלעולם לא תצטרך לקרוא פעמיים.
אז השאלה שהעמוד הזה עונה עליה היא לא "מה עדיף", כי הן מעולם לא נבנו לאותה מטרה. היא מצומצמת יותר ושימושית יותר: אם אתה מציב סוכן פרטי על מכונה שבשליטתך, איזה מהשניים האלה אתה מוריד, ועל מה אתה מוותר כך או כך?
התשובה בפסקה אחת, לאנשים שכבר יודעים מה הם רוצים
בחר ב-LFM2.5-24B-A2B אם הסוכן מבצע קריאות לכלים רב-שלביות ולא שום דבר אחר — המספרים האג'נטיים של הספק עצמו נמצאים הרחק לפני אלה של Gemma 4 12B בקומץ השורות שהן דומות מספיק כדי להשוות, והמודל תמיד מפיק עקבות חשיבה מפורשות לפני שהוא פועל. בחר ב-Gemma 4 12B אם המשימה כוללת צילום מסך, מסמך מצולם, עמוד סרוק או קטע אודיו, אם ברצונך לכבות את עקבות החשיבה משיקולי השהיה, או אם החברה שלך נמצאת בכלל בקרבת קו ההכנסות של 10 מיליון דולר שבו הרישיון של Liquid מפסיק להיות חינמי. המשך לקרוא אם ברצונך לראות את המספרים שמאחורי שני המשפטים האלה, כי חלק ניכר מההשוואה תלוי באופן שבו שני הספקים מדדו.
היכן ששתי נקודות הביקורת באמת נבדלות זו מזו
• כלכלת פרמטרים — LFM2.5-24B-A2B הוא מיזוג מומחים: 24.0B סה"כ, 2.45B פעילים לכל טוקן, 64 מומחים עם ניתוב top-4 על פני 40 שכבות (30 בלוקים של קונבולוציה קצרה עם שער כפול, 10 קשב עם שאילתות מקובצות). Gemma 4 12B הוא צפוף: 11.95B סה"כ על פני 48 שכבות, כל פרמטר נקרא בכל טוקן.
• מה נכנס לדיסק — Liquid מפרסמת GGUF מסוג Q4_K_M בנפח 14.5 GB ו-QAT QAD-Q4_0 בנפח 13.6 GB, עם בניית MLX ב-4 סיביות בנפח 13.6 GB; 48 GB ב-BF16. ה-QAT GGUF של Google עבור ה-12B הוא כ-6.98 GB של משקולות בתוספת קובץ הקרנה מולטימודלי בנפח 0.18 GB, והבניות הקהילתיות של Unsloth נעות מכ-4.2 GB ב-2 סיביות ועד 7.12 GB ב-Q4_K_M.
• הקשר — 131,072 טוקנים עבור LFM2.5-24B-A2B, כפול מהדור הקודם 32,768. Gemma 4 12B מכיל 256K (262,144), עם חלון הזזה של 1,024 טוקנים וקשב היברידי המשזור שכבות מקומיות וגלובליות.
• מודאליות — LFM2.5-24B-A2B הוא טקסטואלי בלבד, ובאופן מכוון. Gemma 4 12B קולט טקסט, תמונה ואודיו, ללא מקודדים מולטימודליים כלל: פיסות תמונה גולמיות וצורות גל של אודיו מוקרנות היישר אל אותו מרחב שאליו מוקרנים אסימוני טקסט.
• התנהגות חשיבה — LFM2.5-24B-A2B הוא בגדר חשיבה בלבד לפי ניסוח הספק: הוא תמיד חושב בתוך בלוק <think> לפני שהוא עונה. הכרטיס של Gemma 4 12B מתאר מודל מכוון־הוראות ללא עקבה מחייבת, אשר על מחשב נייד הוא רווח בהשהיה והפסד בשקיפות.
• רישיון — lfm1.0 חינמי להורדה, כיוונון עדין ושימוש מסחרי עד הכנסה שנתית של 10 מיליון דולר, ולאחר מכן חל רישיון מסחרי. Gemma 4 12B הוא Apache 2.0 ללא טריגר הכנסות; תנאי השימוש ומדיניות השימוש האסור של Google ניצבים לצד המשקולות כמסמכי שימוש מקובל, ולא כמגבלות רישיון.
