ARTEMIS vs LFM2.5-2.6B-Base: il checkpoint che non può svolgere il compito, e l'harness che ha bisogno che lo faccia

Quattro elementi sono presenti nella roadmap di ARTEMIS di Google, e esattamente uno di essi richiede un modello che non esiste ancora in modo evidente: modelli visione-linguaggio leggeri on-device, per un'automazione a bassa latenza e incentrata sulla privacy. Il candidato ovvio per un compito del genere è qualcosa nella classe dimensionale di LFM2.5-2.6B-Base — il checkpoint pre-addestrato da 2,69 miliardi di parametri di Liquid AI, pubblicato come pesi aperti con un contesto di 131.072 token e un ingombro abbastanza piccolo per un telefono. È anche, così come viene distribuito, incapace di occupare quello slot, e vale la pena capire le ragioni prima che qualcuno metta i due in una tabella di confronto. ARTEMIS di Google è un'infrastruttura di automazione Android in linguaggio naturale, resa open source con licenza Apache 2.0 ad agosto 2026, che pilota un telefono reale tramite ADB e dichiara un tasso di completamento superiore al 99% sul benchmark AndroidWorld di Google Research. LFM2.5-2.6B-Base è materiale pre-addestrato grezzo, senza messa a punto per istruzioni, senza template di chat e — deliberatamente — senza benchmark pubblicati, destinato a team che lo post-addestreranno da soli. Uno è software completo con un problema di modello irrisolto. L'altro sono pesi incompleti con un problema di licenza risolto. Nessuno dei due è un sostituto dell'altro, e il punto in cui si incontrano veramente non è il punto che si immaginerebbe.

Cos'è davvero LFM2.5-2.6B-Base

Togli il branding e rimane una base costruita con cura per il lavoro on-device, con specifiche che sembrano scritte da qualcuno che ha ottimizzato la larghezza di banda della memoria invece della posizione in classifica.

• Dimensione — 2,69 miliardi di parametri in bfloat16 in un singolo shard da ~5,39 GB, pubblicizzato come "2.6B".

• Architettura — 30 strati in una suddivisione ibrida: 22 blocchi a convoluzione breve con doppio gate su 8 strati di attenzione grouped-query, larghezza nascosta 2048, 32 teste di attenzione rispetto a 8 teste KV, embedding condivisi. Stessa code>Lfm2ForCausalLM/code> classe della generazione precedente, quindi non è richiesto codice di modellazione personalizzato.

• Addestramento — circa 34 trilioni di token, con una fase dedicata di addestramento intermedio per l'estensione del contesto.

• Vocabolario — 128.000 token, raddoppiati in questa generazione per gestire meglio le scritture non latine. Circa 262 milioni di parametri, all'incirca un decimo del modello, risiedono nell'embedding condiviso.

• Contesto — la scheda del modello e la configurazione non concordano qui, ed è utile saperlo: la documentazione dichiara 131.072 token mentre code>config.json/code> imposta code>max_position_embeddings/code> a 128.000. Prevedi 128K e considera tutto ciò che è al di sopra come non verificato.

• Lingue — sedici: inglese, arabo, cinese, francese, tedesco, hindi, indonesiano, italiano, giapponese, coreano, polacco, portoghese, russo, spagnolo, thailandese, vietnamita.

• Benchmark — nessuno. Liquid non pubblica alcuna valutazione per il checkpoint di base, e la scheda del modello presenta l'omissione come intenzionale: questo artefatto esiste per essere post-addestrato, non per essere misurato allo stato grezzo.

Quell'ultima riga è il punto centrale del rilascio, ed è anche il motivo per cui un confronto "X vs LFM2.5-2.6B-Base" va gestito con cautela. Un checkpoint di base non ha alcuna opinione su nulla. Chiedigli di pianificare un flusso di lavoro Android e continuerà il tuo testo in modo probabilistico, perché non gli è mai stato insegnato a rispondere. La scheda lo consiglia solo per i casi che richiedono un fine-tuning intenso: un assistente specifico per una lingua, uno specifico per un dominio in un settore regolamentato, l'addestramento su dati proprietari, oppure come studente di distillazione. Per qualsiasi utilizzo pronto all'uso, incluso il tool calling, Liquid ti indirizza invece verso il modello post-trained LFM2.5-2.6B.

Ciò di cui ARTEMIS ha bisogno da un modello, che non è ciò che offre un checkpoint di base

ARTEMIS è un ciclo di controllo con due modalità. Flash è un ciclo reattivo di osservazione e azione a circa 3–5 secondi per passo. Pro è un grafo multi-agente a circa 15–40 secondi per passo, con un Planner che mantiene un piano Markdown vivo, un Operator con il set completo di strumenti e un Checker in sola lettura che verifica i checkpoint su quattro livelli da code>off/code> a code>strict/code>. Entrambe le modalità chiedono la stessa cosa al modello sottostante: guardare uno screenshot, scegliere un'azione da un set fisso di strumenti e ripeterlo nel giro di un secondo o due, cento volte, senza perdere il filo.

