LFM3-Omni-2B לעומת LFM2.5-VL-3B: היורש שרואה פחות
- OrcaחדשOrcaCyber: GLM 5.3 Flash Abliterated2026-10-2780 tok/s
- OrcaחדשOrcaCyber: Qwen3.8 Flash Next Abliterated2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 283 tok/s
- OrcaחדשOrcaCyber: MiMo V2.6 Flash Abliterated2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 83 tok/s
- MoonshotחדשMoonshotAI: Kimi K3.1 Pro2026-10-2455אינטליגנציה
- OrcaחדשOrcaCyber: DeepSeek V4.1 Flash Abliterated2026-10-23$0.80 / $1.60 לכל 1M טוקנים · 119 tok/s
- minimaxחדשMiniMax: M3.1 Flash2026-10-1943אינטליגנציה
- OrcaחדשOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 לכל 1M טוקנים · 45 tok/s
- deepseekחדשDeepSeek: DeepSeek V4.1 Flash 10172026-10-1745אינטליגנציה
- DeepSeekחדשDeepSeek: DeepSeek V4.1 Flash2026-10-1740אינטליגנציה
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 לכל 1M טוקנים · 113 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 · 700 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2238אינטליגנציה
- OpenAIOpenAI: GPT-6 Sol2026-09-2248אינטליגנציה
- AnthropicAnthropic: Claude Opus 5.52026-09-2258אינטליגנציה
- xiaomiXiaomi: MiMo-V2.6-Flash2026-09-2138אינטליגנציה
- xiaomiXiaomi: MiMo-V2.6-Pro2026-09-2146אינטליגנציה
- xAIGrok 4.72026-09-2146אינטליגנציה
- OrcaOrca: OrcaCyber Zero 1.02026-09-17$3.00 / $7.50 לכל 1M טוקנים · 160 tok/s
המודל הרב-מודאלי החדש ביותר של Liquid AI גרוע יותר בראייה מהמודל שהוא החליף. ב-RealWorldQA, LFM3-Omni-2B משיג 66.68 ו-LFM2.5-VL-3B משיג 73.1. ב-MMStar זה 55.67 לעומת 63.3. ב-RefCOCO, בהצבעה על ביטויי התייחסות, זה 73.55 לעומת 87.9. ב-MMBench, 73.68 לעומת 81.0. ארבעה מחמשת המדדים ששני המודלים מדווחים עליהם מעדיפים את הצ'קפוינט הוותיק והגדול יותר, לראייה בלבד, והפער אינו רעש — הוא בין שבע לארבעה־עשר נקודות בהתאם לשורה. ניתוב בין שני מודלים לא אמור להוסיף עמלת פלטפורמה. 0% תוספת מחירי המחירון של הספקים עוברים ללא שינוי.
זה לא שערורייה. זה מה שקורה כשמבקשים מרשת קטנה יותר לבצע יותר משימות בבת אחת, וזו העובדה השימושית ביותר למי שצריך לבחור בין שני הצ'קפוינטים האלה. LFM3-Omni-2B אינו מסלול השדרוג למוצר ראייה. זה מוצר אחר שבמקרה חולק שם משפחה.
שני מודלים שמבצעים משימות שונות
הבלבול מובן, מפני ששני המודלים נראים כמו דורות עוקבים של אותו רעיון. שניהם מגיעים מ-Liquid AI, שניהם נבנו לפריסה על המכשיר, שניהם אינם מודלי reasoning, שניהם יורשים את LFM Open License v1.0, ושניהם מיועדים פחות או יותר לאותו תקציב זיכרון. LFM2.5-VL-3B שוחרר ב-12 באוגוסט 2026 כמומחה vision-language: עמוד שדרה טקסטואלי של 2.6B פרמטרים המשולב עם מקודד SigLIP2 NaFlex של 400M, בסך הכול כ-3.1B פרמטרים.
LFM3-Omni-2B, שפורסם ב-27 באוקטובר 2026, הוא מודל any-to-any. הוא קולט טקסט, תמונות, וידאו עם או בלי פסקול, ואודיו ב-16 קילו-הרץ, ומחזיר טקסט, דיבור ב-24 קילו-הרץ, או את שניהם. הראייה היא אחד מארבעה מסלולי קלט ולא כל העבודה. תקציב הפרמטרים עבר מ-3.1B ל-2.17B בעוד שמספר המשימות עבר מאחת לארבע, וציוני הראייה הם המקום שבו החשבון הזה ניכר.
