LFM3-1.7B לעומת Gemma 4 26B A4B: שני מתכונים לטוקן זול, ורק אחד מהם נכנס לטלפון

על הנייר, שני המודלים האלה נוקטים באותה גישה לאותה בעיה. LFM3-1.7B, שהוכרז על ידי Liquid AI ב-27 באוקטובר 2026, וGemma 4 26B A4B, שיצא לאור על ידי Google DeepMind ב-2 באפריל 2026, שניהם קיימים כדי לענות על שאלה אחת: איך מכניסים מודל בעל יכולת לתקציב זיכרון קטן? הם נותנים תשובות הפוכות. Liquid הקטינה את המודל. Google השאירה את המודל גדול ומשלמת רק על פרוסה ממנו לכל טוקן. המשקלים בחינם, כך שהחשבון הוא מה שהמארח המוכשר הזול ביותר גובה. אנחנו מעבירים את מחירי המחירון של הספקים הלאה ב-0% תוספת.

ההבחנה נשמעת כמו טריוויה ארכיטקטונית עד שמחשבים את עלות הפריסה, ואז היא הדבר היחיד שחשוב. Gemma 4 26B A4B מפעיל 3.8 מיליארד פרמטרים לכל טוקן, אבל עדיין צריך להחזיק 25.2 מיליארד מהם איפשהו. LFM3-1.7B מפעיל את כל 1.73 מיליארד הפרמטרים שלו ומאחסן בדיוק אותו מספר. אחד זול לחישוב. האחר זול להחזקה.

שני מתכונים לטוקן זול

Gemma 4 26B A4B הוא מודל תערובת מומחים: 128 מומחים מנותבים ועוד מומחה משותף אחד, 30 שכבות, כאשר בכל אסימון מופעלים בערך שמונה מומחים. זה מעניק לו את יכולת הידע של מודל צפוף בגודל 25.2B ואת העלות האריתמטית של משהו הקרוב יותר ל-4B. לפי הניסוח של גוגל עצמה, הוא מגיע לכ-97% מציון ה-MMLU-Pro של Gemma 4 31B הצפוף, בכ-12% מה-FLOPs.

LFM3-1.7B בוחר בדרך האחרת. הוא צפוף לחלוטין — כל פרמטר פועל על כל טוקן — והחיסכון מגיע מארכיטקטורה שתוכננה מחדש ולא מדלילות. מערך ה-tri-hybrid של Liquid הוא בן 24 שכבות: 13 קונבולוציות קצרות עם שער, חמש שכבות קשב עם חלון הזזה, שש שכבות קשב מלא. רוב מידול הרצף נעשה באמצעות קונבולוציות, שהן זולות, וקשב מלא מופיע רק שש פעמים. כך מודל של 1.73B נושא הקשר של 262,144 טוקנים ואוצר מילים של 128,000 טוקנים בלי שמטמון ה-KV יאכל את המכונה.

• סך הפרמטרים — 1.73B עבור LFM3-1.7B; 25.2B עבור Gemma 4 26B A4B.

• פעילים לפי טוקן — 1.73B לעומת כ-3.8B. זו השורה היחידה שבה השניים באותה ליגה.

• זיכרון ב-4 סיביות — כ-1 GB לעומת כ-18 GB. זו השורה שמכריעה את הפריסה.

• הקשר — 262,144 אסימונים בשניהם, שוב תיקו אמיתי.

• מודאליות — טקסט בלבד לעומת קלט טקסט ותמונה, עם קריאה לפונקציות מקורית ומצב חשיבה ניתן להגדרה.

• רישיון — LFM Open License v1.0, חינם מתחת ל-10 מיליון דולר בהכנסות שנתיות; Apache 2.0 ללא סף עבור Gemma 4 26B A4B.

למה 3.8B פעילים לא אומר 3.8B של זיכרון

זו הטעות הנפוצה ביותר בקריאת דף מפרט של תערובת מומחים, ולכן כדאי לומר זאת בגלוי. פרמטרים פעילים קובעים את החישוב, ובאופן רופף גם את המהירות. הם לא קובעים את גודל הקובץ שתורידו או את ה-VRAM שתקצו. Gemma 4 26B A4B דורש שכל 25.2 מיליארד הפרמטרים שלו יהיו נוכחים בזיכרון כדי לנתב בין מומחים; ב-4 סיביות זה מגיע לסמוך ל-18 GB. אפשר להריץ אותו על כרטיס בודד של 24 GB, וגוגל מספקת גרסאות FP8 ו-NVFP4 כדי להפוך את זה למעשי, אבל אי אפשר להריץ אותו על טלפון.