Questa è una richiesta impegnativa — seguire istruzioni entro uno schema rigido, comprensione visiva fondata e coerenza su un orizzonte lungo — ed è esattamente l'insieme di competenze che a un checkpoint di base non è stato fornito. I backend testati di ARTEMIS sono modelli ospitati: Gemini, Claude, GPT-4o, Qwen-VL. Ognuno di essi è ottimizzato tramite instruction tuning per l'uso di strumenti, e ognuno di essi è di grandi dimensioni.

Quindi il divario non è una questione di dimensioni. Un modello post-addestrato da 2,6B può sostenere un ciclo di tool calling — il modello gemello post-addestrato di Liquid stesso sostiene di superare Gemma 4 E2B-it ed E4B-it in tutte le sue valutazioni di instruction following e in quasi tutte quelle di tool use, anche se sono numeri riportati dal fornitore senza alcuna verifica indipendente. Il divario è che un base checkpoint non ha ricevuto nessuno di quegli addestramenti, quindi non può essere inserito affatto in un harness.

La licenza è la differenza più netta

È qui che il matchup viene effettivamente deciso, ed è la parte che la maggior parte dei confronti salta.

• ARTEMIS — Apache 2.0. Usalo commercialmente, creane un fork, distribuiscilo all'interno di un prodotto, nessuna condizione legata ai ricavi. L'unico obbligo è preservare le note e dichiarare le modifiche, un obbligo che il progetto stesso ha dovuto sanare pubblicamente a settembre 2026 dopo che Minitap ha sostenuto che 228 dei 229 file di ARTEMIS corrispondevano al suo code>mobile-use/code> progetto con licenza Apache-2.0 e che i nomi degli autori erano stati rimossi con un force-push. Il repository ora riporta una riga di credito a Minitap.

• LFM2.5-2.6B-Base — la LFM Open License, una licenza personalizzata anziché Apache o MIT. Al di sotto di 10 milioni di dollari di fatturato annuo, la concessione è ampia, perpetua e priva di royalty. A tale soglia o al di sopra, la licenza non si estende affatto all'uso commerciale, e occorre contattare Liquid. Il dettaglio importante per chiunque ci costruisca sopra: le opere derivate ereditano gli stessi termini. Il checkpoint su cui si esegue il post-training non è qualcosa di nuovo che si possiede in pieno — porta con sé la licenza condizionata al fatturato, con un'eccezione per le organizzazioni senza scopo di lucro qualificate.

Metti quei due fatti uno accanto all'altro e la decisione si inverte a seconda di chi sei. Un'azienda finanziata che vuole distribuire un agente lato telefono ha un harness Apache-2.0 che può usare liberamente e un checkpoint che potrebbe non poter usare affatto a livello commerciale. Uno sviluppatore individuale o una startup sotto la soglia ha entrambi, e la licenza è una nota a piè di pagina. Nessuno dei due fornitori è irragionevole — Liquid è un'azienda che protegge il proprio livello commerciale, Google sta rendendo open source gli strumenti di test — ma "open weights" e "open weights" non sono lo stesso permesso, e un confronto che si ferma al numero di parametri non ti dirà quale dei due hai.

La famiglia, perché il checkpoint di base è la porta sbagliata per entrarci

Se l'obiettivo è un agente Android sul dispositivo, tre fratelli contano più della base, e quello di cui la roadmap ARTEMIS ha davvero bisogno non è quello ovvio.

• LFM2.5-2.6B — il fratello agentico post-addestrato. Il throughput dichiarato dal fornitore è di circa 30 token al secondo su hardware di classe smartphone, 113 su un Ryzen AI Max+ 395 e 220 su un Apple M5 Max, funzionando con meno di 2,5 GB.

• LFM2.5-VL-3B — il modello edge visione-linguaggio, costruito sulla stessa base con un encoder SigLIP2 400M NaFlex, con precisione di grounding precision@1 riportata dal fornitore salita da 57,1 a 87,9 su RefCOCO e, secondo Liquid, prestazioni sugli elementi UI a schermo che battono modelli Gemma molto più grandi e arrivano a meno dello 0,7% da un Qwen 3.5 da 4,7B. Non verificato, ma è l'unico membro di questa famiglia in grado di vedere uno schermo.

• LFM2.5-230M — il livello dedicato all'estrazione e alla classificazione, esplicitamente non consigliato per attività che richiedono molto ragionamento.

