LFM3-1.7B-Base vs Granite 4.2 3B: Bahan Mentah versus Penalaran yang Sudah Jadi

Model base yang disertai templat chat adalah kontradiksi yang dihindari sebagian besar vendor. LFM3-1.7B-Base, yang diterbitkan pada 26 Oktober 2026, berisi templat chat lengkap dan mengaktifkan penalaran secara default saat Anda menerapkannya — namun kartu modelnya sendiri menyatakan bahwa model ini hanya direkomendasikan untuk fine-tuning berat dan mengarahkan lalu lintas chat ke tempat lain. Granite 4.2 3B, model penalaran Apache-2.0 milik IBM dari 25 Agustus 2026, adalah jenis artefak yang berlawanan: pasca-latih, di-benchmark, tiga mode penalaran, pemanggilan alat, dan kartu yang mengklaim 78.33 pada AIME 2025. Pertanyaan yang menarik bukanlah mana yang lebih baik. Melainkan mengapa yang setengah jadi berperilaku seperti yang sudah jadi, dan apa yang hal itu ungkapkan tentang mana yang harus Anda unduh. Jalur fallback seharusnya tidak dikenakan biaya premium. harga daftar Harga daftar penyedia diteruskan tanpa markup.

Yang berbeda adalah model dasar.

Keputusan Liquid untuk melakukan pelatihan tahap tengah pada data chat dengan dan tanpa jejak pemikiran adalah detail yang membuat perbandingan ini lebih dari sekadar kontes ukuran. 3,5 triliun token terakhir dari 22 triliun token pra-pelatihan checkpoint dikurasi dengan jejak agentik dan panggilan alat, diformat dengan templat chat yang sama dengan yang digunakan model yang telah disetel. Itulah sebabnya repositori dasar sama sekali berisi templat, dan mengapa pemanggilan apply_chat_template secara naif menghasilkan blok pemikiran sebelum jawaban. Model telah melihat format tersebut. Model belum dilatih untuk mengikuti instruksi di dalamnya.

Perbedaan itu penting dalam praktik. Fine-tune yang dimulai dari LFM3-1.7B-Base mewarisi model yang sudah mengenali struktur percakapan dan pembatas penalaran, sehingga mempersingkat fase supervised. Model tersebut tidak mewarisi keandalan, perilaku penolakan, atau ketepatan pemanggilan tool. Hal-hal itu berasal dari post-training yang akan Anda lakukan, yang persis seperti yang dinyatakan kartu model sebagai tujuan checkpoint tersebut.

Apa sebenarnya Granite 4.2 3B

3B milik IBM adalah anggota edge dari keluarga penalaran Granite 4.2, yang dilatih lanjut dari Granite-4.1-3B-Base. Model ini bersifat dense, hanya teks, dan berjalan pada konteks native 128K dengan ekstensi hingga 512K. Tiga mode penalaran disertakan — full thinking secara default, mode upaya rendah, dan nonaktif — plus pemanggilan alat yang kompatibel dengan OpenAI dan keluarga format kuantisasi. Model ini berjalan dalam enam hingga delapan gigabita pada bfloat16, di bawah dua gigabita pada kuantisasi praktis, dan Ollama mencantumkan build granite4.2:3b.

Kartu model tersebut melaporkan 78,33 pada AIME 2025 dalam mode berpikir penuh, 54,80 pada GPQA, dan 69,71 pada LiveCodeBench v6. Semua angka itu adalah angka IBM sendiri, dicetak pada hari bobotnya dirilis, dan tidak satu pun telah direproduksi secara independen. Model 3B juga tidak memiliki pembelajaran penguatan agentik yang diterima oleh saudaranya, 8B dan 30B, itulah sebabnya model ini tidak membawa skor SWE-Bench atau Terminal-Bench. Ini adalah model penalaran, bukan mesin agen.

Apa sebenarnya checkpoint LFM3 itu

Model teks terlatih awal dengan 1,73 miliar parameter, konteks 262.144 token, kosakata 128.000 token untuk enam belas bahasa, dan bobot bfloat16 sebesar 3,46 GB. Dua puluh empat lapisan: tiga belas konvolusi pendek bergerbang, lima blok atensi jendela geser, enam blok atensi penuh. Sekitar 1 GB pada 4-bit. LFM Open License v1.0, gratis untuk penggunaan komersial dengan pendapatan tahunan di bawah $10 juta. Dua notebook TRL di kartu, satu untuk fine-tuning terawasi pada ekstraksi terstruktur dan satu untuk pra-pelatihan lanjutan pada bahasa baru. Tidak ada tabel benchmark apa pun.

Kelima angka yang memisahkan mereka

• Parameter — 1,73B dense untuk LFM3-1.7B-Base dibandingkan sekitar 3B untuk Granite 4.2 3B. Keduanya bukan mixture of experts; setiap parameter dibaca pada setiap token.

• Token pra-pelatihan — 22 triliun untuk LFM3-1.7B-Base. IBM mengatakan keluarga Granite 4.2 menerima sekitar 15 triliun dalam lima fase, untuk model yang ukurannya hampir dua kali lipat. Checkpoint yang lebih kecil melihat lebih banyak teks.

• Konteks — 262,144 token native untuk LFM3-1.7B-Base; 128K native dan 512K diperluas untuk Granite 4.2 3B. Model dasar unggul pada panjang native, model yang disetel unggul pada batas atasnya.

• Benchmark — tidak ada yang diterbitkan untuk LFM3-1.7B-Base. AIME 2025 78.33, GPQA 54.80, dan LiveCodeBench v6 69.71 untuk Granite 4.2 3B, semuanya dilaporkan vendor dan belum direproduksi.

