Una card hero con titolo 'LFM2.5-24B-A2B vs Gemma 4 26B-A4B', sottotitolo 'Due modelli sparsi, due budget diversi' e due pannelli etichettati che riportano 'LFM2.5-24B-A2B: 24,0B totali, 2,45B attivi, solo testo' e 'Gemma 4 26B A4B: 25,2B totali, 3,8B attivi, testo + immagine', con il logo OrcaRouter composto in basso a destra.
Guides & Insights

LFM2.5-24B-A2B vs Gemma 4 26B-A4B: due modelli sparsi, due teorie diverse su dove va la potenza di calcolo

Autore

jinhao.song

Data di pubblicazione

Ultimi modelli · 20Vedi tutti i modelli →
Benchmark: Artificial Analysis · aggiornato ogni giorno
Torna a tutti gli articoli

LFM2.5-24B-A2B e Gemma 4 26B-A4B sembrano la stessa idea due volte. Il checkpoint di Liquid AI è stato rilasciato il 13 ottobre 2026 con 24,0 miliardi di parametri totali e 2,45 miliardi letti per token. Gemma 4 26B-A4B di Google DeepMind porta 25,2 miliardi in totale con 3,8 miliardi attivi per token, pubblicato su Hugging Face l'11 marzo 2026. Entrambi sono miscele di esperti, entrambi sono all'incirca un checkpoint da 25 miliardi di parametri collegato a un budget di calcolo da due a quattro miliardi di parametri, ed entrambi i fornitori ricorrono alla stessa frase quando spiegano il compromesso: paghi in memoria per un modello grande e in latenza per uno piccolo. Proprio quell'aritmetica quasi identica è il motivo per cui vale la pena fare il confronto come si deve, perché poi i due modelli spendono quel budget in cose completamente diverse: Gemma 4 26B-A4B lo spende in visione, un contesto da 256K e un'ampia base di conoscenza; LFM2.5-24B-A2B lo spende in una traccia di ragionamento, un harness per il tool-calling e l'apprendimento per rinforzo agentico. Stessa forma, priorità opposte.

C'è un'ulteriore asimmetria che sta sopra a tutto: la tabella di benchmark di LFM2.5-24B-A2B usa Gemma-4-26B-A4B-it come una delle sue tre baseline, quindi per una volta non stiamo allineando due tabelle di lancio e tirando a indovinare — Liquid ha eseguito entrambi, nello stesso ambiente vLLM, e ha pubblicato le righe.

A entrambi manca la stessa cosa, ed è quella che tutti danno per scontata.

Inizia dall'idea sbagliata che questi due modelli sono più propensi a generare, perché è la stessa per entrambi. Una miscela sparsa di esperti non riduce il tuo fabbisogno di memoria. Ogni parametro nel checkpoint deve essere residente; ciò che 2,45B o 3,8B attivi ti offrono è throughput per token, non un footprint più piccolo. Un lettore che vede «2,45B attivi» e opta per una macchina da 4 GB passerà un brutto pomeriggio.

Nel nostro catalogo il checkpoint Gemma 4 26B A4B è elencato con un contesto di 262.144 token, mentre la scheda di LFM2.5-24B-A2B indica 131.072. Su disco il divario è più ampio di quanto suggeriscano i conteggi dei parametri: LFM2.5-24B-A2B pubblica un Q4_K_M GGUF da 14,5 GB e un QAT QAD-Q4_0 da 13,6 GB, con 48 GB in BF16; Gemma 4 26B A4B pubblica safetensors bfloat16 come uno shard da 49,9 GB più uno shard da 1,7 GB, con un GGUF a 4 bit consapevole della quantizzazione che abbina un file di pesi compatto a un file di proiezione multimodale separato. Numeri arrotondati: circa 14 GB contro circa 50 GB non compressi, da due checkpoint i cui conteggi totali dei parametri differiscono di un miliardo. Questa differenza deriva dal vocabolario, dalla disposizione degli esperti e dallo stack multimodale, non dal dato di testa sui parametri, ed è la riga più pratica in assoluto di tutto questo pezzo.

Il contrasto delle specifiche, una riga per dimensione

• Parametri totali / attivi — LFM2.5-24B-A2B 24.0B / 2.45B, 64 esperti con routing top-4 su 40 layer. Gemma 4 26B-A4B 25.2B / 3.8B, 8 esperti attivi su 128 più un esperto condiviso su 30 layer.

A capture of the Hugging Face model page for google/gemma-4-26B-A4B-it, showing the image-text-to-text pipeline tag, the Transformers and Safetensors formats, the gemma4 and conversational tags, the Apache 2.0 licence, and the card text stating that Gemma 4 models are multimodal, handling text and image input with audio supported on the E2B, E4B and 12B models, that the family spans a context window of up to 256K tokens across five sizes, and the architecture list covering reasoning, extended multimodalities, dense and MoE variants, and on-device optimisation.

