LFM2.5-24B-A2B vs Granite 4.2 30B: modello sparse per laptop o modello dense per workstation

"Pesi aperti" svolge due funzioni diverse in LFM2.5-24B-A2B e Granite 4.2 30B. Il modello di Liquid AI, annunciato il 13 ottobre 2026, è un mixture-of-experts da 24 miliardi di parametri che attiva 2,45 miliardi di parametri per token e viene distribuito con la licenza lfm1.0 dello stesso fornitore. Granite 4.2 30B di IBM, pubblicato su Hugging Face il 25 agosto 2026, è un modello di ragionamento denso decoder-only — circa 29 miliardi di parametri nei suoi safetensors BF16, ognuno di essi attivo su ogni token — e viene distribuito con licenza Apache 2.0. Una di quelle licenze è una concessione Apache standard senza vincoli. L'altra no, e questa differenza sopravvive a ogni discussione sui benchmark che potresti fare sulle due.

La seconda differenza è aritmetica che nessuna valutazione può nascondere. Un MoE con 2,45B di parametri attivi è dimensionato per una macchina che possiedi già. Un modello dense da 29B necessita di una GPU con la memoria per contenerlo, il che rende il confronto meno una questione di «quale sia più intelligente» che di «quale di questi puoi effettivamente eseguire sull'hardware che hai davanti».

Dove vanno i parametri

LFM2.5-24B-A2B è composto da 40 livelli suddivisi tra 30 blocchi a convoluzione breve con doppio gating e 10 livelli di attenzione grouped-query, con 64 esperti per blocco e routing top-4. Liquid lo ha addestrato su 33 trilioni di token secondo il conteggio del post di lancio — o 36 trilioni secondo il conteggio della scheda modello di Hugging Face per la stessa release, una discrepanza che nessuno dei due documenti risolve — poi ha eseguito un mid-training in due fasi e ha terminato con una pipeline di post-training a cinque fasi che si conclude con apprendimento per rinforzo agentico all'interno di veri harness per agenti. Ha una finestra di contesto di 131.072 token e un vocabolario di 128.000 token.

Granite 4.2 30B è un singolo stack denso senza routing da eseguire, costruito sul checkpoint Granite-4.1-30B-Base e addestrato con tre modalità di ragionamento selezionabili: pensiero completo racchiuso nei tag <think>, pensiero a basso sforzo e nessun pensiero. Ha un contesto nativo di 128K con un'estensione documentata del contesto lungo fino a 512K, supporta dodici lingue testate e la sua scheda del modello consiglia temperature 1.0 con top_p 0.95 su tutte le attività.

La conseguenza pratica è la forma del throughput, non solo il throughput. Il routing sparse significa che LFM2.5-24B-A2B legge un file di pesi da 24B per svolgere l'equivalente di 2,45B di calcolo per token — un bene per la larghezza di banda di memoria, non penalizza nulla in particolare. Dense significa che Granite 4.2 30B svolge l'intero lavoro da 29B per ogni token che emette. Se il tuo carico di lavoro è un lungo loop di agente con molti turni brevi, quella differenza si accumula.

Numeri dei fornitori, affiancati, con l'avvertenza allegata

Nessuno ha messo questi due a confronto diretto. I dati di IBM provengono dalla model card di Granite 4.2; quelli di Liquid provengono dalla sua tabella vLLM del giorno del lancio, in cui Granite non compare come colonna. Le righe seguenti sono quindi due dichiarazioni separate dei fornitori messe una accanto all'altra, non un confronto testa a testa, e due dei quattro benchmark utilizzano harness parzialmente sovrapposti ma non identici.

• Parametri — 24,0B totali con 2,45B attivi rispetto a ~29B densi, tutti attivi. L'unico numero che decide il tuo hardware.

• Contesto — 131.072 token rispetto a 128K nativo e 512K esteso.Più o meno allo stesso livello nella finestra nativa; Granite va oltre se ti serve.

• Licenza — lfm1.0 rispetto ad Apache 2.0. Apache 2.0 non prevede soglie di ricavo né questioni di campo di utilizzo. Confronta i termini di Liquid con i tuoi numeri.

• Uso agentico degli strumenti — BFCLv4 65,01 rispetto a BFCL v4 61,39.Il numero di Liquid dal suo harness; quello di IBM dalla scheda 4.2. Abbastanza vicini che l'harness conta più del divario.

• Coding — SWE-Bench Verified 51,00 contro 57,00. Il vantaggio di Granite, e rispecchia lo schema: LFM2.5-24B-A2B è un chiamante di tool, Granite 4.2 30B è un reasoner che chiama anche i tool.

