LFM2.5-24B-A2B לעומת LFM2.5-8B-A1B-DSpark: אחד מאלה הוא לא מודל שאפשר להריץ

הכנס LFM2.5-24B-A2B ואת LFM2.5-8B-A1B-DSpark לטבלת השוואה, והטבלה היא שקר עוד לפני שמילאת ולו תא אחד. LFM2.5-24B-A2B של Liquid AI, שיצא ב-13 באוקטובר 2026, הוא מודל שפה: 24.0B פרמטרים, 2.45B פעילים לכל טוקן, 131,072 טוקנים של חלון הקשר, והוא עונה לפרומפטים. LFM2.5-8B-A1B-DSpark, שיצא ב-20 באוגוסט 2026, הוא צ'קפוינט טיוטה בעל 327.7 מיליון פרמטרים שאינו יכול לענות על דבר בכוחות עצמו — הוא קיים כדי לנחש את הטוקנים הבאים עבור מודל אחר, LFM2.5-8B-A1B, ולהיבדק על ידו. בלבול בין השניים הוא הדרך הנפוצה ביותר שבה גרסה זו נקראת שלא כהלכה, וכדאי להבהיר זאת כבר בפסקה הראשונה מפני ששאר העמוד הזה תלוי בכך: לאחד מהשניים יש מחיר למיליון טוקנים וכרטיס Hugging Face שאפשר להפנות אליו סוכן, והאחר חי בתוך מחסנית ההסקה של מישהו אחר.

אלא שמה שבאמת הופך את הצירוף לשווה עמוד הוא שזו ההשוואה ש-Liquid AI הקימה לעצמה. כרטיס המודל LFM2.5-24B-A2B מציין שטיוטת פענוח ספקולטיבי DSpark עבור ה-24B תגיע בקרוב. כשהיא תגיע, השאלה המדויקת שהעמוד הזה עונה עליה תהיה זו שאנשים ישאלו לגבי אותה טיוטה — האם טריק הטיוטה שהפך את מודל 8B למהיר עד פי 3.18 ב-GPU של מרכז נתונים באמת משתלם במודל 24B שכל הסיבה לקיומו היא מחשב נייד? המספרים של 8B כבר מכילים את צורת התשובה, והיא אינה הצורה שהכותרת מרמזת עליה.

מהי בעצם נקודת ביקורת של טיוטה, בשלושה משפטים

פענוח ספקולטיבי מציב מודל זול לפני מודל יקר: מנסח הטיוטות מציע בלוק של טוקנים מועמדים, המודל האמיתי מאמת את כל הבלוק במעבר קדימה אחד, ושומר את מה שהוא מסכים איתו. מכיוון שהיעד בודק כל טוקן מוצע, הפלט תחת פענוח חמדני זהה ביט-בביט להרצת היעד לבדו — הביטוי של Liquid הוא "חסר אובדן מעצם הבנייה", וזו הסיבה שטיוטה בטוחה לחיבור לערימת ייצור. LFM2.5-8B-A1B-DSpark הוא מנסח קטן במכוון: חמש שכבות קשב בלבד, בלוק של תשעה טוקנים מוצעים בכל צעד, וראש מרקוב מעל אוצר המילים של היעד בן 128,000 טוקנים, שאומן במשך 15 אפוקים על נתוני צ'אט, קוד וקריאה לפונקציות, עם צ'קפוינטים שנבחרו לפי שיעור קבלה ולא לפי הפסד אימות.

הפרט האחרון הזה אינו טריוויה. במסמך של Liquid עצמה נכתב כי עבור הטיוטות הגדולות יותר, ה-loss של הוולידציה "ממשיך להשתפר אחרי ששיעור הקבלה בבנצ'מרק שאכפת לנו ממנו הפסיק לזוז" — וזה מסוג המשפטים שמופיעים רק כשצוות מעלה את זה ל-serving ולא מפרסם מאמר.

שתי הערימות, שורה אחת לכל ממד

• מה זה — LFM2.5-24B-A2B הוא מודל הסקה הניתן לפריסה, טקסט נכנס וטקסט יוצא. LFM2.5-8B-A1B-DSpark הוא מאיץ פענוח ספקולטיבי ותו לא.

• גודל — 24.0B סה"כ / 2.45B פעילים לכל טוקן, 64 מומחים עם ניתוב top-4 על פני 40 שכבות, לעומת 327.7M פרמטרי טיוטה בחמש שכבות של קשב בלבד.

• הקשר — 131,072 טוקנים עבור ה-24B, כפול מהדור הקודם; לטוטוטה אין הקשר משלה, מכיוון שהיא פועלת על הזרם של היעד.