LFM3-1.7B הוא בערך 1 GB ב-4-bit — הכרטיס של Liquid אומר שהוא נכנס לטלפון או למחשב נייד, ובגודל הזה הטענה אמינה ולא שיווקית. הוא גם שומר מטמון KV של 1.6 GB ב-128K טוקנים, וזה המספר שקובע בפועל כמה בקשות בו-זמניות עם הקשר ארוך אפשר להחזיק.

המשמעות המעשית: פריסה של 26B-A4B היא החלטה על שרת הסקה, ופריסה של 1.7B היא החלטה על שחרור אפליקציה. אלה פרויקטים שונים עם צוותים שונים ומבני עלויות שונים, ושום בנצ'מרק לא סוגר את הפער ביניהם.

מה כל ספק פרסם, ומה זה אומר לך

גוגל פרסמה טבלה מקיפה עבור Gemma 4 26B A4B: 82.6 ב-MMLU-Pro, 82.3 ב-GPQA Diamond, 88.3 ב-AIME 2026 ללא כלים, 77.1 ב-LiveCodeBench v6, דירוג Codeforces Elo של 1718, 73.8 ב-MMMU-Pro, ו-44.1 ב-MRCR v2 ב-128K עם שמונה מחטים. כל הנתונים מדווחים על ידי הספק, ואף אחד מהם לא שוחזר באופן עצמאי. מעקב של צד שלישי ממקם את דירוג ה-Elo שלה ב-LMArena סביב 1438.

Liquid פרסמה טבלה מצומצמת יותר עבור LFM3-1.7B, והיא מוטה לעבר עבודה סוכנית: 71.39 ב-BFCL V4, 80.36 ב-ToolSandbox, 68.01 ב-τ³-bench, 45.60 ב-LiveClaw, 38.42 ב-WebArena-Verified. היא גם מדווחת 96.66 ב-IFEval, 73.03 ב-IFBench, 63.37 ב-GPQA Diamond, 73.46 ב-LiveCodeBench v6, ו-65.56 ב-RULER ב-128K. Liquid אינה מפרסמת נתון MMLU-Pro עבור LFM3-1.7B, והיעדרותו אינה אפס — הוא פשוט לא נמדד.

רק LiveCodeBench v6 ו-GPQA Diamond חופפים בצורה נקייה. Gemma 4 26B A4B מנצחת בשניהם, ב-3.6 ו-18.9 נקודות בהתאמה. היכן שחבילת הבדיקות של Liquid עוברת לתחום הסוכנים, אין מספר של Gemma להשוות אליו — Google מדווחת על τ²-bench ב-68.2, ו-τ² אינו τ³, כך שהצבת 68.01 לצידו תהיה השוואה מופברוקת העטופה כהשוואה קפדנית.

איפה ה-1.7B נשאר בשיחה

פער של 3.6 נקודות ב-LiveCodeBench קטן ממה שיחס הפרמטרים של 14 ל-1 היה מנבא, והסיבה היא ארכיטקטונית. תכנות תחרותי מתגמל את היכולת להחזיק דפוס ולהפיק פונקציה נכונה — מיומנות שמרוויחה יותר מאות אימון נקי מאשר מקיבולת גולמית. אילו שאלות קידוד היו כל העבודה, ה-26B היה מנצח והחלק הזה היה קצר.

מה שבאמת שומר על הרלוונטיות של LFM3-1.7B הוא השילוב של הקשר של 262,144 טוקנים וטביעת רגל של 1 GB. מודל שיכול להחזיק מסמך גדול ולרוץ על המכשיר שקורא אותו הוא מוצר אחר ממודל שיכול להחזיק את אותו מסמך על שרת. Liquid מדווחת על 65.56 ב-RULER ב-128K, וזה לא ציון מרהיב להקשר ארוך — Gemma 4 26B A4B מדווחת על 81.4 באותה משפחת מבחנים — אבל הוא נמדד בכלל, על המכשיר, בגיגה-בייט.

