Dessa vs LFM2.5 2.6B Base: Checkpoint yang Bisa Anda Miliki vs Suara yang Hanya Bisa Anda Dengar

LFM2.5-2.6B-Base adalah file 2,69 miliar parameter yang muat dalam sekitar 2,5 GB, dapat dijalankan di ponsel, dan disertai lisensi yang memungkinkan Anda melakukan fine-tuning dan merilis hasilnya. Dessa adalah model ucapan dupleks penuh yang diumumkan Block pada 23 Oktober 2026, dilatih hanya dengan percakapan manusia, dan dilaporkan cukup cepat untuk dijalankan di MacBook Pro M4 Max. Anda tidak dapat mengunduh Dessa, melakukan fine-tuning, mengukurnya, atau memanggilnya. Produk ini masih berupa daftar tunggu.

Menyebut keduanya dalam satu kalimat jelas tidak adil: yang satu adalah checkpoint teks terlatih, yang lain adalah perilaku percakapan yang sudah jadi. Namun justru ketidakadilan itulah yang berguna. Pertanyaan yang sebenarnya dihadapi sebuah tim bukanlah "model mana yang lebih baik" — melainkan "model mana yang bisa saya jadikan fondasi bisnis", dan dalam pertanyaan itu, jurang antara checkpoint dasar yang bisa diunduh dan pratinjau riset tertutup jauh lebih lebar daripada selisih benchmark apa pun.

Apa sebenarnya LFM2.5-2.6B-Base itu

Liquid AI merilis keluarga LFM2.5 pada 4 Agustus 2026. Sufiks Base lebih penting daripada jumlah parameter: ini adalah checkpoint terlatih (pretrained), bukan asisten yang disetel untuk instruksi. Model ini telah membaca 34 triliun token dan mempelajari struktur statistik 16 bahasa, tetapi belum diajari untuk mengikuti instruksi, melakukan dialog, atau menggunakan alat. Jika Anda memberi prompt kepadanya tanpa konteks, Anda mendapatkan completion, bukan percakapan.

Arsitekturnya adalah hibrida. Tiga puluh lapisan, 22 di antaranya adalah blok short-convolution bergerbang ganda dan delapan adalah grouped-query attention, sebuah desain yang telah disempurnakan Liquid sejak generasi LFM2 pertama. Kosakatanya adalah 128.000 token, dua kali lipat dari generasi sebelumnya melalui ekstensi tokenizer in-place yang ditujukan untuk skrip non-Latin. Konteksnya adalah 131.072 token, dicapai melalui ekstensi khusus pada tahap mid-training, bukan pada saat pretraining.

LFM2.5-2.6B, saudaranya yang di-instruction-tune, adalah model yang memiliki tabel benchmark terpublikasi: AIME25 51.87, LiveCodeBench v6 59.41, IFBench 59.17, BFCLv4 56.88, ToolSandbox 77.83, Claw-Eval English 62.85. Angka-angka itu dilaporkan vendor dan merupakan milik model pasca-pelatihan, bukan model basis. Liquid sendiri menyarankan agar keluarga model ini tidak digunakan untuk coding agentic atau pekerjaan yang intensif pengetahuan, yang merupakan sinyal kejujuran yang berguna di pasar tempat setiap model kecil dideskripsikan sebagai mampu melampaui kelasnya.

Mengapa membandingkan checkpoint dasar dengan perilaku yang sudah jadi tetap layak dilakukan

Model dasar adalah titik awal. Nilainya adalah apa yang dapat Anda buat darinya: pra-pelatihan lanjutan pada domain Anda, fine-tuning terawasi pada transkrip Anda, student terdistilasi untuk tugas sempit. Dessa adalah jenis artefak yang berlawanan. Ia hadir sebagai perilaku — giliran bicara, backchannel, pewaktuan emosional — dan tidak ada satu pun darinya yang diekspos untuk dimodifikasi.

Jadi perbandingannya sebenarnya tentang kendali. LFM2.5-2.6B-Base memberi Anda bobot, lisensi, dan kewajiban untuk mengerjakan pekerjaannya. Dessa memberi Anda demo dan kemungkinan akses. Bagi laboratorium riset, yang kedua bisa lebih berharga. Bagi tim produk, yang pertama adalah satu-satunya yang menghasilkan hasil yang dapat diserahkan.

