LFM3 לעומת Qwen3.8-27B: פער גודל של פי 16 שמצטמצם ל-9% בביצוע הוראות

LFM3-1.7B מכיל 1.73 מיליארד פרמטרים. Qwen3.8-27B מכיל 27.78 מיליארד, ובנוסף מקודד חזותי — משקל גדול פי 16.1. הציבו אותם על אותה שורת בנצ'מרק והחשבון מסרב להסתדר. ב-IFBench, שבוחן אם מודל מציית לאילוצים שמעולם לא עבר כוונון עליהם, הפער ביניהם קטן מתשעה אחוזים. ב-Terminal-Bench 2.1, הוא פי 5.6. שני מודלים, הפרש גודל קבוע אחד, ותוצאה שמתנדנדת מ"למה בכלל לשלם על הגדול" ל"הקטן פשוט לא מסוגל לעשות את זה" בהתאם לשורה שקוראים.

התנודה הזו היא כל ההחלטה. זה לא סיפור על מודל קטן שמדביק פער מול מודל גדול, וזה לא סיפור על מודל גדול שמתבזבז על משימות קטנות. זה סיפור על גבול משימה שעובר, בעקביות רבה, בין ביצוע הוראה לבין ביצוע תוכנית — ועל תנאי רישיון שמסדר מחדש בשקט את השוואת המחירים לכל מי שעובד בחברה מעל רף הכנסות מסוים.

מה כל אחד מאלה באמת

Liquid AI הכריזה על משפחת LFM3 ב-2026-10-27 — יום לפני כתיבת הדברים האלה — כשישה מודלים עם משקלים פתוחים בסדר גודל של כ-2B, שמסתעפים משלד משותף LFM3-1.7B-Base. LFM3-1.7B הוא המודל הטקסטואלי: ארכיטקטורה תלת-היברידית של 24 שכבות (13 קונבולוציות קצרות עם שער, 5 שכבות קשב עם חלון הזזה בגודל 256 טוקנים, ו-6 שכבות קשב מלא), שאומן מראש על 22 טריליון טוקנים עם מעבר אימון-ביניים סופי של 3.5 טריליון טוקנים שכלל עקבות סוכנים וקריאות לכלים. המשקלים נמצאים ב-Hugging Face, Ollama מגישה אותו כ-lfm3:latest בהורדה של 1.7 GB, וכרטיס המודל של הספק עצמו ממליץ להימנע מקידוד סוכני או מהסקה מורכבת מרובת שלבים. המשפט האחרון הזה חשוב יותר מכל דבר אחר בכרטיס, ונחזור אליו.

Qwen3.8-27B אינו חדש. עליבאבא פרסמה את המשקלים שלו באמצע אוגוסט 2026 תחת Apache 2.0, והיו לו עשרה שבועות לצבור הורדות, קוונטיזציות ודיווחי משתמשים אמיתיים שלשחרור בן יום פשוט אין. זהו מודל צפוף בנפח 27.78B הבנוי על בלוק חוזר של שכבות Gated DeltaNet ו-Gated Attention, בעומק 64 שכבות, עם קלט ראייה ווידאו מקורי והקשר של 262,144 טוקנים שמתרחב ל-1M עם YaRN. החשיבה פועלת כברירת מחדל וניתנת לכוונון דרך הגדרת מאמץ החשיבה.

אז ההצגה הכנה של הזיווג הזה היא א-סימטרית באופן שחשוב: למודל אחד יש טבלת בנצ'מרקים של ספק ואין דוחות שטח, ולשני יש את שניהם. התייחס לכל מה שלהלן בנוגע ל-LFM3-1.7B כאל טענה על מערך הבדיקות של Liquid AI, ולא על עומס העבודה שלך.

שורת המפרט שבה המודל הקטן לא מפסיד

התחל בממדים שבהם פי 16 פרמטרים לא קונים דבר בכלל, כי יש יותר מהם מכפי שההבדל בגודל מרמז.

• חלון הקשר — 262,144 טוקנים נייטיביים בשניהם. LFM3-1.7B מגיע אליו במהלך אימון הביניים; Qwen3.8-27B מסופק איתו באופן נייטיבי ומתרחב ל-1M עם YaRN.

• שפות — 16 מוצהרות עבור LFM3-1.7B (כולל אנגלית, סינית, יפנית, קוריאנית, ערבית והינדי); Qwen3.8-27B מאומן באופן נרחב במגוון שפות, ללא מספר מוצהר בולט.