• אוצר מילים והיקף אימון — LFM2.5-24B-A2B הגדיל את אוצר המילים שלו מ-65K ל-128K באמצעות הרחבת טוקנייזר במקום, והרחיב את שלב האימון המקדים מ-17T ל-33T טוקנים, עם 300B טוקנים של אימון-ביניים בהקשר מלא ושלב למידת חיזוק סוכנית בתוך סביבות הרצה אמיתיות. Gemma 4 12B נושא אוצר מילים של 262K המשותף לכל המשפחה ואומן מראש על יותר מ-140 שפות, עם תמיכה מוצהרת מיידית ביותר מ-35.
המדד היחיד ששני הספקים הריצו
השוואה בין שתי טבלאות השקה שונות היא בדרך כלל מלכודת. כאן יש בדיוק שורה אחת שבה שתי החברות מדדו את אותו הדבר בתנאים ברי־השוואה, וראוי לבודד אותה דווקא משום שהיא כה בודדה.
GPQA Diamond — Liquid מדווחת 74.42 עבור LFM2.5-24B-A2B; הטבלה של משפחת Gemma 4 מבית Google מדווחת 78.8 עבור Gemma 4 12B מכוונן להוראות. שניהם מדווחים על ידי הספק ולא שוחזרו. ה-12B ה-dense מוביל בשאלות מדע ברמת תואר שני, מה שמתיישב עם הניסוח של Liquid עצמה שלפיו המודל שלה אינו זה שכדאי לשאול אותו שאלות ידע — פוסט ההשקה ממליץ לשלב אותו עם אחזור או חיפוש ברשת במקום לסמוך על המשקולות שלו.
כל השאר חייב להיקרא בתוך הטבלה שלו, והסיכום הכנה הוא ששתי הטבלאות מודדות דברים שכמעט אינם חופפים. הטבלה של Liquid עם שישה-עשר מדדים מכסה את AutomationBench (27.69), BFCLv4 (65.01), ToolSandbox (80.71), LiveClaw (48.09), PinchBench (83.18), τ³-Bench Banking (8.04), WebArena Verified (26.75), IFEval (96.75), IFBench (74.69), Multi-IF (84.38), MATH-500 (96.04), SWE-Bench Verified via OpenCode (51.00), SciCode (32.71), AA-Omniscience (−24.90) ו-HLE (7.40). טבלת המשפחה של Google מכסה את MMLU Pro (77.2), AIME 2026 ללא כלים (77.5), LiveCodeBench v6 (72.0), דירוג ELO של 1659 ב-Codeforces, MMMU Pro (69.1) ו-MRCR v2 ב-128K עם שמונה מחטים (43.4).
רק חפיפה אחת, ואין רתמת בדיקה משותפת. כל מי שמפרסם לוח תוצאות משולב משתי הטבלאות האלה ממציא השוואה שאף אחת משתי החברות לא הריצה.
באופן עצמאי, וזה הקצה החד יותר
Artificial Analysis העניקה ציון ל-Gemma 4 12B: Intelligence Index של 14, במקום ה-20 מתוך 141 מודלים בקטגוריית ההשוואה שלו, בקצב מדוד של 110.9 טוקנים לשנייה ובעלות משוקללת של צד שלישי של $0.10 למיליון טוקני קלט ו-$0.30 למיליון טוקני פלט. אלו מספרים בלתי תלויים על מודל שכבר פומבי ארבעה חודשים ויש מאחוריו אקוסיסטם.
ל-LFM2.5-24B-A2B אין שום מקבילה. הוא בן יום, אף צד שלישי לא פרסם ציון, ונתוני הביצועים בקצה של Liquid עצמה — 184 אסימונים לשנייה על Apple M5 Max, 114 על AMD Ryzen AI Max+ 395, "עד פי 1.7 מהר יותר מ-MoEs דומים במכשיר" — אין להם קו בסיס ואין להם שחזור. עבור מודל שנמדד על ידי הספק מול מודל שנמדד באופן בלתי תלוי, חוסר הסימטריה הוא הממצא: את אחד משני המספרים האלה תוכל לבדוק בעצמך כבר היום, וזה לא המספר החדש יותר.
