LFM3-1.7B vs Gemma 4 26B A4B: Dua Resep untuk Token Murah, dan Hanya Satu yang Muat di Ponsel

Secara teori, kedua model ini mengambil pendekatan yang sama terhadap masalah yang sama. LFM3-1.7B, yang diumumkan oleh Liquid AI pada 27 Oktober 2026, dan Gemma 4 26B A4B, yang dirilis oleh Google DeepMind pada 2 April 2026, keduanya ada untuk menjawab satu pertanyaan: bagaimana Anda memasukkan model yang mumpuni ke dalam anggaran memori yang kecil? Keduanya memberikan jawaban yang berlawanan. Liquid mengecilkan modelnya. Google membiarkan modelnya tetap besar dan hanya membayar untuk sebagian darinya per token. Bobotnya gratis, jadi tagihannya adalah berapa pun yang dikenakan oleh host kompeten termurah. Kami meneruskan harga daftar penyedia dengan markup 0%.

Perbedaan ini terdengar seperti hal sepele arsitektur sampai Anda menghitung biaya deployment, dan pada titik itu hanya itu yang penting. Gemma 4 26B A4B mengaktifkan 3,8 miliar parameter per token, tetapi Anda tetap harus menyimpan 25,2 miliar di antaranya di suatu tempat. LFM3-1.7B mengaktifkan seluruh 1,73 miliar parameternya dan menyimpan persis sebanyak itu. Yang satu murah untuk dihitung. Yang lain murah untuk dimiliki.

Dua resep untuk token murah

Gemma 4 26B A4B adalah model mixture-of-experts: 128 routed expert ditambah satu shared expert, 30 layer, dengan sekitar delapan expert yang aktif per token. Itu memberinya kapasitas pengetahuan setara model dense 25,2B, dengan biaya aritmetika yang lebih mendekati 4B. Menurut Google sendiri, model ini mencapai sekitar 97% skor MMLU-Pro milik Gemma 4 31B dense dengan hanya sekitar 12% FLOPs.

LFM3-1.7B mengambil jalur lain. Model ini sepenuhnya dense — setiap parameter berjalan pada setiap token — dan penghematannya berasal dari arsitektur yang dirancang ulang, bukan dari sparsitas. Tumpukan tri-hybrid Liquid terdiri atas 24 lapisan: 13 konvolusi pendek bergerbang, lima lapisan attention jendela geser, enam lapisan full-attention. Sebagian besar pemodelan urutan dilakukan oleh konvolusi, yang murah, dan full attention hanya muncul enam kali. Itulah cara model 1.73B membawa konteks 262,144 token dan kosakata 128,000 token tanpa KV cache menguras mesin.

• Total parameter — 1,73B untuk LFM3-1.7B; 25,2B untuk Gemma 4 26B A4B.

• Aktif per token — 1,73B dibandingkan sekitar 3,8B. Ini satu-satunya baris di mana keduanya berada di liga yang sama.

• Memori pada 4-bit — sekitar 1 GB dibandingkan sekitar 18 GB. Inilah baris yang menentukan penerapan.

• Konteks — 262,144 token pada keduanya, sekali lagi benar-benar imbang.

• Modalitas — hanya teks terhadap input teks dan gambar, dengan pemanggilan fungsi native dan mode berpikir yang dapat dikonfigurasi.

• Lisensi — LFM Open License v1.0, gratis untuk pendapatan tahunan di bawah $10 juta; Apache 2.0 tanpa ambang batas untuk Gemma 4 26B A4B.

Mengapa 3.8B aktif tidak berarti 3.8B memori

Ini adalah kesalahan paling umum saat membaca lembar spesifikasi mixture-of-experts, jadi perlu dikatakan secara terus terang. Parameter aktif menentukan komputasi dan, secara longgar, kecepatan. Parameter tersebut tidak menentukan ukuran file yang Anda unduh atau VRAM yang Anda cadangkan. Gemma 4 26B A4B memerlukan seluruh 25,2 miliar parameternya tetap berada di memori untuk melakukan perutean antar-expert; pada 4-bit, ukurannya mendekati 18 GB. Anda dapat menyajikannya pada satu kartu 24 GB, dan Google menyediakan build FP8 serta NVFP4 agar hal itu praktis, tetapi Anda tidak dapat menaruhnya di ponsel.