• מודאליות — טקסט נכנס, טקסט יוצא עבור LFM3-1.7B; טקסט, תמונה ווידאו נכנסים, טקסט יוצא עבור Qwen3.8-27B. זה המקום היחיד שבו ה-27B מבצע משימה שונה מהותית ולא גרסה גדולה יותר של אותה משימה.

• זיכרון ב-4 סיביות — כ-1 ג'יגה-בייט עבור LFM3-1.7B לעומת כ-14–16 ג'יגה-בייט עבור Qwen3.8-27B.

• זיכרון ב-BF16 — 3.46 GB לעומת כ-56 GB, וזה ההבדל בין מחשב נייד לבין מארז רב-GPU.

• רישיון — LFM Open License v1.0 לעומת Apache 2.0. שמור את זה בראש.

חלון הקשר של 256K בשני הצדדים הוא השורה המפתיעה באמת. אורך ההקשר עקב היסטורית אחרי מספר הפרמטרים, וכאן מודל שאפשר להריץ בכגיגה־בייט אחד מציע אותו חלון נומינלי כמו מודל שדורש תחנת עבודה. המילה "נומינלי" עושה עבודה אמיתית במשפט הזה — חלון של 256K במודל של 1.7B הוא שימושי רק אם המודל מצליח למצוא בו דברים, וזה בדיוק מה ששורות ההקשר הארוך שלמטה בודקות.

כשפי 16 פרמטרים מניבים תשעה אחוזים

Liquid הריצה חבילת בדיקות בת 27 שורות ופרסמה את הטבלה המלאה, כולל העמודות שבהן מתחרה מנצח. שני המודלים מדווחים על IFBench, שהיא השורה הנקייה ביותר להשוואה ישירה בכל ההשוואה, מכיוון שמדובר בגרסת בנצ'מרק אחת שדווחה על ידי שני הספקים.

LFM3-1.7B משיג ציון 73.03. Qwen3.8-27B משיג ציון 79.5. זה 6.5 נקודות, פחות מתשעה אחוזים מהציון של המודל הגדול יותר — על מודל קטן פי 16.1. עבור עומס עבודה שהוא בעיקרו "קח את הקלט המבולגן הזה, הפק את צורת ה-JSON המדויקת הזו, ולעולם אל תשבור את הסכימה", הפער הזה קרוב לרעש, וההבדל בפריסה הוא גיגה-בייט לעומת שישה-עשר.

הטבלה של Liquid עצמה מעלה את אותה נקודה מול מתחרה קרוב יותר. מול Qwen3.5-9B — מודל גדול פי חמישה מ-LFM3-1.7B — המודל הקטן מנצח ב-IFBench בפער של 24 נקודות (73.03 מול 48.84), ב-IFStruct בפער של 4.5 (93.72 מול 89.20) וב-Multi-IF בפער של 4.7 (89.10 מול 84.44). יהיה אשר יהיה, עמידה בהוראות אינה יכולת שמתפתחת בצורה חלקה עם מספר הפרמטרים, ומודל 1.7B מאומן היטב יכול לנצח בכך מודל 9B בינוני.

שורות ההקשר הארוך יותר דו-משמעיות יותר, וכדאי לומר זאת בפשטות במקום לעגל לטובת Liquid. ב-AA-LCR,‏ LFM3-1.7B מקבל 52.83 — ציון אמיתי לגודלו, ובערך באותה רמה כמו 52.67 של Qwen3.5-4B. ב-RULER 128K הוא מקבל 65.56, גבוה בהרבה מ-37.96 של MiniCPM5-2B אך רחוק מאחורי 87.11 של Qwen3.5-9B. לכן חלון ה-256K אינו דקורטיבי, אך הוא גם אינו שווה ערך לזה של מודל גדול יותר. Qwen3.8-27B אינו מופיע בטבלה ההיא כלל, כלומר אין מספר הקשר ארוך דומה עבור הציוות הספציפי הזה — רק הנחה מוקדמת חזקה שמודל 27B עם 262K מקורי ינצח מודל 1.7B עם אותו חלון נומינלי.

כאשר 16× פרמטרים מביאים פי חמישה וחצי

עכשיו השורות שכרטיס המודל הזהיר לגביהן. כל אחת מהן היא גרסת בנצ'מרק ששני הספקים מדווחים עליה, כך שלא מתבצע חיסור בין גרסאות.

• Terminal-Bench 2.1 — 12.92 עבור LFM3-1.7B לעומת 73.0 עבור Qwen3.8-27B. פער של פי 5.6.

• Humanity's Last Exam, ללא כלים — 7.17 לעומת 30.8. פער של פי 4.3.

• GPQA Diamond — 63.37 מול 89.2. פער של פי 1.4.

