LFM3-1.7B-Base לעומת Gemma 4 12B: גזע מומחה מול ג'נרליסט

העמידו את שתי ההורדות זו לצד זו, וההבדל הראשון אינו בנצ'מרק. LFM3-1.7B-Base, שפורסם ל-Hugging Face ב-26 באוקטובר 2026 וקיבל את שמו בהשקת המשפחה של Liquid AI למחרת, הוא קובץ bfloat16 בנפח 3.46 GB המכיל מודל טקסט מאומן מראש בעל 1.73 מיליארד פרמטרים. Gemma 4 12B, שהושק על ידי Google DeepMind ב-3 ביוני 2026, הוא מודל צפוף בעל 11.95 מיליארד פרמטרים שמגיע עם כיוונון לפי הוראות, חלון הקשר של 256K, ויכולת לקרוא תמונות ושמע כמו גם טקסט. אחד הוא רכיב. האחר הוא מוצר. השוואה ביניהם לפי יכולת היא טעות קטגורית, והשוואה ביניהם לפי מחיר לאסימון גרועה כמעט באותה מידה, כי לצ'ק פוינט הבסיס אין מחיר לאסימון — יש לו חשבון כיוונון עדין. ניתוב לא מוסיף מרווח למחיר המחירון של הספק. 0% תוספת מחיר ראו את התמחור המועבר ללא תוספת בעמוד התמחור שלנו.

ההשוואה בכל זאת מצדיקה את הדף שלה, מפני ששניהם מודלים עם משקלים פתוחים שצוות קטן עשוי להוריד השבוע מאותה סיבה בסיסית: הם רוצים מודל שהם שולטים בו, על חומרה שבבעלותם, בלי חוזה לפי קריאה. השאלה המועילה היא איזה סוג של נכס מביא אותך לשם — גזע קטן שאתה מעצב, או ג'נרליסט גדול שאתה מאמץ.

השוואת הביצועים שלא ניתן לערוך

ל-LFM3-1.7B-Base אין הערכה שפורסמה. לא הערכה דלה, לא טבלת ספק עם כוכבית — כלום. כרטיס המודל מספק מפרטים ומדריך כיוונון עדין, ופוסט ההשקה של Liquid כולל טבלת בנצ'מרק מהותית עבור LFM3-1.7B, האח המאומן-לאחר-האימון שנבנה מנקודת ביקורת זו. אלה ארטיפקטים שונים. מודל בסיס חוזה טקסט; מודל מאומן-לאחר-האימון עוקב אחר הוראות. מתן ציון לראשון במבחן הוראות מספר לך על השני.

לעומת זאת, Gemma 4 12B מגיע עם טבלת משפחה מלאה עבור נקודות ביקורת מכווננות להוראות: 77.2% ב-MMLU Pro, 78.8% ב-GPQA Diamond, 77.5% ב-AIME 2026 ללא כלים, 72.0% ב-LiveCodeBench v6, דירוג Elo של 1659 ב-Codeforces, 69.1% ב-MMMU Pro, ו-43.4% ב-MRCR v2 ב-128K עם שמונה מחטים. כל אלה הם נתונים של Google עצמה ואף אחד מהם לא שוחזר באופן עצמאי. Artificial Analysis ממקמת בנפרד את Gemma 4 12B במדד Intelligence Index של 14, במקום ה-20 מתוך 141 מודלים בקטגוריית ההשוואה שלה, עם מהירות פלט נמדדת של 110.9 אסימונים לשנייה.

אז ללוח התוצאות ההוגן יש עמודה אחת מלאה ועמודה אחת ריקה, והעמודה הריקה אינה כישלון של המודל. זה מהו צ׳קפוינט בסיס. כל מי שמציב את 49.37 — הממוצע של Liquid עצמה עבור LFM3-1.7B המכוונן — לצד MMLU Pro של Gemma, משווה בין שתי סוויטות שונות, שני מודלים שונים ושתי רמות כיוונן שונות.

למה כל נקודת ביקורת משמשת בפועל

LFM3-1.7B-Base נועד להשתנות. בכרטיס של Liquid נאמר שהוא מומלץ רק לכוונון עדין כבד — עוזרים ייעודיים לשפה, עוזרים ייעודיים לתחום, אימון על נתונים קנייניים, גישות חדשניות לאימון לאחר-האימון — וכל מי שרוצה צ'אט או שימוש בכלים מופנה למודל המכוונן במקום. הוא אומן מראש על 22 טריליון טוקנים, כאשר 3.5 הטריליון האחרונים שבהם היו נתוני אימון-ביניים שנערכו בקפידה עם עקבות סוכניות וקריאות לכלים, ושלב זה האריך את ההקשר ל-262,144 טוקנים. ב-4 ביט הוא תופס כ-1 GB, וזו כל טענת התכנון: גזע קטן מספיק כדי לכוונן אותו על GPU אחד ולהריץ אותו בטלפון.