LFM3-1.7B berukuran sekitar 1 GB pada 4-bit — kartu Liquid menyatakan model ini muat di ponsel atau laptop, dan pada ukuran itu klaim tersebut kredibel, bukan sekadar pemasaran. Model ini juga menyimpan cache KV sebesar 1,6 GB pada 128K token, angka yang sebenarnya menentukan berapa banyak permintaan konteks panjang bersamaan yang dapat Anda tampung.

Konsekuensi praktisnya: deployment 26B-A4B adalah keputusan server inferensi, sedangkan deployment 1.7B adalah keputusan pengiriman aplikasi. Itu adalah proyek berbeda dengan tim berbeda dan struktur biaya berbeda, dan tidak ada benchmark yang menutup kesenjangan di antara keduanya.

Apa yang dipublikasikan oleh masing-masing vendor, dan apa artinya bagi Anda

Google menerbitkan tabel luas untuk Gemma 4 26B A4B: 82,6 pada MMLU-Pro, 82,3 pada GPQA Diamond, 88,3 pada AIME 2026 tanpa alat, 77,1 pada LiveCodeBench v6, Elo Codeforces 1718, 73,8 pada MMMU-Pro, dan 44,1 pada MRCR v2 di 128K dengan delapan needle. Semuanya dilaporkan vendor, tidak ada yang direproduksi secara independen. Pelacakan pihak ketiga menempatkan Elo LMArena-nya mendekati 1438.

Liquid menerbitkan tabel yang lebih ringkas untuk LFM3-1.7B, dan tabel itu lebih condong ke pekerjaan agentic: 71.39 pada BFCL V4, 80.36 pada ToolSandbox, 68.01 pada τ³-bench, 45.60 pada LiveClaw, 38.42 pada WebArena-Verified. Liquid juga melaporkan 96.66 pada IFEval, 73.03 pada IFBench, 63.37 pada GPQA Diamond, 73.46 pada LiveCodeBench v6, dan 65.56 pada RULER di 128K. Liquid tidak menerbitkan angka MMLU-Pro untuk LFM3-1.7B, dan ketiadaan itu bukan nol — itu hanya tidak diukur.

Hanya LiveCodeBench v6 dan GPQA Diamond yang tumpang tindih secara bersih. Gemma 4 26B A4B menang di keduanya, masing-masing dengan 3,6 dan 18,9 poin. Ketika rangkaian Liquid beralih ke agentic, tidak ada angka Gemma untuk dibandingkan — Google melaporkan τ²-bench sebesar 68,2, dan τ² bukan τ³, jadi menempatkan 68,01 di sampingnya akan menjadi perbandingan yang dibuat-buat namun dikemas seolah-olah cermat.

Di mana 1.7B tetap berada dalam percakapan

Selisih 3,6 poin pada LiveCodeBench lebih kecil daripada yang diprediksi oleh rasio parameter 14 banding 1, dan alasannya bersifat arsitektural. Pemrograman kompetitif memberi imbalan pada kemampuan untuk mempertahankan suatu pola dan menghasilkan fungsi yang benar — keterampilan yang lebih diuntungkan oleh sinyal pelatihan yang bersih daripada oleh kapasitas mentah. Jika pertanyaan coding adalah keseluruhan pekerjaan, model 26B akan menang dan bagian ini akan singkat.

Yang sebenarnya membuat LFM3-1.7B tetap relevan adalah kombinasi konteks 262.144 token dan jejak 1 GB. Model yang mampu menampung dokumen besar dan berjalan di perangkat yang membacanya adalah produk yang berbeda dari model yang dapat menampung dokumen yang sama di server. Liquid melaporkan 65,56 pada RULER di 128K, yang bukan skor konteks panjang yang spektakuler — Gemma 4 26B A4B melaporkan 81,4 pada keluarga benchmark yang sama — tetapi skor itu benar-benar diukur, di perangkat, dengan ukuran satu gigabyte.