• LiveCodeBench v6 — 73.46 לעומת 90.3. פער של פי 1.2.

סדר הרשימה הזו הוא הממצא. הפער הוא הקטן ביותר ביצירת קוד בניסיון אחד, שבה LFM3-1.7B נמצא כ-19% מתחת למודל שגדול ממנו פי שישה-עשר. הוא הגדול ביותר ב-Terminal-Bench, שבה המשימה אינה "לכתוב קוד" אלא "להפעיל מכונה לאורך שלבים רבים, להתאושש מהשגיאות של עצמך, ולעצור כשהעבודה הושלמה." זו בדיוק היכולת שכרטיס המודל של Liquid עצמו אומר שחסרה למודל, והמספרים תואמים לכרטיס. ב-GPQA וב-HLE הפער הוא בידע, וזו התוצאה הכי פחות מפתיעה כאן — מודל 1.7B שאומן על 22T אסימונים פשוט ראה פחות ממודל 27B שאומן על יותר, ושום כמות של ארכיטקטורה לא מפצה על כך.

יש שורה אחת שמצביעה לכיוון ההפוך, והיא המספר המעניין ביותר מבין שני הכרטיסים. בחלוקה הציבורית של AA-Omniscience, LFM3-1.7B רושם דיוק של 7.07 ו-92.93 אי-הזיה. הצמד הזה אומר שהמודל ברובו נמנע מלענות במקום לענות באופן שגוי. זהו נתון אי-ההזיה הגבוה ביותר בטבלת ההשוואה של Liquid עצמה, גבוה מזה של כל מודל גדול יותר שמופיע בה. ה-30.8 של Qwen3.8-27B ב-HLE הוא העמדה ההפוכה: הוא יודע יותר ומתחייב לכך.

אם מצב הכשל של ה-pipeline שלך הוא ערך שגוי שנכנס למסד נתונים בביטחון, מודל שנמנע מלענות ב-93% מהמקרים הוא תכונה רצויה, ותקרת הדיוק היא המחיר. אם מצב הכשל של ה-pipeline שלך הוא null במקום שבו אמור להיות ערך, אותה התנהגות בדיוק היא הבאג. זה הדבר החד ביותר שההתמודדות הזו נשענת עליו, ואף ציון מצטבר לא לוכד אותו.

שלושה מספרים שאסור לחסר

דפי השוואה ראש בראש על השילוב הזה יתפתו להציג זה לצד זה כל מבחן ביצועים ששני הספקים מפרסמים. שלושה מהנתונים האלה לא שורדים את המפגש עם המתודולוגיה.

SWE-bench. Liquid מדווחת כי LFM3-1.7B מגיע ל-43.40 ב-SWE-bench Verified עם תשתית OpenCode. Alibaba מדווחת כי Qwen3.8-27B מגיע ל-61.7 ב-SWE-bench Pro. מדד אחר, תשתית אחרת, התפלגות משימות אחרת. הפער של 18 נקודות בין שני המספרים האלה אינו מדידה של דבר. אם אתם רוצים תמונה גסה של הפער, השתמשו ב-Terminal-Bench 2.1, שבו שתיהן מדווחות על אותה גרסה.

כל מדד מצרפי.Artificial Analysis מעניקה ל-Qwen3.8-27B ציון 33.7 במדד התבונה שלה בהגדרת החשיבה xhigh. נכון ל-2026-10-28, אין כלל רשומת LFM3 ב-Artificial Analysis. מהדורה בת יום אחד טרם עברה הערכה בלתי תלויה, והאמירה הכנה היא של-LFM3-1.7B אין ולו מספר אחד ששוחזר באופן בלתי תלוי. כל נתון המיוחס לו במאמר זה — ובכל מקום אחר השבוע — מקורו בחבילת הבדיקות של Liquid AI עצמה, על המדדים שבחרה Liquid AI.

הגדרות מאמץ החשיבה.הציונים שפורסמו של Qwen3.8-27B משתנים באופן ניכר בין מצבי מאמץ נמוך, בינוני, xhigh ובין מצב ללא חשיבה; מדד 33.7 הוא מספר ה-xhigh, והנתון של מצב ללא חשיבה נמוך מהותית. כל השוואה שמצמידה מספר של Qwen למספר של LFM3 בלי לציין את הגדרת מאמץ החשיבה משווה מודל שמהרהר למודל מהיר ומייחסת את ההבדל לארכיטקטורה.