Gemma 4 12B נועד לשימוש. זהו החבר הדחוס בגודל בינוני במשפחת Gemma 4 בת חמשת המודלים של Google, ללא מקודדים מולטימודליים נפרדים — קטעי תמונה וצורות גל אודיו מוקרנים ישירות לאותו מרחב כמו טוקנים של טקסט. הוא פועל על מחשב נייד בכ-7 GB בקוונטיזציה של 4 סיביות, מופץ תחת Apache 2.0 ללא סף הכנסות, ויש לו סוג התמיכה האקוסיסטמית שמודל בן חצי שנה צובר: גרסאות מקוונטזות, אינטגרציות עם פריימוורקים, וקהילה שכבר מצאה את מצבי הכשל שלו.

שישה הבדלים שמכריעים את העניין

• פרמטרים — 1.73B צפוף מול 11.95B צפוף. יחס הגודל הוא 6.9 ל-1, והוא מכתיב את כל מה שנגזר מכך: זיכרון, עלות כוונון עדין, מהירות הסקה והתקרה על הידע הכללי.

• מודאליות — טקסט נכנס, טקסט יוצא, עבור LFM3-1.7B-Base. טקסט, תמונה ואודיו נכנסים, טקסט יוצא, עבור Gemma 4 12B. נקודת הבדיקה הבסיסית אינה יכולה לראות צילום מסך, ואין כמות של כוונון עדין שמוסיפה מקודד חזותי שמעולם לא אומן.

• הקשר — שניהם 262,144 טוקנים. זו השורה היחידה שבה המודל הקטן לא מפסיד דבר, וזהו הישג אמיתי של הארכיטקטורה ההיברידית ולא צירוף מקרים שיווקי.

• שפות — שש עשרה שפות מופיעות ברשימה עבור LFM3-1.7B-Base, כולל ערבית, הינדי, תאית, וייטנאמית ואינדונזית. Gemma 4 12B מאומן מראש על יותר מ-140 שפות, עם תמיכה מוכנה לשימוש שהוצהרה עבור יותר מ-35, כיסוי רחב בהרבה ויתרון אמיתי לפריסה רב-לשונית.

• אוצר מילים — 128,000 טוקנים עבור LFM3-1.7B-Base, 262,000 עבור Gemma 4 12B. אוצר המילים הגדול יותר דוחס טקסט באגרסיביות רבה יותר בשפות בכתב לטיני ובקוד; הקטן יותר שומר על מטריצת ההטמעה קטנה, מה שחשוב כאשר המודל כולו הוא 3.46 GB.

• רישיון — הרישיון LFM Open License v1.0 הוא חינמי לשימוש מסחרי כאשר ההכנסות השנתיות נמוכות מ-10 מיליון דולר, ומעל לסף זה נדרש רישיון מסחרי. Gemma 4 12B הוא ברישיון Apache 2.0, כאשר תנאי השימוש המקובלים של Google מופיעים לצד המשקולות ולא כתנאי הקשור להכנסות.

המספר היחיד באותה סוויטה, ולמה הוא אינו מועבר

יש בדיוק מקום אחד שבו Liquid פרסמה ציון מול Gemma 4 12B על אותה חבילת הערכה, והוא עוסק במודל אחר. על פני 62 מבחני ראייה, Liquid מדווחת על LFM3-VL-2B, מודל הראייה שלה עם 1.9B פרמטרים, בציון 66.0 בקטגוריה הכללית של החבילה, לעומת 74.0 עבור Gemma 4 12B. במקומות אחרים באותה טבלה המודל הקטן קרוב יותר, והסיכום של Liquid הוא שמודל הראייה "משתווה" ל-Gemma 4 12B למרות שהוא קטן יותר ביותר מפי שישה.

קרא את הטבלה ולא את המשפט, והיא אומרת משהו מדויק יותר: מודל מולטימודלי בגודל 1.9B מגיע לפער של שמונה נקודות בלבד ממודל מולטימודלי בגודל 12B במערך מבחני ראייה רחב, והפער אינו אחיד בין הקטגוריות. קרא זאת כהצהרה על LFM3-1.7B-Base והיא אינה אומרת דבר כלל. לנקודת הביקורת של בסיס הטקסט אין מגדל ראייה והיא לא הוערכה באף אחד מהמבחנים הללו. הטענה שייכת למודל אחים, וזהו סוג של החלקת מקור שהופכת השוואה זהירה למטעה.

כמה שווה הג'נרליסט ה-12B בכסף

למודל Gemma 4 12B יש מחיר שוק מפני שצדדים שלישיים מספקים אותו. Artificial Analysis מדווחת על חציון משוקלל של $0.10 למיליון אסימוני קלט ו-$0.30 למיליון אסימוני פלט בקרב הפלטפורמות שמארחות את המשקלים הפתוחים — חציון בין ספקים, לא מחיר מחירון, והוא ישתנה ככל שצד ההיצע משתנה. זה זול מספיק עד שרוב הצוותים לא חושבים בכלל להריץ אותו בעצמם.