Lembar spesifikasi, dengan kedua sisi dalam satu baris

Angka LFM berasal dari kartu model dan pengumuman Liquid; angka Dessa berasal dari halaman Block. Semua angka yang dilaporkan vendor diberi label sebagai demikian.

• Parameter — LFM2.5-2.6B-Base total 2,69B vs Dessa tidak diungkapkan.

• Arsitektur — LFM2.5-2.6B-Base adalah hibrida dari konvolusi pendek dan atensi grouped-query, 30 lapisan vs Dessa ucapan-ke-ucapan end-to-end, arsitektur belum dipublikasikan.

• Konteks — LFM2.5-2.6B-Base 131,072 token vs Dessa tidak disebutkan.

• Modalitas — LFM2.5-2.6B-Base teks masuk, teks keluar vs Dessa audio masuk, audio keluar.

• Bobot — LFM2.5-2.6B-Base dapat diunduh, termasuk build GGUF, ONNX, dan MLX vs Dessa tidak ada.

• Lisensi — LFM2.5-2.6B-Base dengan LFM Open License v1.0, penggunaan komersial dengan syarat vs Dessa tidak ada lisensi yang diterbitkan.

• Memori — LFM2.5-2.6B-Base di bawah sekitar 2,5 GB saat runtime vs Dessa, sebuah MacBook Pro M4 Max atau lebih baik, per Block.

• Kecepatan — LFM2.5-2.6B-Base sekitar 220 token per detik pada Apple M5 Max, sekitar 30 pada ponsel, dilaporkan vendor vs Dessa "lebih cepat daripada waktu nyata," tanpa angka.

• Harga — bobot gratis LFM2.5-2.6B-Base vs Dessa tanpa harga.

• Ketersediaan — LFM2.5-2.6B-Base tersedia secara umum sejak 4 Agustus 2026 vs Dessa masih berupa daftar tunggu.

Anggaran perangkat adalah inti dari keseluruhan argumen.

Pitch Liquid adalah ekonomi penerapan: model yang cukup kecil untuk Raspberry Pi, cukup cepat untuk ponsel, dan cukup murah untuk dijalankan tanpa tagihan GPU. Throughput yang diklaim — sekitar 220 token per detik pada M5 Max, 113 pada Ryzen AI Max+ 395, dan sekitar 30 pada ponsel — adalah jenis angka yang menentukan apakah asisten di perangkat terasa instan atau rusak. Tiga puluh token per detik lebih cepat daripada kecepatan membaca, yang merupakan ambang relevan untuk antarmuka obrolan.

Klaim deployment Dessa adalah laptop seharga jauh di atas $2.000 dengan chip Apple kelas atas. Itu masih lokal, dan lokal punya keunggulan nyata: tidak ada tagihan per token, tidak ada round trip jaringan, tidak ada data yang keluar dari perangkat. Tetapi itu pasar yang berbeda. Model 2,6 miliar parameter dapat disertakan di dalam aplikasi; model yang membutuhkan M4 Max adalah alat pengembang atau fitur desktop. Jika produk Anda berjalan di ponsel, perbandingan ini berakhir di batas memori.

Lisensi adalah pembeda yang sesungguhnya

LFM Open License v1.0 bukan lisensi open-source yang disetujui OSI, dan perlu dikatakan secara terus terang. Penggunaan komersial diizinkan, tetapi organisasi yang berada di atas ambang pendapatan — ketentuan Liquid menetapkannya pada $10 juta pendapatan tahunan — memerlukan lisensi komersial terpisah. Itu adalah batasan yang nyata. Ini juga batasan yang diketahui, dengan dokumen, ambang, dan pihak untuk diajak bernegosiasi.

Dessa tidak memiliki lisensi karena Dessa tidak memiliki distribusi. Anda tidak dapat mematuhi ketentuan yang tidak ada, dan Anda tidak dapat membangun kasus pengadaan berdasarkan daftar tunggu. Bagi sebuah perusahaan, "lisensi khusus dengan ambang pendapatan" adalah tinjauan hukum. "Tidak ada ketentuan yang dipublikasikan" adalah penghalang.