מה שיכריע את זה הוא פשוט: הרצה עצמאית של LFM3-1.7B על אותן מערכות בדיקה, בהגדרת מאמץ מוצהרת, ורצוי לאחר שלרשות הקהילה יעמדו המשקלים כמה שבועות. עד אז, הסיכום ההוגן הוא שהפער שדווח על ידי הספק בביצוע הוראות קטן והפער שדווח על ידי הספק בביצוע רב-שלבי גדול, ושתי הטענות מגיעות מאותו גורם בעל עניין.

הרישיון הוא תג המחיר האמיתי

הנה החלק שהופך את המסקנה הרגילה של השוואה בין קטן לגדול.

LFM3-1.7B מופץ תחת LFM Open License v1.0. המשקולות חינמיות להורדה ולהרצה, והשימוש המסחרי אינו נכלל עבור גופים עם הכנסה שנתית של 10 מיליון דולר או יותר. Qwen3.8-27B מופץ תחת Apache 2.0 ללא תנאי הכנסה, ללא הגבלת תחום שימוש וללא הסכם נפרד.

אז עבור סטארטאפ של שני אנשים, החשבון ברור: מודל שנכנס לג'יגה-בייט, לא עולה כלום לכל טוקן, ורץ על חומרה שכבר יש לכם — קרוב לארוחת חינם. עבור חברה שעברה את ה-10 מיליון דולר בהכנסות — כלומר, רוב החברות עם תקציב אינפרנס לפרודקשן ששווה לייעל — המודל הזול אינו חינם, והמודל היקר הוא בבירור מורשה. המודל שנראה כמו אפשרות התקציב הוא דווקא זה שצמודה לו השיחה המשפטית.

זה אינו טיעון נגד LFM3-1.7B. זהו טיעון בעד קריאת הרישיון לפני קריאת טבלת הבנצ'מרק, מפני שהרישיון קובע אם טבלת הבנצ'מרק בכלל זמינה לך.

מה שנדרש כדי להריץ כל אחד מהם בפועל

LFM3-1.7B הוא התקנה בשורה אחת. הוא זמין בספריית Ollama בתור lfm3:latest ו-lfm3:1.7b, שניהם הורדה של 1.7 GB עם חלון הקשר מוצהר של 256K, והוא פועל ב-Transformers עם כיוונון עדין על GPU יחיד. המהדורה ב-Hugging Face כוללת מחברות עבור SFT, DPO ו-GRPO, כולל דוגמה מעשית לאימון המודל לבחור את הכלי הנכון מבין 108 באפליקציית טלפון. אם המטרה שלך היא מחלץ קטן, ייעודי ומכוונן עדין שחי על אותה מכונה כמו הנתונים, זהו מסלול קצר באמת מהורדה לפריסה.

Qwen3.8-27B הוא סוג אחר של פרויקט. בנפח של כ-56 GB ב-BF16 הוא דורש מארז רב-כרטיסי-גרפי או כימות אגרסיבי; ב-4 ביט הוא נכנס ל-14–16 GB, כלומר כרטיס גרפי יחיד עוצמתי או מחשב נייד עם מפרט טוב, כאשר מטמון KV דוחף את השימוש בזיכרון בפועל אפילו גבוה יותר. הוא פועל ב-Transformers, ב-vLLM, ב-SGLang וב-TokenSpeed. אם אינכם רוצים להחזיק בחומרה הזו, היא זמינה באירוח — ב-OrcaRouter היא מוגשת על ידי שני ספקים במעלה הזרם, במחיר של $0.33 למיליון טוקני קלט ו-$2.40 למיליון טוקני פלט מהראשון ו-$0.40 / $4.21 מהשני.

הפער הזה בין שני ספקים שווה לעצור עליו, כי זה מסוג הדברים שמתגלים רק כשמסתכלים על קטלוג חי ולא על הודעה לעיתונות. אותם משקלים, אותו חלון הקשר, יקר בכ-75% בערך בפלט מהספק השני. OrcaRouter מעביר את מחיר המחירון של הספק עם תוספת של 0%, כך ששני המחירים גלויים זה לצד זה, וכשל אוטומטי פירושו שתקלה אצל ספק מנותבת הצידה במקום לעלות למשתמשים שלך. אם אתה בוחן את Qwen3.8-27B כמסלול ההסלמה עבור צינור שמתחיל במודל קטן, זה השלב שהיית שם מאחורי מפתח אחד.

כדי להיות מפורשים לגבי החצי השני: OrcaRouter אינו מגיש את LFM3-1.7B. זהו הורדת משקלים, והרצתו היא נקודת הקצה שלך על החומרה שלך. הסיבה להזכיר אותנו במאמר הזה בכלל היא מסלול ההסלמה, לא המודל הקטן.

מי אמור לבחור מה

ההחלטה לא באמת תלויה בטבלת הבנצ'מרק. היא תלויה בשתי שאלות שאפשר לענות עליהן לפני שמריצים משהו.