• Contesto — 131.072 token rispetto a 262.144, con Gemma 4 26B A4B che utilizza una finestra scorrevole di 1.024 token e un'attenzione ibrida che alterna livelli locali e globali, mantenendo l'ultimo livello globale.

• Modalità — LFM2.5-24B-A2B è testo in input, testo in output. Gemma 4 26B A4B accetta testo e immagini, con un encoder visivo di circa 550M parametri; l'audio è limitato ai modelli Gemma 4 di dimensioni inferiori.

• Ragionamento — LFM2.5-24B-A2B emette sempre una catena di pensiero esplicita all'interno di un blocco <think>. Gemma 4 26B A4B è un generalista ottimizzato per le istruzioni, senza una traccia obbligatoria.

• Vocabolario — 128.000 token, raddoppiati rispetto alla generazione precedente tramite espansione in-place del tokenizer, rispetto a un vocabolario della famiglia da 262K condiviso tra tutte e cinque le dimensioni di Gemma 4.

• Licenza — lfm1.0, gratuita per uso commerciale fino a 10 milioni di dollari di ricavi annuali e con licenza commerciale oltre quella soglia. Gemma 4 26B A4B è Apache 2.0, con il testo standard della licenza su ai.google.dev/gemma/apache_2, affiancato dalla policy di utilizzo proibito di Google come documento di uso accettabile anziché come restrizione di licenza.

• Formati pubblicati — GGUF (da Q4_K_M a BF16), FP8, ONNX e MLX a 4/5/6/8 bit per il modello Liquid; safetensors bfloat16, un checkpoint pre-addestrato, una build QAT a 4 bit e un GGUF pronto per llama.cpp, oltre a un drafter con previsione multi-token, per la dimensione Gemma.

Liquid li ha eseguiti entrambi, e i risultati non sono una vittoria netta

Il post di lancio di LFM2.5-24B-A2B mette Gemma-4-26B-A4B-it nella colonna baseline della sua tabella a sedici benchmark, insieme a Qwen3.6-35B-A3B e Nemotron-3.5-Lightning, con tutte e quattro le colonne eseguite in vLLM con impostazioni di generazione per benchmark. Tutto ciò che segue è riportato dai fornitori da entrambe le parti — i numeri di Liquid, in una tabella assemblata da Liquid. Non è una valutazione indipendente, ma è almeno un singolo harness, il che è più di quanto ottenga la maggior parte delle pagine di confronto tra modelli.

Le righe agentiche si leggono come una disfatta: AutomationBench 27,69 contro 5,46, ToolSandbox 80,71 contro 72,09, LiveClaw 48,09 contro 41,25, τ³-Bench Banking 8,04 contro 4,54, BFCLv4 65,01 contro 57,09. Il rispetto delle istruzioni racconta la stessa storia — IFEval 96,75 contro 92,00, IFBench 74,69 contro 47,44, Multi-IF 84,38 contro 82,19.

Poi l'altra metà della tabella, che Liquid ha comunque pubblicato: PinchBench 83.18 contro 77.12 va nella direzione opposta, e così anche tre righe che contano più di qualsiasi vittoria nel tool-calling. GPQA Diamond — 74.42 contro 74.90, praticamente alla pari ai massimi livelli della scienza post-laurea. SWE-Bench Verified via OpenCode — 51.00 contro 25.80, un margine di due a uno a favore del modello Liquid, che è il singolo dato più sorprendente in entrambe le tabelle. SciCode — 32.71 contro 35.42, con la taglia Gemma in vantaggio. E AA-Omniscience — −24.90 contro −59.39, dove entrambi i modelli ottengono punteggi scarsi e la taglia Gemma ne ottiene uno più del doppio peggiore.

Due letture di questo, e quella onesta è la seconda. La prima è che un modello agente con 2,45B di parametri attivi batte un generalista con 3,8B attivi negli agenti, che è ciò per cui è stato costruito. La seconda è che la colonna Gemma 4 26B A4B appare anormalmente debole su tutti i fronti — il fatto che 25,2B di parametri totali e 3,8B attivi si collochino sotto un modello con 2,45B attivi sul seguire le istruzioni, sull'uso degli strumenti e sulla conoscenza non è ciò che la tabella della famiglia di Google stessa predirebbe, ed è un promemoria del fatto che un harness condiviso non rende comparabile un benchmark se i modelli vengono eseguiti con impostazioni di generazione e prompting differenti. Considera la direzione di queste righe come informativa e le grandezze come non informative.

Ciò che non compare affatto nella tabella è la metà multimodale di Gemma 4 26B A4B. Un benchmark di visione qui è impossibile perché LFM2.5-24B-A2B non è in grado di vedere. Se una qualsiasi parte del tuo carico di lavoro prevede l'arrivo di un'immagine da parte di un utente, questo confronto ha già un vincitore prima ancora di iniziare, e non è il modello più recente.

