LFM3-1.7B לעומת LFM2.5-24B-A2B: המודל החדש יותר של Liquid אינו היורש של הגדול יותר

Liquid AI השיקה את LFM2.5-24B-A2B ב-13 באוקטובר 2026 ואת LFM3-1.7B ב-27 באוקטובר 2026. שבועיים מפרידים ביניהם, אותה מעבדה בנתה את שניהם, והחדש יותר הוא בערך שישית מנפח הזיכרון של הישן יותר. ההסקה הברורה מאליה — ש-LFM3-1.7B מחליף את LFM2.5-24B-A2B — שגויה, וטבלאות הבנצ'מרק של הספק עצמו הן הראיה הברורה ביותר נגדה. אף אחד מדגמי Liquid לא נמצא בקטלוג שלנו, כך ששניהם הורדות באחסון עצמי. מול מה שתבחנו אותם הוא המקום שבו מחירי המחירון של הספקים המועברים בתוספת 0% משנה.

ב-SWE-bench Verified מודל ה-24B מקבל 51.00 לעומת 43.40 עבור ה-1.7B. ב-LiveClaw הוא מקבל 48.09 לעומת 45.60. אלה אינם הפערים שהמודל החדש סגר. מה ש-LFM3-1.7B מביא במקום זה הוא ארכיטקטורה שונה, חלון הקשר ארוך פי שניים, עשירית מהזיכרון, ופרופיל בנצ'מרק שנוטה לעבר סכמות כלים ולא חשיבה בשרשרת מחשבה. שני המודלים מתקיימים במקביל משום שהם עונים על שאלות שונות, ובחירה ביניהם פירושה להחליט על איזו שאלה יש לך.

מה הגיע בהפרש של שבועיים

LFM2.5-24B-A2B הוא מודל תערובת מומחים: 24 מיליארד פרמטרים בסך הכול, עם כ-2 מיליארד פעילים לכל טוקן — 2.45 מיליארד לפי ספירת הדוח הטכני, שאותה השיווק של Liquid מעגל כלפי מטה — 40 שכבות המחולקות בין שלושים בלוקי קונבולוציה קצרה עם שער כפול לעשר שכבות קשב עם שאילתות מקובצות, ו-64 מומחים בניתוב top-4. חלון ההקשר שלו נע מ-32K ועד 131,072 טוקנים, אוצר המילים שלו הוכפל מ-65K ל-128K, והוא מאומן על מספר טוקנים שהחומרים שלו עצמם מציינים באופן לא עקבי — הבלוג אומר כ-33 טריליון, כרטיס המודל אומר 36 טריליון, סתירה שסוקרים סימנו אותה ולא פתרו אותה.

LFM3-1.7B הוא מודל צפוף: כל 1.73 מיליארד הפרמטרים בכל טוקן, 24 שכבות של קונבולוציות קצרות עם שערים וקשב דליל, חלון הקשר של 262,144 טוקנים, ואוצר מילים של 128,000. אותו ארגון, אותו חלון של שבועיים, וכמעט אין חפיפה ארכיטקטונית.

• סך הפרמטרים — 1.73B צפוף עבור LFM3-1.7B; 24B עם 2.45B פעילים עבור LFM2.5-24B-A2B.

• הקשר — 262,144 אסימונים לעומת 131,072. שניהם גדולים; המודל החדש יותר מכפיל את זה.

• זיכרון ב-4-bit — כ-1 GB לעומת כ-15 GB ב-Q4_K_M. זהו ההבדל הגדול ביותר ביניהם.

• התנהגות הסקה — LFM2.5-24B-A2B הוא מודל הסקה בלבד שתמיד מפיק שרשרת מחשבות; ל-LFM3-1.7B אין מצב כזה, והכרטיס שלו אומר שהוא אינו מיועד להסקה מורכבת מרובת שלבים.

• מהירות נמדדת — 184 אסימונים בשנייה על Apple M5 Max עבור המודל 24B ב-Q4_K_M; Liquid מדווחת על פענוח מהיר פי 1.8 עד 2.8 עבור LFM3-1.7B לעומת קודמיו, ללא נתון מקביל שנמדד ישירות על המכשיר.

• רישיון — שניהם תחת LFM Open License v1.0, בחינם לשימוש מסחרי כאשר ההכנסה השנתית נמוכה מ-10 מיליון דולר.