Qual è la conclusione scomoda per il checkpoint di base in questo confronto: la voce della roadmap di ARTEMIS è un requisito di visione, la base è solo testo, e il membro della famiglia che occupa lo slot è la variante VL a cui sono già stati applicati sia l'encoder visivo sia il post-training. Il ruolo del checkpoint di base in uno stack di automazione Android non è pilotare il telefono. È quello di essere la materia prima alla base di qualunque modello piccolo che alla fine lo farà.

Dove si incontrano davvero: il volano che nessuno ha ancora costruito

Ecco l'unica connessione che è reale anziché retorica, e va nel senso opposto rispetto a quello abituale. La funzionalità più sottovalutata di ARTEMIS non è l'agente — è lo scarto. Ogni esecuzione cattura stack di crash, screenshot dei fotogrammi chiave, un registro di sessione dei passaggi compressi e un rapporto diagnostico, e Pro apre un "execution incident" ogni volta che un'azione fallisce e lo mantiene nel contesto finché un successo successivo non lo risolve. Si tratta di un corpus etichettato esattamente dei momenti in cui la percezione di un agente UI era errata.

Abbinalo a un checkpoint la cui unica ragione d'essere è il post-training e ottieni un loop ovvio: esegui l'harness su un modello ospitato, raccogli le tracce in cui ha inciampato sulla tua app e fai il fine-tuning di un modello da 2,6B proprio su quei frame. È il tipo di dataset proprietario che la scheda di Liquid stessa cita come giustificazione per il rilascio di un checkpoint base — "addestrare sui propri dati" — e la licenza vincolata al fatturato significa che è una strada che ha senso per i team sotto la soglia e richiede un confronto per i team sopra di essa.

Per essere espliciti sullo stato di quell'idea: nessuno ha pubblicato questo loop, nessuno dei due fornitori lo suggerisce, e non ci sono prove che l'una o l'altra parte lo abbia testato. È una proposta, non un risultato, e dovrebbe essere letta come tale. Ma è l'unica impostazione in cui questi due artefatti sono collaboratori anziché un errore di categoria.

Se arrivi fino al fine-tuning, l'insieme di confronto è l'altra metà del problema. LFM2.5-2.6B-Base non è nel nostro catalogo — nessuna variante LFM2.5 lo è — quindi quel checkpoint proviene dalla distribuzione di Liquid stessa e dai soliti host di terze parti. Dove un catalogo instradato si guadagna il suo posto è nel confrontare il tuo fine-tune con i modelli che deve battere sull'uso degli strumenti, su una sola chiave e una sola fattura, con failover, così che un pomeriggio storto di un fornitore non diventi un pomeriggio storto della tua valutazione. È una cosa davvero utile da avere quando l'intero scopo dell'esercizio è un testa a testa sul quale intendi agire.

Allora, quale è il tuo problema?

Se hai un'app Android e vuoi che venga testata automaticamente questo trimestre, vuoi ARTEMIS, e LFM2.5-2.6B-Base non fa parte della soluzione — eseguirai ARTEMIS contro un modello di visione ospitato, pagherai per step, e l'elemento della roadmap sui VLM su dispositivo arriverà prima o poi e risolverà un problema di costi che non hai ancora misurato.

Se stai sviluppando un prodotto che deve funzionare su un telefono senza rete, vuoi la strada del modello piccolo, e LFM2.5-2.6B-Base è l'inizio di quel progetto, non una parte della sua soluzione: lo sottoporrai a post-training, leggerai la LFM Open License confrontandola con le tue previsioni di fatturato prima di scrivere il primo script di addestramento, e se il tuo agente ha bisogno di vedere uno schermo finirai invece sulla variante VL.

L'unica cosa da non fare è mettere questi due fianco a fianco, dichiarare che l'harness è più capace e passare oltre. Il confronto utile è tra i due stack completi — modello in hosting più harness, contro modello piccolo fine-tuned più un framework che costruisci tu — e solo uno di questi ha un tasso di successo pubblicato su un benchmark pubblico, il che vale esattamente quanto il fatto che l'altro non abbia alcuna bolletta cloud.

Dove un catalogo instradato si guadagna il suo posto è nel benchmarking del tuo fine-tune contro i modelli che deve battere sull'uso degli strumenti, su una chiave e una fattura, con il failover, così che un pomeriggio storto di un provider non diventi un pomeriggio storto della tua valutazione.

LFM2.5-2.6B-Base non è presente nel nostro catalogo — nessuna variante di LFM2.5 lo è — quindi quel checkpoint proviene dalla distribuzione di Liquid stessa e dai soliti host di terze parti.