• פרמטרים — 2.17B במודל צפוף עבור LFM3-Omni-2B לעומת כ-3.1B עבור LFM2.5-VL-3B, כאשר 400M מתוכם הם מקודד הראייה.
• קלטים — טקסט, תמונה, וידאו ואודיו ב-16 קילו־הרץ לעומת טקסט, תמונה ווידאו.
• פלטים — טקסט ודיבור ב-24 kHz לעומת טקסט בלבד.
• הקשר — 32,768 אסימונים לעומת 32,768 אסימונים. זהים, ושניהם סופרים קלט ועוד פלט.
• תקציב חזותי — 2,048 טוקנים חזותיים לכל תמונה, רזולוציה מקורית לעומת טלאים של 512 פיקסלים ברזולוציה מקורית עם נתיב תמונה ממוזערת.
• מיצוב — תחליף אומני למערך בן ארבעה מודלים לעומת VLM ייעודי ל-OCR, להבנת ממשק משתמש ולמענה על שאלות חזותיות.
• רישיון — LFM Open License v1.0 בשני המקרים, כולל סף ההכנסות שמסדיר שימוש מסחרי.
היכן שהמספרים למעשה חופפים
השוואות בנצ'מרק בין מודלים ממעבדות שונות בדרך כלל אינן ישרות, מפני שמערכות ההערכה שונות. זו נקייה יותר מרוב ההשוואות: שני הצ'ק-פוינטים הוערכו על ידי אותה חברה, באותו מצב לא-חשיבה, ושניהם מדווחים על חמישה מאותם מערכי נתונים. זה לא הופך את המספרים לבלתי תלויים — הם לא — אבל זה כן הופך אותם לבני השוואה זה לזה באופן שטבלאות חוצות-מעבדות רק לעיתים רחוקות מאפשרות.
• RealWorldQA — 66.68 עבור LFM3-Omni-2B לעומת 73.1 עבור LFM2.5-VL-3B. ירידה של 6.4 נקודות בשאלות של סצנות יומיומיות.
• MMStar — 55.67 לעומת 63.3. ירידה של 7.6 נקודות במדד שנבנה כדי להתנגד לזיהום נתונים.
• MMBench — 73.68 לעומת 81.0. ירידה של 7.3 נקודות ביכולת מולטימודלית רחבה.
• RefCOCO pointing — 73.55 לעומת 87.9. ירידה של 14.4 נקודות, הפער הרחב ביותר בקבוצה, במשימה של איתור אובייקט בעל שם בתמונה.
• DocVQA — 92.47 לעומת 91.1. החריג: LFM3-Omni-2B מוביל ב-1.4 נקודות במענה על שאלות בנושא מסמכים.
תוצאת DocVQA היא זו שמונעת מזה להיות סיפור פשוט של "המודל החדש גרוע יותר". טקסט מסמך הוא המשימה שבה היכולת של מודל מאוחד לקרוא עמוד ברזולוציה גבוהה ולחשוב עליו במעבר אחד יכולה לנצח צינור עיבוד — והיא גם המשימה שבה מגבלת 2,048 הטוקנים לתמונה של Liquid אמורה להזיק ביותר. העובדה שהמודל האומני מנצח שם בכל זאת מרמזת שהידרדרות הראייה אינה אחידה בין משימות. היא מרוכזת במשימות מרחביות ומשימות הפניה, שזה בדיוק המקום שבו הייתם מצפים שמודל עם פחות יכולת חזותית ייעודית יתקשה.
מה העלות של המודאליות הנוספות
נתיב האודיו אינו בחינם, והכרטיס בהיר באופן יוצא דופן לגבי היכן העלות נופלת. חלון ההקשר של 32K משותף לכל המודאליות: וידאו בקצב של 2 פריימים לשנייה למשך 384 פריימים צורך את רוב החלון לפני ששאלתם שאלה. תמונות מוגבלות ל-2,048 טוקנים חזותיים כל אחת, שזה בערך תקרת הרזולוציה לקריאת טקסט צפוף בתצלום. למודל החזותי בלבד יש אותו חלון הקשר של 32K, אך הוא אינו צריך להקצות ממנו דבר לאודיו.