• הנמקה — ה-24B תמיד פולט שרשרת מחשבות מפורשת בתוך בלוק <think>. הטיוטה אינה פולטת דבר שהמשתמש אי פעם רואה.

• מחיר — $0.10 למיליון טוקני קלט ($0.05 במטמון) ו-$1.00 למיליון טוקני פלט ב-Console של Liquid, עם $2 זיכוי התחלתי, עבור ה-24B. לטיוטה אין מחיר מכיוון שאף ספק הסקה אינו משרת אותה.

• רישיון — lfm1.0 עבור שניהם: חופשי להורדה, לכוונן ולפרוס באופן מסחרי עד שחברה עוברת 10 מיליון דולר בהכנסות שנתיות, ואז חל רישיון מסחרי.

• פורמטים שפורסמו — GGUF מ-Q4_K_M ב-14.5 GB ועד 48 GB BF16, QAT QAD-Q4_0 ב-13.6 GB, FP8, ONNX ו-MLX של 4/5/6/8-bit עבור ה-24B; Safetensors ו-GGUF עבור ה-draft, עם תמיכה ב-SGLang וב-llama.cpp מהיום הראשון.

הממד שמכריע הכול הוא האחרון ששונה בידי החמישי: לאחד מהם יש מחיר לכל טוקן, והשני הוא משהו שמתקינים כדי להפוך מודל בהארחה עצמית לזול יותר לכל טוקן. הם לעולם לא מתחרים. הם מצטברים.

המספרים שחשובים, וזה שצריך להדאיג אותך

Liquid מדדה את טיוטת DSpark בגודל אצווה 1 ובטמפרטורה 0 על פני חמישה מערכי נתונים — על H100 עם 80GB ב-BF16 תחת SGLang, ועל MacBook Pro עם M4 Max ב-FP16 GGUF תחת llama.cpp עם ליבות Metal ניסיוניות. כל האצה נמדדת מול אותו מודל יעד שרץ לבדו על אותה חומרה. כל זה מדווח על ידי הספק, ושלושה חודשים לאחר מכן, עדיין לא שוחזר.

על ה-H100, מול LFM2.5-8B-A1B:

• MATH500 — 3.18× (428 → 1,362 tokens/s, קבלה 8.27) — המספר המרכזי.

• MT-Bench — 3.02× (426 → 1,288 אסימונים/שנייה, שיעור קבלה 8.52).

• MBPP — פי 2.64 (426 → 1,122) ו-HumanEval — פי 2.58 (426 → 1,100).

• GSM8K — 1.29× (385 → 496, קבלה 4.02) — המקרה החלש, ושים לב שזהו המקרה שבו היעד היה ממילא מהיר יותר מלכתחילה.

• ממוצע — 2.54× (418 → 1,074 tokens/s).

ב-M4 Max, אותה טיוטה מול אותו יעד מהווה מוצר אחר: MATH500 פי 1.21 (93 → 112), GSM8K פי 1.44 (90 → 129), HumanEval פי 1.12 (91 → 101), MBPP פי 1.09 (89 → 97), MT-Bench פי 1.04 (87 → 90), ממוצע פי 1.18 (90 → 106).

קראו את שתי הרשימות הללו יחד, והמסקנה בלתי נמנעת: צ'קפוינט הטיוטה מאיץ את החומרה שהמודל לא נבנה עבורה, ובקושי מזיז את החומרה שהוא כן נבנה עבורה. זו לא תקלה במימוש של Liquid; זה המקום שבו יושב צוואר הבקבוק — פענוח ספקולטיבי משתלם כשהמחשוב שלכם סרק ואתם רעבים לזיכרון, ו-M4 Max שמריץ MoE מכווץ עם 1.5B פרמטרים פעילים כבר קרוב לתקרת רוחב הפס של הזיכרון שלו. Liquid פרסמו בעצמם את החצי הרע של התוצאה, ולכן הנתון של 3.18× צוטט בפני עצמו הרבה יותר פעמים מהנתון של 1.18× שרוב הקוראים שלהם היו חווים בפועל.

מדוע הזיווג של 24B הוא באמת שאלה פתוחה

כל מה שקשור לטיוטה הקרובה של LFM2.5-24B-A2B לא הוכרז, מלבד המילים "בקרוב" בכרטיס המודל, ולכן מה שלהלן הוא נימוק בנוגע לצורת הבעיה ולא דוח.