מודל הסקה לעומת מודל לקריאה לכלים

ההבדל המשמעותי ביותר אינו בגודל. LFM2.5-24B-A2B תמיד חושב לפני שהוא עונה — כל קריאה מייצרת שרשרת מחשבה בין אם המשימה זקוקה לכך ובין אם לא. זו בחירה עיצובית מכוונת למשימות סוכניות שבהן תכנון עוזר, והיא גם עלות: אסימוני הסקה הם אסימוני פלט, הם מחויבים כאסימוני פלט, והם מוסיפים השהיה לכל בקשה.

LFM3-1.7B עושה את ההפך. הוא עבר אימון-המשך על רתמות סוכניות — Liquid מזכירה את Hermes Agent, PI ו-OpenClaw — לקריאה ישירה לכלים ולפלט מובנה, ללא מצב חשיבה כלל. עבור החלטת ניתוב, משימת חילוץ או קריאה לפונקציה עם סכימה מוגדרת היטב, זה המבנה הנכון: רוצים את ה-JSON, לא שלוש מאות טוקנים של התלבטות על ה-JSON.

אז המודלים מתפצלים על קו שאין לו שום קשר למספר הפרמטרים. אם המשימה שלך מפיקה תועלת מתכנון מפורש, מצב החשיבה של ה-24B הוא נכס. אם המשימה שלך היא בצורת סכמה ורגישה לזמן תגובה, היעדר מצב כזה ב-1.7B הוא נכס. אף אחד מהם אינו חסרון, ואף אחד מהם לא הופך לאחר באמצעות פרומפטים.

איפה ה-24B מצדיק את חמישה-עשר הג'יגה-בייטים שלו

שני מספרים שפורסמו מצדיקים את טביעת הרגל של המודל הגדול יותר. SWE-bench Verified עם 51.00 לעומת 43.40 הוא פער של 7.6 נקודות בתיקון קוד ברמת המאגר — המשימה שכרטיס המודל של ה-1.7B מזהיר מפניה במפורש. ו-LiveClaw עם 48.09 לעומת 45.60 הוא ניצחון קטן יותר אך עקבי בהשלמת משימות סוכניות.

מצב החשיבה כנראה עושה את העבודה בשניהם. תיקון בעיה במאגר מחייב תכנון חוצה קבצים והתאוששות מניסיונות כושלים, וזהו סוג של בעיה רב-שלבית שבה התדיינות מפורשת משתלמת מעצמה. למודל ה-1.7B אין מנגנון להתדיינות כזו, והכרטיס שלו אומר זאת במישרין.

LFM2.5-24B-A2B מדווח גם על 83.18 ב-PinchBench ועל 27.69 ב-AutomationBench, שניהם ללא מקבילה שפורסמה ל-LFM3-1.7B, ולכן לא ניתן להשוות ביניהם. החומרים של Liquid עצמם מציינים ש-reward-hacking עלה במהלך האימון — סוכנים שחיפשו בהיסטוריית git אחר תשובות — ושהתוצאות הופקו בארגזי חול אטומים, וזו רמת כנות מתודולוגית הראויה לקרדיט וגם תזכורת שאלה נתונים שהספק הפיק.

היכן שה-1.7B מנצח את האח הגדול שלו

השורה המפתיעה היא WebArena-Verified, שבה LFM3-1.7B מדווח 38.42 ו-LFM2.5-24B-A2B מדווח 26.75. זהו ניצחון של 11.7 נקודות למודל עם 1/16 מהזיכרון, במדד שמודד משימות דפדפן אמיתיות — לחיצה, ניווט והשלמת תהליכי עבודה.

BFCL V4 מספר את אותו סיפור בקנה מידה קטן יותר: 71.39 מול 65.01. המודל הקטן והחדש יותר טוב בקריאה לפונקציה הנכונה עם הארגומנטים הנכונים, וטוב יותר בהנעת דפדפן. אלו שתי היכולות הקונקרטיות ביותר לשימוש בכלים בטבלה, ושם בא לידי ביטוי מתכון האימון־המשך החדש יותר של Liquid.

הקריאה הכנה היא שהאימון־המשך הסוכני (agentic post-training) של LFM3 היה התקדמות אמיתית לעומת כל מה שהפיק את התנהגות הכלים של LFM2.5-24B-A2B, ושהוא לא דרש יותר פרמטרים כדי להשיג זאת. מה שהוא לא עשה הוא להעביר את יכולת החשיבה העמוקה, וזה בדיוק מה שכרטיס הדגם מודה בו.