Prezzo, e quanto costa effettivamente detenere ciascuno

LFM2.5-24B-A2B ha un prezzo per token: 0,10 $ per milione di token di input (0,05 $ con cache) e 1,00 $ per milione di token di output sulla Console di Liquid stessa, con 2 $ di credito per iniziare. Gemma 4 26B A4B non ha alcun prezzo di listino del fornitore — Google non ne pubblica alcuno — quindi l'unica cifra di costo onesta è quella applicata dalle piattaforme che ospitano i pesi aperti, che varia da host a host e di giorno in giorno.

Questa asimmetria è l'argomento a favore del passaggio attraverso un router anziché del cablaggio dell'endpoint di un singolo fornitore direttamente nel tuo codice. Geometria a parte, questo è il punto in cui un checkout per entrambe le parti conta: serviamo il checkpoint Gemma 4 26B A4B con due id — google/gemma-4-26b-a4b-it e obsidian/gemma-4-26B-A4B — ed entrambi i riferimenti di prezzo che Liquid usa nella sua tabella, qwen/qwen3.6-35b-a3b tra cui, dietro un'unica chiave con markup dello 0% sul prezzo di listino del provider. Non serviamo LFM2.5-24B-A2B. La versione pratica di questa pagina è quindi: scarica il checkpoint Liquid e eseguilo in locale, e chiama la dimensione Gemma 4 e la baseline Q​wen attraverso la stessa chiave mentre decidi, così confronti sui tuoi compiti anziché sulla scelta di harness di uno dei due fornitori.

A two-column scoreboard titled 'LFM2.5-24B-A2B vs Gemma 4 26B A4B — the scoreboard'. The left column, LFM2.5-24B-A2B, lists 24.0B total and 2.45B active parameters, a 131,072-token context, text-only input, SWE-Bench Verified 51.00, AutomationBench 27.69, and a Q4_K_M download of 14.5 GB. The right column, Gemma 4 26B A4B, lists 25.2B total and 3.8B active parameters, a 262,144-token context, text and image input, SWE-Bench Verified 25.80, AutomationBench 5.46, and bfloat16 weights of about 50 GB, above a footer reading 'Benchmark rows from Liquid AI's 2026-10-13 vLLM table, which ran both models; vendor-reported and unreproduced.' and the OrcaRouter logo composited bottom-right.A capture of OrcaRouter's own model page for google/gemma-4-26b-a4b-it, showing the 'Gemma 4 26B A4B' heading and the google/gemma-4-26b-a4b-it identifier, the vision, tools, JSON and reasoning chips, Google as the vendor with a 2026-04-03 date, the summary noting 25.2B total parameters with only 3.8B activating per token, and the 262K-token context row listing text, image and video input with a p50 time-to-first-token figure.

Quale, e quando la domanda riguarda davvero la tua macchina

Se il tuo carico di lavoro è testuale e il tuo agente deve pianificare, chiamare strumenti e spiegarsi, il checkpoint più recente è quello da scaricare: 14,5 GB a Q4_K_M, un contesto di 131K, ragionamento esplicito e una tabella di benchmark in cui vince sulle righe agentiche contro questo preciso avversario. Se una qualsiasi parte del tuo lavoro coinvolge immagini, o hai bisogno di 256K di contesto invece di 128K, o vuoi una licenza Apache 2.0 senza clausola sui ricavi di cui tenere traccia, Gemma 4 26B A4B risponde a una domanda che LFM2.5-24B-A2B non pone nemmeno — occupando all'incirca tre volte e mezzo l'ingombro su disco non compresso.

La cosa che nessuno dei due modelli risolve è che entrambi sono limitati dalla memoria anziché dal calcolo, e che entrambi i fornitori devono essere interpretati allo stesso modo. Il post di lancio della famiglia di Google descrive i due modelli Gemma 4 più grandi come pesi bfloat16 che «entrano efficientemente in una singola GPU NVIDIA H100 da 80GB» — vero, e anche la presentazione del fornitore stesso più che una misurazione di questa specifica build. Anche i 184 token al secondo di Liquid su un Apple M5 Max e «fino a 1,7× più veloce rispetto a MoE comparabili sul dispositivo» non sono accompagnati da alcuna riproduzione. Due modelli sparsi, due fornitori, un unico insegnamento condiviso: l'aritmetica nel nome ti dice qualcosa sulla velocità, e nulla nel nome ti dice qualcosa sulla memoria.

Confronti come questo sono anche il punto in cui emergono le modalità di fallimento: gli incidenti AI documentati e i fallimenti degli agenti relativi ai modelli di questa classe sono raccolti in l'Archivio degli Incidenti AI di OrcaRouter, dove ogni voce riporta le proprie fonti, il livello di gravità, il grado di affidabilità e l'indicatore di contestazione.