Jika Anda ingin agen suara di ponsel saat ini

Tidak ada model yang merupakan jawaban lengkap, tetapi sisi LFM setidaknya merupakan titik awal. Agen suara telepon membutuhkan tiga komponen: pengenalan suara, model bahasa, dan sintesis suara. LFM2.5-2.6B-Base dapat menjadi komponen tengah jika Anda melakukan fine-tuning — checkpoint dasarnya adalah model teks, jadi ia tidak akan mendengar apa pun dengan sendirinya, dan konteks 131K-nya cukup untuk menyimpan riwayat percakapan panjang ditambah catatan yang diambil.

Fine-tuning adalah opsi yang menarik. Dengan bobot di tangan, Anda dapat melatih pada percakapan domain Anda sendiri dan mengevaluasi hasilnya sesuai kriteria Anda sendiri. Itulah tepatnya eksperimen yang diundang sekaligus tidak diizinkan oleh pengumuman Dessa: ambil stack kecil yang mampu berbicara, latih pada percakapan nyata, dan lihat apakah timing emosional muncul. Block mengatakan pihaknya melakukan ini dari nol pada satu rak GB200 NVL72. Tim dengan beberapa GPU dapat menjalankan versi murah dari pertanyaan itu pada basis LFM dan mempelajari sesuatu dalam seminggu.

Jika Anda lebih memilih untuk tidak menjalankan model bahasa di perangkat, OrcaRouter menempatkan satu API di depan 200+ model dengan markup 0% dan failover otomatis, sehingga langkah penalaran dapat berada di cloud sementara audio tetap lokal. Agar jelas soal cakupannya: LFM2.5 2.6B Base tidak ada dalam katalog kami — ini adalah unduhan, dan itulah intinya. Kami merutekan model yang dihosting; model yang ini dimaksudkan untuk berjalan di tempat Anda menempatkannya.

Siapa yang harus memilih yang mana

• Anda perlu memiliki model, bobot, dan peta jalannya — LFM2.5-2.6B-Base, lalu lakukan fine-tuning.

• Anda memerlukan operasi offline pada perangkat keras murah — LFM2.5-2.6B-Base.

• Anda memerlukan inti teks atau agentik di bawah beberapa gigabita — LFM2.5-2.6B yang telah dilatih pascapelatihan, bukan versi dasarnya.

• Anda memerlukan ucapan langsung, dapat diinterupsi, dan ekspresif secara emosional — Dessa adalah satu-satunya dari keduanya yang ditujukan untuk itu, dan itu tidak tersedia.

• Anda memerlukan lisensi yang dapat Anda tandatangani kuartal ini — LFM2.5-2.6B-Base, dengan klausul pendapatan yang telah diperiksa.

• Anda perlu menerbitkan hasil yang dapat direproduksi — LFM2.5-2.6B-Base, karena reproduksibilitas memerlukan file.

Eksperimen yang akan menyelesaikannya

Ambil 1.000 jam audio percakapan beserta transkripnya, lakukan fine-tuning LFM2.5-2.6B-Base pada sisi teks, dan tambahkan pengenal serta sintesiser ucapan yang kuat. Ukur pemulihan setelah interupsi dan kesesuaian emosional dibandingkan dengan baseline berbasis giliran. Jika hasilnya mendekati seperti yang disiratkan klip Block, maka keunggulan Dessa lebih sempit daripada yang tersirat dalam reel demo: itu mungkin kemenangan arsitektur, tetapi bukan kemenangan yang tak terbantahkan.

Jika tidak, argumen untuk pelatihan berbasis ucapan asli menjadi lebih kuat, dan tidak adanya file bobot Dessa menjadi fakta terpenting dalam perbandingan ini. Bagaimanapun juga, pengujian tersebut dapat dijalankan di sisi terbuka dan tidak di sisi tertutup. Asimetri itu adalah jawaban atas pertanyaan utama, dan itu akan tetap menjadi jawaban sampai Block mengirimkan sesuatu yang dapat dipegang pelanggan.