הערך של הטיוטה נקבע לפי שיעור הקבלה, ושיעור הקבלה נקבע לפי מידת הצפיות של היעד. מודל הסקה שמייצר תמיד שרשרת חשיבה מפורשת — LFM2.5-24B-A2B הוא בדיוק כזה, ו-Liquid מספקת אותו עם טמפרטורה מומלצת של 0.1 — פולט מקטעים ארוכים וצפויים מקומית של טקסט. זו האדמה האידיאלית לבלוק של 9 טוקנים. לכן התקרה של טיוטת 24B עשויה להיות גבוהה, והערת אוצר המילים של הכרטיס עצמו עוזרת: ה-24B משתמש באותו אוצר מילים של 128,000 טוקנים שעליו נבנה הראש המרקובי של מודל הטיוטה 8B, כך שראש הטיוטה לא צריך להיבנות מחדש ממרחב טוקנים אחר.

משקל הנגד הוא החומרה. תוצאת הקצה המוצהרת של מודל 24B היא 184 אסימונים לשנייה על Apple M5 Max, ויעד גדול יותר פירושו מעבר אימות גדול יותר גם כאשר הבלוק מתקבל בשלמותו. אם דפוס 8B מחזיק מעמד — ניצחונות גדולים היכן שיש לך כוח מחשוב פנוי, ניצחונות קטנים במחשב הנייד — ייתכן שטיוטת 24B תתגלה ככלי מרכז נתונים המחובר למודל קצה, וזו צורה מוזרה למוצר. כל מי שמצטט "3.18×" בציפייה לכך מצטט מספר שנמדד על מודל אחר, על חומרה אחרת, עם טיוטה אחרת.

עלות, והטיעון נגד אירוח עצמי לחלוטין

סיבוך כן אחד: כל הצעת הערך של DSpark היא תפוקה לכל טוקן באירוח עצמי, כך שהמקרה הכלכלי שלה הוא עלות לכל טוקן של זמן ה-GPU שלך. מודל 24B, לעומת זאת, הוא בעל מחיר פומבי — $0.10 למיליון טוקני קלט ($0.05 במטמון) ו-$1.00 למיליון טוקני פלט — וזה מה שאתה משלם אם אתה מעדיף בכלל לא להריץ צ'קפוינט מכומס של 14.5 GB על המחשב הנייד שלך.

כדי להיות ברורים לגבי מה שאנחנו כן מציעים ומה לא: אנחנו לא מגישים את LFM2.5-24B-A2B או LFM2.5-8B-A1B-DSpark ב-OrcaRouter. מה שאנחנו כן מגישים הם מודלי המשקולות הפתוחות שההחלטה הזו ממשיכה להיתקל בהם — qwen/qwen3.6-35b-a3b, המודל ש-Liquid מודדת מולו את ה-24B שלה בכחמישים אחוז יותר פרמטרים כוללים ופעילים, ובנוסף google/gemma-4-26b-a4b-it, obsidian/gemma-4-26B-A4B ו-google/gemma-4-31b-it באותה מחלקה דלילה-פתוחה. אם אתם שוקלים הורדה של 14 GB ומערכת פענוח ספקולטיבית מול קריאה למודל מאוחסן מאחורי מפתח אחד ב-0% תוספת מעל מחיר המחירון של הספק, זו השוואה שתוכלו להריץ כבר אחר הצהריים בצד שלנו ותוכלו רק להעריך בצד שלהם.

מה לעשות עם שניהם היום

אם אתם רוצים מודל שאפשר לקרוא לו, התשובה היא LFM2.5-24B-A2B וצ'קפוינט DSpark לא רלוונטי עבורכם — הוא מאיץ מודל 8B ספציפי אחד, ואין פלטפורמת צד שלישי שנותנת שירות לאף אחד מהם. אם אתם כבר מארחים בעצמכם את LFM2.5-8B-A1B על GPU, מודל הטיוטה הוא מכפיל תפוקה חינמי שלא משנה דבר בפלטים שלכם, ו-2.54× כממוצע הוא הפחתה אמיתית בעלות ההגשה. אם אתם מארחים אותו בעצמכם על Mac, הממוצע הוא 1.18× והקריאה הכנה היא שמודל הטיוטה שווה בערך עשירית ממה שכותרת ההשקה מרמזת.

הדבר שצריך לשים לב אליו אינו תאריך ההגעה של טיוטת ה-24B, שאיש לא פרסם. אלא לאיזה משני המשטרים זה ייכנס. אם Liquid תפרסם ממוצע של מעל פי 2 על Apple silicon, הפענוח הספקולטיבי חצה קו, ודרגת הקצה נעשית זולה יותר להרצה באופן ממשי. אם היא תפרסם מספר שיא בלי ממוצע למחשב נייד, תוצאת ה-8B הייתה התשובה כל הזמן: הטכניקה הזו משתלמת היכן שיש לך כוח מחשוב פנוי, ומכונה שמריצה תערובת מומחים של 24B על סוללה אין לה כוח מחשוב פנוי לבזבז.

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.