בחרו ב-LFM3-1.7B אם העבודה היא חד-תורית ומוגבלת-סכמה — חילוץ, סיווג, ניתוב, פלט מובנה, בחירת כלים על-גבי המכשיר — והנתונים אינם יכולים לצאת מהמכשיר. זה גם הבחירה הנכונה אם אתם מתכוונים לבצע כוונון עדין, מפני שמודל 1.7B עם מסלול SFT/DPO/GRPO כלול ותקציב של GPU יחיד הוא פרויקט של סוף שבוע ולא של רבעון. חלון ה-256K, 16 השפות והתנהגות ההימנעות — כולם מצביעים על אותו מקרה שימוש: רכיב צר, בנפח גבוה ורגיש לפרטיות, שבו תשובה שגויה גרועה מאי-תשובה, ושבו החברה שלכם נמצאת מתחת לקו ההכנסות.

בחרו ב-Qwen3.8-27B אם המודל צריך לתכנן. סוכנים רב-שלביים, עבודה בטרמינל, קידוד לטווח ארוך, כל דבר שבו המודל חייב להתאושש מהטעויות של עצמו לאורך תריסר קריאות כלים — פער ה-5.6× ב-Terminal-Bench אינו בעיית כוונון, זהו כרטיס המודל שמספר לכם את האמת. זו גם הבחירה הנכונה כשאתם צריכים ידע ולא פורמט, כשאתם צריכים קלט חזותי או וידאו, וכש-Apache 2.0 הוא דרישה ולא העדפה.

וּבְחַר בִּשְׁנֵיהֶם אִם הַתְּשׁוּבָה הַכֵּנָה הִיא שֶׁהַצִּנּוֹר שֶׁלְּךָ מִתְחַלֵּק לִשְׁנֵי חֲלָקִים. הַדְּפוּס שֶׁמַּתְאִים לְצֶמֶד זֶה הוּא מַעֲבָר רִאשׁוֹן זוֹל, מְקוֹמִי וּכְפוּף־סְכֵימָה, עִם מְסִלַּת הַסְלָמָה אֶל ה־27B כְּשֶׁהַמַּעֲבָר הָרִאשׁוֹן מְסָרֵב — וְזֶה בְּדִיּוּק מַה שֶּׁמּוֹדֶל שֶׁנִּמְנָע בְּ־93% מֵהַמִּקְרִים נוֹעַד לְאוֹתֵת. אַרְכִיטֶקְטוּרָה זוֹ מְנַצֶּלֶת אֶת הַשּׁוּרָה הַטּוֹבָה בְּיוֹתֵר שֶׁל כָּל מוֹדֶל, וְלֹא אֶת הַגָּרוּעָה בְּיוֹתֵר שֶׁל אַף אֶחָד מֵהֶם.

מה היה משנה את התשובה הזו

שני דברים, ושניהם ראויים למעקב במקום לנחש.

הראשון הוא הערכה בלתי תלויה של LFM3-1.7B. כל טענת יכולת לעיל נשענת על החבילה של Liquid AI עצמה, וה-checkpoint מסוג Base במשפחה הזו הגיע ללא טבלת בנצ'מרקים כלל — מה שמלמד שהמספרים של המשפחה הם סיפור של post-training, לא סיפור של ארכיטקטורה. הרצה ניטרלית על IFBench ו-Terminal-Bench תאשר או תמוסס את הפיצול שהמאמר הזה מתאר.

השאלה השנייה היא האם Liquid משיקה מודל טקסט גדול יותר על ארכיטקטורת הבסיס הזו. ההשוואה כולה ממוסגרת על ידי פער של פי 16 בפרמטרים, ותוצאת ביצוע ההוראות מרמזת שמתכון האימון עושה יותר עבודה מאשר מספר הפרמטרים. אם יגיע LFM3 בגודל בינוני, השאלה המעניינת מפסיקה להיות "האם מודל של 1.7B יכול לבצע הוראות" — הוא כבר יכול — והופכת ל"מה המתכון הזה עושה עם ארבעה מיליארד פרמטרים".

עד שאחד מאלה יקרה, הסיכום המועיל צר יותר מלוח תוצאות: LFM3-1.7B הוא עוקב הוראות טוב באמת שאינו יודע לתכנן, ו-Qwen3.8-27B הוא מתכנן טוב באמת עם רישיון שאפשר לבסס עליו חברה. הבחירה ביניהם אינה שאלה של בנצ'מרק. זו שאלה של איזה משני המשפטים האלה מתאר את עומס העבודה שלך.