ובכל הנוגע לביצוע הוראות, המודל הקטן לא מבייש: 96.66 ב-IFEval ו-73.03 ב-IFBench הם מספרים חזקים לקטגוריית גודל זו, ושניהם מדווחים על ידי הספק. עבור עומס עבודה של קריאה לכלים או פלט מובנה, זה קרוב יותר למדד החשוב מאשר GPQA Diamond.

מה שכבת הניתוב למעשה משנה

Gemma 4 26B A4B נמצא בקטלוג של OrcaRouter — באמצעות מפתח API אחד אפשר להגיע אליו לצד יותר מ-200 דגמים אחרים, כאשר מחירי המחירון של הספקים מועברים הלאה עם תוספת של 0%, כך ששינוי מחיר של ספק נכנס לתוקף באותו יום במקום להמתין למחזור תמחור מחדש. זה חשוב כאן יותר מבדרך כלל, משום שזהו דגם שהכלכלה שלו כולה סובבת סביב תמחור הספקים: המשקלים חינמיים, כך שהחשבון הוא מה שהמארח הזול ביותר שמספק שירות הולם גובה, והמספר הזה משתנה.

מעבר אוטומטי בין שרתים (failover) הוא החצי השני. מודל mixture-of-experts עם 26B פרמטרים והקשר של 256K הוא בדיוק סוג העומס שנתקל בקירות קיבולת בשעות שיא, וניתוב בין ספקים אומר שאחר צהריים רע של מארח בודד אינו ההשבתה שלך. LFM3-1.7B לא זקוק לשום דבר מזה, כי הוא רץ על חומרה שאתה שולט בה ואין לו ספק שממנו לעבור. זו לא נקודה לזכותו או לחובתו — זו תוצאה של בחירת המתכון האחר.

הניסוח הכנה של התפקיד שלנו: אנחנו מנתבים את המודל הגדול והדליל, איננו משרתים את הקטן והצפוף, וההחלטה ביניהם אינה החלטה שנתב יכול לקבל עבורך.

החלטה במעבר אחד

אם ליעד הפריסה יש פחות מ-20 GB של זיכרון — טלפון, מחשב נייד, Jetson, מחשב AI — אז Gemma 4 26B A4B אינו מועמד וההשוואה תמה. קחו את LFM3-1.7B, תכננו אחזור סביב פער הידע ש-Liquid עצמה מצביעה עליו, והשתמשו בו לקריאה לכלים ולחילוץ מובנה, שבהם המספרים שלו באמת תחרותיים.

אם אתם מגישים שירות מ-GPU ועומס העבודה עתיר ידע, מולטימודלי, או דורש את רמת החשיבה של 82.3 ב-GPQA Diamond ו-82.6 ב-MMLU-Pro, ‏Gemma 4 26B A4B הוא המודל הטוב יותר, וה-18 GB הם מחיר הכניסה. ‏Apache 2.0 מסיר לחלוטין את שיחת הרישוי, אשר בעבור ארגון גדול שווה יותר מכמה נקודות בנצ'מרק.

אם אתם בונים מוצר שמשווק לשניהם — עוזר על-המכשיר שמסלים שאילתות קשות לשרת — השניים כלל אינם מתחרים. הם שני השכבות של ארכיטקטורה אחת, והשאלה ההנדסית המעניינת היא היכן למתוח את קו ההסלמה, ולא איזה מודל מנצח בטבלה.

השאלה הפתוחה אינה היכולת, שהוכרעה לטובת גוגל, אלא אם מודל של {{1}}1 GB{{/1}} עם {{2}}הקשר של 256K{{/2}} טוב מספיק למשימות הסוכניות הצרות שרוב המוצרים הפועלים על המכשיר באמת זקוקים להן. כרטיס המודל של Liquid עצמו גלוי לב באופן יוצא דופן שהוא אינו מודל חשיבה. הגילוי לב הזה שווה יותר מהפער ב-LiveCodeBench, מפני שהוא אומר לך איזה חצי מעומס העבודה שלך לשלוח לאן.