
Sakana Namazu vs LFM2.5-2.6B-Base: Harga Sebenarnya dari Bobot Gratis
- metaBARUMeta: Muse Spark 1.22026-08-0557Kecerdasan72Koding
- qwenBARUQwen: Qwen3.8 Max2026-08-0358Kecerdasan72Koding
- deepseekBARUDeepSeek: DeepSeek V4 Flash 07312026-07-3152Kecerdasan69Koding
- minimaxBARUMiniMax: MiniMax-H32026-07-31minimax/minimax-h3
- qwenQwen: Qwen3.7 Flash2026-07-27$0.03 / $0.13 per 1 juta token · 2143 tok/s
- orcaOrcaDub: OrcaDub 1.02026-07-27orca/dub
- anthropicAnthropic: Claude Opus 52026-07-2463Kecerdasan78Koding
- googleGoogle: Gemini 3.6 Flash2026-07-2152Kecerdasan69Koding
- googleGoogle: Gemini 3.5 Flash-Lite2026-07-2137Kecerdasan49Koding
- metaMeta: Muse Spark 1.12026-07-1653Kecerdasan71Koding
- kimiMoonshotAI: Kimi K32026-07-1560Kecerdasan76Koding
- openaiOpenAI: GPT-5.6 Luna2026-07-0952Kecerdasan71Koding
- openaiOpenAI: GPT-5.6 Terra2026-07-0957Kecerdasan77Koding
- openaiOpenAI: GPT-5.6 Sol2026-07-0961Kecerdasan77Koding
- grokxAI: Grok 4.52026-07-0856Kecerdasan72Koding
- tencentTencent: Hy32026-07-0642Kecerdasan59Koding
- obsidianQwen3.6 35B A3B Uncensored (Aggressive)2026-07-0232Kecerdasan42Koding
- obsidianGemma4 26B A4B Uncensored (Balanced)2026-07-0226Kecerdasan39Koding
- anthropicAnthropic: Claude Sonnet 52026-06-3055Kecerdasan72Koding
- klingKling: Kling 3.0 Turbo2026-06-1757Kecerdasan52Koding57Matematika
LFM2.5-2.6B-Base berbiaya $0.00 untuk diunduh. Sakana Namazu berbiaya $0.95 per juta token masukan dan $4.00 per juta token keluaran. Baca kedua label harga itu dan Anda akan menyimpulkan perbandingan ini selesai sebelum dimulai — tetapi perbedaan harga sebenarnya justru berkebalikan. LFM2.5-2.6B-Base, checkpoint terlatih 2,69 miliar parameter milik Liquid AI yang dirilis di Hugging Face pada 4 Agustus 2026, bukanlah sebuah produk: tidak ada penyedia inferensi yang menghostingnya, tidak memiliki evaluasi yang dipublikasikan sama sekali, dan kartu informasinya sendiri menyebutnya sebagai bahan untuk fine-tuning. Sakana Namazu, sebaliknya, adalah API yang jadi, tersaji, dan terlengkapi alat. Pertanyaannya adalah apa yang sebenarnya Anda bersedia bayar — dalam bentuk uang, atau dalam bentuk kerja.
Apa sebenarnya masing-masing itu
Sakana Namazu adalah Kimi K2.6 pasca-pelatihan yang disesuaikan untuk bahasa bisnis Jepang, dibungkus dalam API yang kompatibel dengan OpenAI, dengan penelusuran web dan eksekusi kode bawaan. Anda cukup mengubah base_url, menyetel kunci, dan semuanya berfungsi. LFM2.5-2.6B-Base adalah checkpoint pra-pelatihan mentah di balik keluarga LFM2.5-2.6B milik Liquid — bahan baku dari mana saudara pasca-pelatihan yang agenik dibangun. Kartu model Liquid sendiri secara eksplisit menyatakan bahwa basis ini ada untuk fine-tuning yang berat, dan tabel tolok ukurnya milik versi pasca-pelatihan, bukan yang ini.
Lembar spesifikasi
• Harga — Sakana Namazu $0.95 / $4.00 per 1 juta token vs LFM2.5-2.6B-Base $0 untuk diunduh, serba mandiri
• Ukuran — Namazu mewarisi {{1}}1T / 32B-aktif MoE{{/1}} dari Kimi K2.6 vs LFM2.5-2.6B-Base {{2}}2.69B hibrida padat{{/2}} (22 blok konvolusi + 8 lapisan attention)
• Konteks — Namazu tidak diungkapkan vs LFM2.5-2.6B-Base 128K token (131.072 per konfigurasi)
• Hosting — Namazu dilayani oleh Sakana vs basis LFM yang dihosting oleh siapa pun — Anda yang membangun tumpukan penyajiannya
• Evaluasi — skor yang dilaporkan vendor Namazu vs skor yang dipublikasikan LFM base zero
• Bahasa — Namazu yang disetel untuk bisnis Jepang vs LFM base multibahasa (16 bahasa, kosakata 128K-token)