Dan dalam hal mengikuti instruksi, model kecil ini tidak mengecewakan: 96,66 pada IFEval dan 73,03 pada IFBench adalah angka yang kuat untuk kelas ukuran ini, keduanya dilaporkan vendor. Untuk beban kerja pemanggilan alat atau keluaran terstruktur, itu lebih dekat ke metrik yang penting daripada GPQA Diamond.

Apa yang sebenarnya diubah oleh lapisan routing

Gemma 4 26B A4B ada di katalog OrcaRouter — satu kunci API dapat menjangkaunya bersama lebih dari 200 model lain, dengan harga daftar dari penyedia diteruskan tanpa markup 0%, sehingga perubahan harga vendor berlaku pada hari yang sama alih-alih menunggu siklus penetapan harga ulang. Ini lebih penting di sini daripada biasanya, karena ini adalah model yang ekonominya sepenuhnya bergantung pada harga penyedia: bobotnya gratis, jadi tagihannya adalah berapa pun yang dikenakan host kompeten termurah, dan angka itu berubah.

Automatic failover adalah separuh lainnya. Model mixture-of-experts 26B dengan konteks 256K adalah jenis beban kerja yang tepat untuk menabrak batas kapasitas saat puncak, dan perutean lintas penyedia berarti masalah sesaat pada satu host bukanlah gangguan layanan Anda. LFM3-1.7B tidak memerlukan semua ini, karena berjalan pada perangkat keras yang Anda kendalikan dan tidak memiliki penyedia yang perlu dialihkan. Itu bukan nilai plus atau minus baginya — itu konsekuensi dari memilih resep yang lain.

Rumusan jujur tentang peran kami: kami mengarahkan model sparse besar, kami tidak melayani model dense kecil, dan keputusan di antara keduanya bukanlah keputusan yang bisa dibuat oleh router untuk Anda.

Memutuskan dalam satu lintasan

Jika target deployment memiliki memori kurang dari 20 GB — ponsel, laptop, Jetson, AI PC — maka Gemma 4 26B A4B bukan kandidat dan perbandingannya selesai. Ambil LFM3-1.7B, rencanakan retrieval di sekitar celah pengetahuan yang ditandai Liquid sendiri, dan gunakan untuk tool calling serta ekstraksi terstruktur di mana angkanya benar-benar kompetitif.

Jika Anda melakukan serving dari GPU dan beban kerjanya padat pengetahuan, multimodal, atau membutuhkan kelas penalaran 82.3 GPQA Diamond dan 82.6 MMLU-Pro, Gemma 4 26B A4B adalah model yang lebih baik dan 18 GB adalah harga masuknya. Apache 2.0 menghilangkan sama sekali pembicaraan tentang lisensi, yang bagi organisasi besar bernilai lebih daripada beberapa poin benchmark.

Jika Anda membangun produk yang dirilis untuk keduanya — asisten di perangkat yang mengeskalasi kueri sulit ke server — keduanya sama sekali bukan pesaing. Keduanya adalah dua tingkat dari satu arsitektur, dan pertanyaan rekayasa yang menarik adalah di mana Anda menarik garis eskalasi, bukan model mana yang menang di tabel.

Pertanyaan yang belum terjawab bukanlah kemampuan, yang sudah tuntas dan berpihak pada Google, melainkan apakah model 1 GB dengan konteks 256K cukup baik untuk tugas agentik sempit yang sebenarnya dibutuhkan sebagian besar produk on-device. Kartu model Liquid sendiri secara tidak biasa terang-terangan menyatakan bahwa model ini bukan model penalaran. Kejujuran itu lebih bernilai daripada selisih LiveCodeBench, karena memberi tahu Anda separuh beban kerja mana yang harus dikirim ke mana.