Dessa vs LFM2.5 2.6B Base: un checkpoint che puoi possedere vs una voce che puoi solo ascoltare

LFM2.5-2.6B-Base è un file da 2,69 miliardi di parametri che occupa circa 2,5 GB, gira su uno smartphone e viene fornito con una licenza che consente di fine-tunerarlo e distribuire il risultato.Dessa è un modello vocale full-duplex che Block ha annunciato il 23 ottobre 2026, addestrato esclusivamente su conversazioni umane e, secondo quanto riportato, abbastanza veloce da girare su un MacBook Pro M4 Max. Non puoi scaricare Dessa, fine-tunerarlo, misurarlo o chiamarlo. È una lista d'attesa.

Mettere questi due nella stessa frase è ingiusto in modo evidente: uno è un checkpoint testuale preaddestrato, l’altro è un comportamento conversazionale già completo. Ma l’ingiustizia è la parte utile. La domanda che un team si trova davvero ad affrontare non è "quale modello sia migliore" — è "su quale modello posso costruire un business", e su quella domanda il divario tra un checkpoint di base scaricabile e un’anteprima di ricerca chiusa è più ampio di qualsiasi differenza nei benchmark.

Cos'è davvero LFM2.5-2.6B-Base

Liquid AI ha rilasciato la famiglia LFM2.5 il 4 agosto 2026. Il suffisso Base conta più del numero di parametri: questo è il checkpoint preaddestrato, non l'assistente ottimizzato per le istruzioni. Ha letto 34 trilioni di token e appreso la struttura statistica di 16 lingue, ma non è stato addestrato a seguire istruzioni, sostenere un dialogo o usare strumenti. Se lo si interpella a freddo, si ottiene un completamento, non una conversazione.

L'architettura è ibrida. Trenta strati, di cui 22 sono blocchi a convoluzione breve con doppio gate e otto sono attenzione con query raggruppate, un design che Liquid perfeziona dalla prima generazione di LFM2. Il vocabolario è di 128.000 token, raddoppiato rispetto alla generazione precedente tramite un'estensione in-place del tokenizer pensata per le scritture non latine. Il contesto è di 131.072 token, raggiunto tramite un'estensione dedicata durante il mid-training anziché in fase di pretraining.

Il fratello addestrato con istruzioni, LFM2.5-2.6B, è quello con la tabella di benchmark pubblicata: AIME25 51.87, LiveCodeBench v6 59.41, IFBench 59.17, BFCLv4 56.88, ToolSandbox 77.83, Claw-Eval English 62.85. Sono dati dichiarati dal fornitore e appartengono al modello post-addestrato, non alla base. Liquid stessa sconsiglia di usare la famiglia per il coding agentico o per attività ad alta intensità di conoscenza, il che è un utile segnale di onestà in un mercato in cui ogni modello piccolo viene descritto come capace di superare le proprie possibilità.

Perché confrontare un checkpoint di base con un comportamento finale vale comunque la pena

Un modello base è un punto di partenza. Il suo valore è ciò che puoi ricavarne: pre-addestramento continuato sul tuo dominio, un fine-tuning supervisionato sulle tue trascrizioni, uno studente distillato per un compito ristretto. Dessa è il tipo opposto di artefatto. Si presenta come un comportamento — alternanza dei turni, backchannel, tempismo emotivo — e niente di tutto ciò è esposto per essere modificato.

Quindi il confronto verte davvero sul controllo. LFM2.5-2.6B-Base ti dà i pesi, la licenza e l'obbligo di svolgere il lavoro. Dessa ti dà una demo e la possibilità di accesso. Per un laboratorio di ricerca, la seconda può essere più preziosa. Per un team di prodotto, la prima è l'unica che produce un deliverable.

La scheda tecnica, con entrambi i lati su una riga

I dati LFM provengono dalla model card e dall'annuncio di Liquid; i dati Dessa provengono dalla pagina di Block. Tutti i numeri riportati dai fornitori sono etichettati come tali.

• Parametri — LFM2.5-2.6B-Base 2,69B totali vs Dessa non divulgato.

• Architettura — LFM2.5-2.6B-Base, un ibrido di convoluzione breve e attenzione con query raggruppate, 30 strati rispetto a Dessa end-to-end speech-to-speech, architettura non pubblicata.

• Contesto — LFM2.5-2.6B-Base 131.072 token vs Dessa non specificato.

• Modalità — LFM2.5-2.6B-Base testo in ingresso, testo in uscita vs Dessa audio in ingresso, audio in uscita.

• Pesi — LFM2.5-2.6B-Base scaricabili, incluse le build GGUF, ONNX e MLX vs Dessa: nessuno.

• Licenza — LFM2.5-2.6B-Base la LFM Open License v1.0, uso commerciale con condizioni rispetto a Dessa nessuna licenza pubblicata.

• Memoria — LFM2.5-2.6B-Base sotto circa 2,5 GB a runtime rispetto a Dessa su un MacBook Pro M4 Max o superiore, per Block.

• Velocità — LFM2.5-2.6B-Base circa 220 token al secondo su un Apple M5 Max, circa 30 sui telefoni, dati dichiarati dal fornitore rispetto al "più veloce del tempo reale" di Dessa, senza alcuna cifra.

• Prezzo — pesi gratuiti di LFM2.5-2.6B-Base vs Dessa: nessun prezzo.

• Disponibilità — LFM2.5-2.6B-Base disponibile al pubblico dal 4 agosto 2026, mentre Dessa è in lista d'attesa.