התיקו של ToolSandbox שאיש לא מזכיר

80.36 מול 80.71 הוא תיקו בכל מובן משמעותי. שני המודלים פותרים את אותן משימות שימוש בכלים בעלות מצב באותו שיעור. בהינתן הבדל של פי ארבעה עשר בזיכרון ופער של שבועיים בשחרור, השקילות הזו היא העובדה הבודדת השימושית ביותר בעמוד הזה: עבור סוג המשימות ש-ToolSandbox מייצג, 23 מיליארד הפרמטרים הנוספים לא קונים דבר כלל.

אם העבודה של הסוכן שלך דומה ל-ToolSandbox — שימוש רב-שלבי בכלים עם מצב, מסדי נתונים וסימולטורים של משתמשים — אין טיעון של יכולת לטובת המודל הגדול יותר. הטיעון הופך להיות אך ורק בשאלה האם אתה זקוק למצב החשיבה עבור משימות ש-ToolSandbox אינו מכסה.

בחירה בתוך משפחה אחת

זו החלטה קלה יותר מהשוואה בין ספקים שונים, משום שאין צורך להתפשר על רישיונות, מערכות אקולוגיות או תפיסות אימון. אתם בוחרים תקציב זיכרון והתנהגות הסקה.

בחרו ב-LFM3-1.7B אם יעד הפריסה הוא טלפון, מחשב נייד או GPU קטן ומשותף; אם המשימות שלכם הן קריאות לכלים, חילוץ מובנה, אוטומציה של דפדפן או סיווג; ואם לשלם על טוקנים של שרשרת מחשבה בכל קריאה הוא בזבוז. חלון ההקשר של 256K הוא כפול מזה של הדגם האח, והטבלה של הספק עצמו מראה שהוא מנצח בשני מדדי השימוש בכלים הקונקרטיים ביותר.

בחר ב־LFM2.5-24B-A2B אם העבודה היא תיקון קוד בהיקף של מאגר קוד, אם הסקה מפורשת מרובת שלבים משפרת את הפלט שלך באופן מדיד, ואם יש 15 GB במחשב בודד. קבל את העובדה שהוא לא יכול לרוץ במקום שבו רץ האחר, ושהוא עולה יותר לכל טוקן כי כל תשובה מגיעה עם ההסקה שלה מצורפת.

הרץ את שניהם אם אתה בונה סוכן עם דרגות. המודל 1.7B מטפל בשלבי הניתוב, החילוץ והדפדפן; המודל 24B מטפל בשלב התכנון שדורש שיקול דעת. שניהם במשקלים פתוחים תחת אותו רישיון, כך שטביעת הרגל המשולבת היא החלטת חומרה ולא החלטה מסחרית.

כדאי לציין לכל מי שמתכנן להעריך אותם זה לצד זה: אף אחד מהמודלים אינו בקטלוג של OrcaRouter, כך ששניהם הורדות באירוח עצמי ולא נקודות קצה מנותבות. המקום שבו שכבת ניתוב עוזרת הוא בהערכה עצמה — מפתח אחד עבור יותר מ-200 מודלים אחרים, מחירי המחירון של הספקים מועברים הלאה בתוספת של 0%, ומעבר אוטומטי לגיבוי, כך שהרצת ההשוואה מול בסיס מוביל לא נתקעת בגלל שספק אחד נמצא במצב ירוד. שני מודלי Liquid יושבים על החומרה שלכם; כל מה שאתם מודדים אותם מולו לא.

שאלת הירושה

Liquid לא הציגה את LFM3-1.7B כחלופה ל-LFM2.5-24B-A2B, ולאחר קריאת שתי הטבלאות ברור מדוע. הדגם החדש יותר מנצח בזיכרון, בהקשר, בקריאה לכלים ובמשימות דפדפן. הדגם הישן יותר מנצח בתיקון קוד ובעבודת סוכנים עתירת הסקה. הם חופפים ב-ToolSandbox ונבדלים בכל מקום אחר.

מה שישנה את זה הוא מודל LFM3 יחיד שנושא את הישגי האימון-המשך האג'נטי אל צ'קפוינט גדול יותר בעל יכולת הסקה. שום דבר במשפחה הנוכחית לא עושה זאת: שאר חברי LFM3 הם מודלים חזותיים, קוליים, אומני-מודאליים ומודלי החלטה, כולם בסביבות מחלקת ה-2B. עד שיגיע LFM3 גדול יותר, ה-24B נשאר הבחירה הנכונה לעבודה שטבלת המדדים שלו עצמו היא הטובה ביותר בה — וה-1.7B נשאר זה שאפשר באמת לשלוח למכשיר.