פלט דיבור מוסיף שיקול שני שאין לו דבר לעשות עם מדדי ביצועים. LiquidCodec ממיר אסימונים שנוצרו לאודיו ב-24 kHz מהר יותר מזמן אמת, וזה מה שמאפשר תשובות מדוברות בזרימה. אבל כרטיס המודל מתעד הגשת SGLang עבור פלט טקסט בלבד, ואינו מתאר כיצד מוגש ענף הדיבור. אם אתה צריך תשובות מדוברות מהתשתית שלך, יישום הייחוס עבור החצי הזה של המודל חסר. השווה זאת ל-LFM2.5-VL-3B, שיש מאחוריו שנה של כלים — GGUF, MLX, vLLM, SGLang, ONNX, ודיווחים על 228 אסימונים לשנייה על M5 Max בפחות מ-3.3 GB זיכרון.
בשלות אינה שורה בטבלת בנצ'מרקים, אבל היא מחליטה פריסות. מודל שפועל בכל מקום היום עדיף על מודל שפועל בנתיב אחד מחר, אלא אם המודאליות הנוספת היא הסיבה שאתם שם.
איך לבחור
אם המשימה היא קריאת צילומי מסך, פירוש מסמכים, הצבעה על אובייקטים או מענה לשאלות על הזנת מצלמה, LFM2.5-VL-3B הוא המודל העדיף, וזה לא צמוד בשורות שחשובות. הפער של 14 נקודות ב-RefCOCO בפרט אמור לסגור את הדיון בכל מקרה שימוש ברובוטיקה או באוטומציה של ממשקי משתמש. העובדה שיש לו 3.1B פרמטרים לא מזיקה כשהחלופה היא מודל עם 2.17B פרמטרים שמבזבז שליש מהיכולת שלו על אוזניים ופה.
אם המשימה כוללת אדם שמדבר אל מכשיר והמכשיר מדבר בחזרה — קיוסק, עוזר טלפוני, כלי שטח שבו הידיים עסוקות — LFM3-Omni-2B עושה משהו ש-LFM2.5-VL-3B לא יכול לעשות בשום מספר פרמטרים. אתה לא בוחר במודל ראייה גרוע יותר; אתה בוחר למזג ארבעה מודלים לאחד, ולקבל את הנסיגה ביכולות הראייה כמחיר המיזוג.
יש אפשרות שלישית שטבלת הבנצ'מרקים מבהירה: להריץ את שניהם. מומחה ראייה לפריימים, ומודל omni לשיחה. אלה שני צ'קפוינטים וכ-7.4 GB ב-BF16, שזה עדיין בתוך הזיכרון של GPU בינוני אחד. ל-OrcaRouter יש DSL לניתוב שקיים בדיוק עבור השילוב הזה — נקודת קצה אחת, כללים ששולחים בקשת תמונה וטקסט למומחה ובקשה קולית למודל ה-omni, עם מעבר אוטומטי לנתיב גיבוי אם אחד מהנתיבים נכשל. אף אחד מהצ'קפוינטים לא נמצא בקטלוג שלנו היום, אז זו תבנית ולא הבטחה; הנקודה היא שלשאלה "איזה מודל" יש תשובה שלישית שאף פוסט השקה של מי מהספקים לא מזכיר.
פסק הדין
LFM3-Omni-2B הוא הישג הנדסי אמיתי עם 2.17B פרמטרים, ותחליף גרוע ל-LFM2.5-VL-3B בכל יישום שהוא חזותי בעיקרו. הדרך הכנה לקרוא את הצמד היא כהתפצלות בקו המוצרים של Liquid עצמה: ענף אחד מייעל את היכולת לראות, והאחר את היכולת להשתתף בשיחה. שם המשפחה והרישיון המשותף גורמים להם להיראות כרצף. טבלת הבנצ'מרקים אומרת שהם אחים, והאח הבוגר טוב יותר בדבר שלשמו נבנה.
מה שישנה את ההערכה הזו הוא הערכה עצמאית, מפני שכל ההשוואה לעיל נשענת על מספרים ש-Liquid הפיקה לגבי שני המודלים שלה עצמה. ייתכן שמודל ה-omni הוערך על גרסאות קשות יותר של מערכי הנתונים האלה, או במצב שמעמיד אותו בעמדת נחיתות. שום דבר בכרטיס לא מרמז על כך, והכיוון העקבי של ארבעה מחמישה שורות שולל זאת. עד שמישהו מחוץ לחברה ישחזר את אחת מהטבלאות, הקריאה הבטוחה ביותר היא גם הפשוטה ביותר: המודל המתמחה רואה טוב יותר, ומודל ה-omni שומע.