• Lisensi — LFM Open License v1.0 dengan ambang pendapatan $10 juta dibandingkan Apache 2.0 tanpa pemicu komersial.

Mengapa templat ini ada, dan apa nilainya

Ada manfaat rekayasa nyata yang tersembunyi di balik keanehan itu. Pra-pelatihan berkelanjutan dan fine-tuning tersupervisi sama-sama membutuhkan model untuk mengenali format yang akan digunakan saat model disajikan. Memulai dari checkpoint yang sudah pernah melihat markup obrolan dan pembatas thinking berarti fase tersupervisi menghabiskan anggaran gradien untuk perilaku, bukan untuk pemformatan. Granite 4.2 3B tidak memberi Anda titik awal itu; ia memberi Anda perilaku yang sudah jadi, yang kemudian dapat Anda spesialisasikan, tetapi spesialisasi itu dimulai dari model yang sudah punya pendapat tentang cara menjawab.

Itulah trade-off-nya dalam satu kalimat. LFM3-1.7B-Base memberi Anda fondasi yang lebih bersih dengan bentuk yang familier. Granite 4.2 3B memberi Anda reasoner yang berfungsi yang dapat Anda arahkan ke suatu masalah hari ini dan, jika Anda mau, fine-tune setelahnya — dengan catatan bahwa melakukan fine-tune pada model reasoning yang telah dilatih pasca-pelatihan dapat mengikis perilaku reasoning yang Anda bayar kecuali datanya disusun dengan cermat.

Pertanyaan anggaran yang tak seorang pun masukkan ke dalam tabel

Inference adalah sisi murah dari perbandingan ini. Kedua model berjalan di laptop, keduanya terkuantisasi di bawah 2 GB, dan pada ukuran itu perbedaan antara 1,73B dan 3B adalah soal token per detik, bukan kelayakan. Sisi mahalnya adalah data. Melakukan fine-tuning pada salah satu model untuk tugas proprietary memerlukan contoh berlabel, set evaluasi, dan loop pelatihan, dan biaya itu jauh melebihi perbedaan antara unduhan 3,46 GB dan 6 GB.

Yang berubah seiring ukuran adalah seberapa besar dari anggaran itu dialokasikan untuk kemampuan yang sudah dimiliki model dasar. Trunk 1,73 miliar yang dilatih pada 22 triliun token adalah taruhan yang disengaja bahwa model kecil dengan konteks panjang dan campuran bahasa yang luas dapat menyerap suatu domain dengan cepat. Model penalaran 3 miliar adalah taruhan bahwa penalaran umum dapat ditransfer ke domain Anda dengan lebih sedikit data. Tidak ada dari kedua taruhan itu yang bisa dipastikan oleh angka vendor, karena tidak ada vendor yang menerbitkan hasil fine-tuning pada tugas yang Anda pedulikan.

Setelah fine-tune tersedia, persoalan serving terpisah. OrcaRouter memiliki routing DSL yang memungkinkan spesialis dan fallback umum berada di balik satu panggilan, dan failover otomatis berarti timeout pada model kecil tidak ikut menggagalkan permintaan. Hal itu lebih penting bagi fine-tune 1.73B daripada model besar, karena mode kegagalan spesialis kecil adalah keyakinan pada domain yang salah, dan fallback adalah pengaman termurah terhadapnya.

Lisensi: klausul yang menentukan adopsi perusahaan

Apache 2.0 adalah percakapan lisensi terpendek dalam pengadaan. Granite 4.2 3B dirilis di bawahnya, tanpa ambang pendapatan dan tanpa pemicu komersial. LFM3-1.7B-Base dirilis di bawah LFM Open License v1.0, yang memberikan penggunaan komersial gratis di bawah $10 juta pendapatan tahunan dan mewajibkan lisensi komersial di atasnya. Bagi pengembang independen, perbedaannya tidak terlihat. Bagi tim produk di dalam perusahaan yang lebih besar, ambang tersebut adalah tinjauan hukum yang terjadi sebelum proses pelatihan pertama, dan hal itu dapat lebih penting daripada keunggulan jumlah parameter ke arah mana pun.

Yang mana yang harus diunduh

Anda membutuhkan model penalaran minggu ini. Granite 4.2 3B. Model ini sudah selesai, terdokumentasi, terkuantisasi, dan cukup kecil untuk laptop. Angka dari vendor belum direproduksi, tetapi modelnya berjalan dan antarmukanya standar.

Anda sedang membangun spesialis domain dan memiliki datanya. LFM3-1.7B-Base. Trunk 22 triliun token, konteks 256K, dan kosakata enam belas bahasa adalah titik awal yang lebih baik daripada model penalaran yang sebagian akan Anda timpa, dan templat chat berarti fase terawasi dimulai dari format yang sudah dikenal.

Anda memerlukan penalar sekaligus spesialis. Keduanya bukan pengganti. Granite 4.2 3B menangani jalur penalaran umum; fine-tune LFM3 menangani jalur sempit yang bervolume tinggi. Menjalankan keduanya di balik satu endpoint adalah pola yang menghindari keharusan memilih.

Apa yang masih kurang?

Kesenjangan dalam perbandingan ini bukanlah angka, melainkan reproduksi. Granite 4.2 3B memiliki benchmark dari vendor dan tidak ada uji independen; LFM3-1.7B-Base tidak memiliki keduanya. Sampai seseorang melakukan fine-tuning checkpoint Liquid pada tugas publik dan melaporkan hasilnya terhadap baseline Granite 4.2 3B, pilihan ini bergantung pada jenis aset yang Anda inginkan, bukan pada model mana yang berperforma lebih baik. Templat tersebut membuat checkpoint dasar terlihat lebih matang daripada kenyataannya. Kartunya jujur soal itu, dan itulah bagian yang layak dibaca sebelum mengunduh.