אם אתה מעדיף שלא להמר על נתיב ייצור על סמך טבלת ספקים בת ארבעה ימים, בדיוק לשם כך נועד המעבר האוטומטי לגיבוי. כוון את הסוכן אל LFM2.5-24B-A2B, השאר מאחוריו מודל עם ניקוד, ותן לראוטר להעביר את הבקשה כשההארנס מתחיל להיכשל — בלי חוזה שני, בלי שינוי קוד מעבר לרשימת הגיבוי.
עלות, בשני המטבעות שבהם אלה פועלים
שניהם מודלים שמעדיפים הרצה מקומית, ולכן החשבון האמיתי הוא חומרה וחשמל. בצד המתארח, Liquid מתמחרת גישה ל-API ב-0.10 דולר למיליון טוקני קלט (0.05 דולר במטמון) וב-1.00 דולר למיליון טוקני פלט דרך ה-Console שלה, עם 2 דולר קרדיט התחלתי. Google אינה מפרסמת כלל מחיר לפי טוקן עבור Gemma 4 12B — תערובת ה-0.10/0.30 דולר שלמעלה היא חציון של צד שלישי על פני פלטפורמות שמגישות את המשקולות הפתוחות, ולא מחיר מחירון, והתייחסות אליה ככזו תהיה שגויה.
הנה החלק שחשוב לצוות שמעריך את שניהם: אף אחד מהצ'קפוינטים לא נמצא בקטלוג שלנו היום. אנחנו כן מספקים את נקודות ההתייחסות שההחלטה הזו ממשיכה לחזור אליהן — qwen/qwen3.6-35b-a3b, המודל שמולו Liquid מדדה, עם פי אחד וחצי יותר פרמטרים, ובנוסף google/gemma-4-26b-a4b-it, obsidian/gemma-4-26B-A4B ו־google/gemma-4-31b-it מאותה משפחת Gemma 4 — כולם מאחורי מפתח אחד, כולם עם תוספת של 0% על מחיר המחירון של הספק עצמו, כך ששינוי מחיר מצד ספק מגיע אליך ביום שבו הוא משתנה, ולא ביום שמישהו חותם מחדש על חוזה. הרץ את המשימה שלך מול גדלי Gemma 4 המתארחים, ואז החלט אם ה-12B שעל המחשב הנייד שלך מיותר.
מה שלמעשה הייתי עושה
הורד את שני הקוואנטים. Gemma 4 12B ב-Q4_K_M הוא בסביבות 7 GB ויגיד לך בתוך שעה אם המשימה שלך צריכה עיניים ואוזניים — אם כן, ההחלטה הוכרעה ו-LFM2.5-24B-A2B בכלל לא במירוץ, כי הוא לא יכול לראות. אם לא, טען את LFM2.5-24B-A2B QAD-Q4_0 ב-13.6 GB והרץ מולו את ההארנס האמיתי שלך, מכיוון שכל הטיעון בעד הצ'קפוינט הזה הוא קריאה לכלים רב-שלבית ושום בנצ'מרק סטטי לא יכריע את זה עבור הכלים שלך.
שני דברים שכדאי לזכור בזמן שאתה עושה זאת. ראשית, הטבלאות של שני הספקים לא שוחזרו, והמודל היחיד שדורג באופן עצמאי בהשוואה הזו הוא הוותיק והצפוף יותר — וזו סיבה לסמוך יותר על המספרים של Gemma 4 12B, לא סיבה להניח שהמודל החדש יותר חלש. שנית, פער הרישוי אמיתי וא-סימטרי באופן שנדיר שהוא מופיע בפוסטים על בנצ'מרקים: Gemma 4 12B הוא Apache 2.0 לנצח, בעוד ש-LFM2.5-24B-A2B הופך לשיחה מסחרית ברגע שהחברה שלך חוצה 10 מיליון דולר בהכנסות. עבור בונה יחיד זה בלתי נראה. עבור צוות מוצר שמשיק סוכן על-מכשיר, זה סעיף במחזור התכנון הבא, וזה הממד היחיד שבו המודל הקטן, הוותיק והרב-מודלי יותר הוא ללא עוררין ברירת המחדל הבטוחה יותר.
גם בהשוואות כמו זו מתגלים מצבי הכשל: התקריות המתועדות ב-AI וכשלי סוכנים מאחורי מודלים בקטגוריה הזו נאספים ב-OrcaRouter AI Incident Archive, שם כל רשומה נושאת את מקורותיה, החומרה, דרגת הוודאות ודגל המחלוקת שלה.