Il budget del dispositivo è l'intera questione

La proposta di Liquid riguarda l'economia del deployment: un modello abbastanza piccolo per un Raspberry Pi, abbastanza veloce per un telefono, abbastanza economico da funzionare senza una bolletta per la GPU. Il throughput dichiarato — circa 220 token al secondo su un M5 Max, 113 su un Ryzen AI Max+ 395 e all'incirca 30 su un telefono — è il tipo di numero che determina se un assistente on-device sembra istantaneo o difettoso. Trenta token al secondo sono più veloci della velocità di lettura, che è la soglia rilevante per un'interfaccia di chat.

L'affermazione di Dessa sul deployment riguarda un laptop che costa ben oltre 2.000 dollari con un chip Apple di fascia alta. È comunque locale, e il locale ha vantaggi reali: nessun costo per token, nessun round trip di rete, nessun dato che lascia il dispositivo. Ma è un mercato diverso. Un modello da 2,6 miliardi di parametri può essere distribuito all'interno di un'app; un modello che richiede un M4 Max è uno strumento per sviluppatori o una funzionalità desktop. Se il tuo prodotto gira su telefoni, questo confronto finisce alla riga della memoria.

Le licenze sono il vero spartiacque

La LFM Open License v1.0 non è una licenza open source approvata dall'OSI, e vale la pena dirlo chiaramente. L'uso commerciale è consentito, ma le organizzazioni che superano una soglia di ricavi — i termini di Liquid la fissano a 10 milioni di dollari di ricavi annui — necessitano di una licenza commerciale separata. Si tratta di un vincolo reale. È anche un vincolo noto, con un documento, una soglia e qualcuno con cui negoziare.

Dessa non ha una licenza perché Dessa non ha una distribuzione. Non puoi rispettare termini che non esistono e non puoi costruire un caso di procurement attorno a una lista d'attesa. Per un'enterprise, "licenza personalizzata con una soglia di fatturato" significa una revisione legale. "Nessun termine pubblicato" è un blocco.

Se oggi vuoi un agente vocale su un telefono

Nessuno dei due modelli è una risposta completa, ma il lato LFM è almeno un punto di partenza. Un agente vocale telefonico necessita di tre componenti: riconoscimento vocale, un modello linguistico e sintesi vocale. LFM2.5-2.6B-Base può essere il componente centrale se lo si sottopone a fine-tuning: il checkpoint base è un modello testuale, quindi non sentirà nulla da solo, e il suo contesto da 131K è sufficiente a contenere una lunga cronologia di conversazione più note recuperate.

Il fine-tuning è l'opzione interessante. Con i pesi in mano, puoi addestrare sulle conversazioni del tuo dominio e valutare il risultato secondo i tuoi criteri. È esattamente l'esperimento che l'annuncio di Dessa invita a fare e non consente: prendere un piccolo stack in grado di gestire il parlato, addestrarlo su conversazioni reali e vedere se emerge un tempismo emotivo. Block afferma di averlo fatto da zero su un singolo rack GB200 NVL72. Un team con qualche GPU può eseguire la versione economica della domanda su una base LFM e imparare qualcosa in una settimana.

Se preferisci non eseguire il modello linguistico sul dispositivo, OrcaRouter mette un'unica API davanti a oltre 200 modelli con markup dello 0% e failover automatico, così la fase di ragionamento può risiedere nel cloud mentre l'audio resta locale. Per chiarire la portata: LFM2.5 2.6B Base non è nel nostro catalogo — è un download, e questo è il punto. Noi instradiamo modelli ospitati; questo è pensato per essere eseguito dove lo metti.

Chi dovrebbe scegliere cosa

• Devi possedere il modello, i pesi e la roadmap — LFM2.5-2.6B-Base, poi fai il fine-tuning.

• Hai bisogno di funzionamento offline su hardware economico — LFM2.5-2.6B-Base.

• Ti serve un core testuale o agentico sotto qualche gigabyte — l'LFM2.5-2.6B post-addestrato, non quello base.

Hai bisogno di un parlato dal vivo, interrompibile ed emotivamente espressivo — Dessa è l'unica delle due pensata per questo, e non è disponibile.

• Ti serve una licenza che puoi firmare questo trimestre — LFM2.5-2.6B-Base, con la clausola sui ricavi verificata.

• Devi pubblicare un risultato riproducibile — LFM2.5-2.6B-Base, perché la riproducibilità richiede un file.

L'esperimento che lo risolverebbe

Prendi 1.000 ore di audio conversazionale con trascrizioni, esegui il fine-tuning di LFM2.5-2.6B-Base sul lato testuale e aggiungi un potente riconoscitore vocale e sintetizzatore. Misura il recupero dopo le interruzioni e l'appropriatezza emotiva rispetto a una baseline basata sui turni. Se il risultato si avvicina a ciò che suggeriscono le clip di Block, allora il vantaggio di Dessa è più limitato di quanto implichi il video demo: potrebbe essere una vittoria architetturale, ma non inattaccabile.

Se non lo fa, la tesi dell'addestramento nativo per il parlato si rafforza, e l'assenza di un file di pesi Dessa diventa il fatto più importante di questo confronto. In entrambi i casi, il test è eseguibile sul versante aperto e non su quello chiuso. Questa asimmetria è la risposta alla domanda principale, e resterà tale finché Block non rilascerà qualcosa che un cliente possa tenere in mano.