Menghitung total biaya
"Free weights" adalah harga yang nyata, hanya saja dihitung dalam tenaga kerja. Untuk membuat LFM2.5-2.6B-Base melakukan suatu pekerjaan, Anda memerlukan: proses fine-tuning (perhitungan Liquid sendiri — kira-kira $10 token untuk set terawasi 100 ribu contoh, sekitar $100 untuk 1 juta contoh), tumpukan inferensi (vLLM, SGLang, atau llama.cpp di perangkat yang Anda miliki), dan layanan berkelanjutan. Hasilnya adalah meteran berhenti: setelah pembangunan, setiap token gratis, yang menjadikan base model ini pemenang telak untuk beban kerja bervolume tinggi, selalu aktif, dan toleran terhadap latensi. Meteran Namazu tidak pernah berhenti, tetapi mulai secara instan — tanpa pelatihan, tanpa GPU, tanpa operasional. Untuk integrasi sekali jalan, atau beban kerja di mana waktu tim Anda adalah komponen biaya yang mahal, model "gratis" justru yang mahal.
Lisensi yang Mengikat
Tulisan kecilnya juga merugikan model gratis tersebut. LFM2.5-2.6B-Base dirilis di bawah LFM Open License v1.0, yang membatasi penggunaan komersial pada pendapatan tahunan $10 juta — dan menerapkan batasan tersebut pada karya turunan, artinya fine-tune Anda mewarisinya. Lewati ambang batas itu dan Anda wajib membayar lisensi komersial kepada Liquid. Sakana Namazu tidak memiliki batasan seperti itu, tetapi model ini tertutup, dan pengaturan bawaan penanganan datanya (melatih model menggunakan input Anda kecuali Anda memilih keluar, tanpa jaminan pemrosesan yang hanya dilakukan di Jepang) adalah harga dari kemudahan layanan yang dihosting. Tidak satu pun yang gratis dalam arti yang tersirat oleh labelnya.

Kesenjangan agen
Perbedaan paling tajam terletak pada tujuan kedua model tersebut. LFM2.5-2.6B-Base adalah sebuah base — substrat mentah dari mana model agenik pasca-pelatihan Liquid diturunkan. Model ini bukan agen; bahkan bukan model instruksi. Sakana Namazu adalah produk agenik: pencarian web bawaan, eksekusi kode, dan loop mandiri yang telah didemonstrasikan (demo Sakana menunjukkannya merencanakan laporan riset pasar, mencari, memeriksa silang, dan menulisnya tanpa pengawasan). Jika tugasnya adalah "menjalankan model 2.6B yang Anda tuning untuk satu tugas sempit dengan volume tinggi," base yang menang. Jika tugasnya adalah "menyuruh agen melakukan pekerjaan pengetahuan," hanya Namazu dari keduanya yang datang dengan membawa alat.

Jadi, mana yang lebih murah?
Jawaban yang jujur adalah bahwa keduanya bukanlah pengganti — base adalah sebuah komponen, dan Namazu adalah sebuah produk — jadi keputusan sebenarnya adalah apa yang dibutuhkan stack Anda selanjutnya. {{1}}Dalam praktiknya, keduanya tidak berdiri sendiri: spesialis 2.6B yang di-fine-tune pada akhirnya berdampingan dengan model agen generalis, dan lapisan routing adalah cara Anda menjaga realitas multi-model tetap masuk akal.{{/1}} Fusi model dan DSL routing OrcaRouter memungkinkan Anda menyusun beberapa model menjadi satu panggilan — jalan tengah yang pragmatis antara "menyajikan checkpoint 2.6B sendiri" dan "membeli API dari satu vendor" — dan, {{2}}karena kami meneruskan harga penyedia tanpa markup sama sekali, penagihan tetap dapat diprediksi sementara komposisinya berubah.{{/2}} Mulailah dengan Sakana Namazu jika Anda menginginkan agen bisnis Jepang yang berfungsi hari ini; mulailah dengan LFM2.5-2.6B-Base jika Anda siap membangun produknya sendiri dan mengamortisasi biaya pembangunan di seluruh miliaran token gratis.