ל-LFM3-1.7B-Base אין מחיר כזה מכיוון שהוא אינו מודל מוגש. העלות שלו היא ריצת הכוונון העדין, צינור הנתונים ומערך ההגשה, והמספרים האלה משתנים ביותר מסדר גודל בהתאם למה שאתה בונה. ההצעה של Liquid היא שהריצה נכנסת ב-GPU יחיד והתוצאה נכנסת לכדי גיגה-בייט, מה שנכון לגבי המודל ואינו אומר דבר על עלות הנתונים המתויגים. כוונון עדין ייעודי אינו זול יותר מקריאה ל-API של מודל כללי אלא אם כבר יש לך את הנתונים; אם יש לך אותם, זה זול באופן דרמטי בהיקפים גדולים.

כאן שכבת ניתוב מצדיקה את מקומה. OrcaRouter מעבירה הלאה את מחירי המחירון של הספקים בתוספת של 0%, כך שהורדת מחיר מצד ספק נכנסת לתוקף באותו יום במקום להמתין למחזור תמחור מחדש, ואותו מפתח מגיע ליותר מ-200 מודלים עם מעבר אוטומטי בין שירותים. הדפוס המעשי לצוות ששוקל את ההחלטה הזו הוא להשאיר את המודל הכללי במסלול המנותב בזמן שהמודל המקצועי המותאם (fine-tune) נבחן, ואז להעביר את התעבורה כאשר המודל המותאם מנצח על סט ההערכה המוחזק שלכם — לא על ממוצע של ספק.

שלושה קונים, שלוש תשובות

יש לך נתונים קנייניים ומשימה צרה. קח את LFM3-1.7B-Base. גזע ה-1.73B קטן מספיק כדי לבצע כוונון עדין על GPU אחד, ההקשר של 256K שורד את הכוונון העדין, ואוצר המילים של שש-עשרה השפות מכסה את רוב הפריסות האזוריות. אפשר גם לכוונן את Gemma 4 12B, אבל היית משלם כדי לאמן מחדש יכולת שאתה עומד להתרחק ממנה באמצעות התמחות.

אתה צריך מודל שעובד כבר אחר הצהריים. קח את Gemma 4 12B. נקודת הבדיקה הבסיסית לא יכולה לענות על שאלה, והאח המכוונן הוא הורדה אחרת עם שאלת רישיון אחרת. Gemma 4 12B מכוונן להוראות, מולטימודלי, מתועד, וזמין במחיר חציוני מפורסם. הזמן עד לתשובה הראשונה נמדד בדקות.

אתה צריך את שניהם. זהו המקרה הנפוץ וזה שהמסגור מסתיר. כוונן עדין את הגזע עבור המשימה הצרה בעלת הנפח הגבוה, ונתב כל השאר למומחה כללי. השניים אינם תחליפים ברמת הארכיטקטורה, והתייחסות להחלטה כאל בלעדית היא הדרך שבה צוותים מגיעים לכך שהם או משלמים יתר על המידה עבור מומחה או נותנים מענה חסר למקרה שימוש שהמודל הקטן שלהם מעולם לא אומן עבורו.

הרישיון הוא הנושא הרדום

Apache 2.0 הוא הסיבה שחברות רבות מפסיקות לקרוא כבר ברישיון של Gemma. אין סף הכנסות, אין טריגר מסחרי ואין משא ומתן — המשקלים שלכם לשינוי ולהרצה, בכפוף למדיניות השימוש המקובל של Google. גם LFM Open License v1.0 של Liquid מתירנית בהיקף קטן, אך היא מגדירה סף הכנסות שנתיות של 10 מיליון דולר שמעליו חל רישיון מסחרי. עבור סטארט-אפ ההבדל הוא תיאורטי. עבור יחידה עסקית בתוך חברה גדולה יותר, מדובר בשיחת רכש שמתחילה לפני שהכוונון העדין הראשון מתחיל.

מה ישנה את התשובה

שני פיסות ראיות יהפכו את ההשוואה הזו מטיעון קטגורי לטיעון מספרי. הראשונה היא הערכת מודל בסיס מ־Liquid — אפילו קטנה, על קורפוס מוחזק — שמאפשרת לקורא לשפוט אם 22 טריליון טוקנים והמערך התלת־היברידי הניבו נקודת פתיחה טובה יותר מ־LFM2.5-2.6B-Base. השנייה היא כוונון עדין עצמאי של LFM3-1.7B-Base על משימה ציבורית, עם דיווח מול בסיס השוואה של Gemma 4 12B. אף אחד מהם עדיין אינו קיים, ופוסט ההשקה אינו מבטיח אותם.

עד שהם יעשו זאת, ההחלטה נשענת על מה שאתם קונים ולא על איזה מודל טוב יותר: גזע בנפח 3.46 GB בלי ציונים ובלי כיוונון הוראות, או מודל כללי 12B עם טבלה מלאה של נתוני ספק ורישיון שלעולם לא תצטרכו לחזור אליו. זו לא החלטה גבולית מבחינת יכולת. זו החלטה גבולית מבחינת התאמה, והעמודה הריקה בלוח התוצאות היא הדבר הכי כן בעמוד הזה.