• Aderenza alle istruzioni — IFEval 96,75 e IFBench 74,69 rispetto a IFBench 77,17.Entrambi solidi; i due fornitori utilizzano coppie di righe diverse, quindi confronta quella condivisa.

Dove la scheda di Granite aggiunge dettagli che quella di Liquid non pubblica, prendilo come argomento a favore del reasoner: AIME 2025 a 89,17, GPQA a 66,41, LiveCodeBench v6 a 75,77, MMLU-Pro a 77,60, SciCode a 38,76 e RULER a 89,96 per 64K e 81,38 per 128K. Quest'ultima coppia è il tipo di evidenza sul contesto lungo che LFM2.5-24B-A2B semplicemente non possiede ancora — Liquid non ha pubblicato cifre di retrieval per nessuna lunghezza di contesto per la sua finestra da 131K.

Quanto ti costa mantenerne ciascuno

Liquid prezza l'accesso all'API a 0,10 $ per milione di token di input — 0,05 $ in cache — e 1,00 $ per milione di token di output sulla propria Console, con 2 $ di credito iniziale. Ma l'endpoint ospitato non è davvero il prodotto; il prodotto è il file 24B-A2B stesso, e le dichiarazioni di throughput del fornitore riguardano tutte l'on-device: 184 token al secondo su un Apple M5 Max e 114 token al secondo su un AMD Ryzen AI Max+ 395. Entrambe sono dichiarate dal fornitore e non riprodotte, e indipendentemente dal fatto che siano veritiere, l'argomentazione architetturale regge: un MoE con 2,45B di parametri attivi gira su memoria unificata in un modo in cui un modello denso da 29B non riesce a fare.

IBM non pubblica alcun prezzo per token sulla model card — Granite 4.2 30B è posizionato come checkpoint self-hosted, distribuito come BF16 più quantizzazioni FP8, NVFP4/MXFP4 e GGUF. Il costo complessivo è la GPU che devi acquistare o noleggiare per contenere all'incirca 29B di pesi densi, e un 30B denso in FP8 richiede molta più memoria di un MoE quantizzato con 2,45B attivi. Su base per token servito, il modello sparso è più economico da gestire; su base cold-start e latenza nel caso peggiore, il modello denso non ha routing da riscaldare. Quale di questi aspetti ti interessa dipende interamente dal fatto che l'endpoint sia sempre attivo.

Se vuoi testare l'uno o l'altro senza impegnarti con nessuno dei due, entrambe le strade esistono. Granite 4.2 30B è self-hostabile con licenza Apache 2.0 e senza limite di ricavi, e il lato servito di ogni numero sopra — qwen/qwen3.6-35b-a3b e google/gemma-4-26b-a4b-it tra gli altri — si trova nel nostro catalogo dietro un'unica chiave a 0% di ricarico sul prezzo di listino di ciascun provider, così una variazione di prezzo da parte di un fornitore raggiunge l'endpoint lo stesso giorno in cui viene annunciata, anziché al ciclo di fatturazione successivo.

Quale scegliere?

Scegli LFM2.5-24B-A2B se la macchina è il vincolo e il carico di lavoro consiste in tool call. Vince là dove si misura il lavoro in stile harness, mantiene 131K di contesto in un footprint che un laptop può sostenere, e Liquid lo ha addestrato su scaffold di agenti reali anziché su un set di test statico — un dettaglio che conta più per un router che per un reasoner. Accetta due cose quando lo scegli: la licenza lfm1.0 non è Apache 2.0, e nessuno al di fuori di Liquid ha ancora valutato questo checkpoint.

Scegli Granite 4.2 30B se hai l'hardware, se ti serve un modello che ragiona prima di agire, o se hai bisogno che la licenza sia una che il tuo team legale già conosce. È in testa sul coding, è l'unico dei due con numeri pubblicati di retrieval su contesto lungo, e la sua estensione a 512K è documentazione reale, non un mercato. I suoi numeri agentici sono più scarni — 61,39 su BFCL v4 contro il 65,01 di Liquid — il che è esattamente l'opposto di quanto suggerirebbero i conteggi dei parametri, e un promemoria che la densità compra il ragionamento, non automaticamente la disciplina nell'uso degli strumenti.

Il riassunto onesto è che questi due non sono sostituti. LFM2.5-24B-A2B è progettato per essere il modello che esegue il loop su un dispositivo che non ha connessione al cloud. Granite 4.2 30B è progettato per essere il modello che riflette a fondo su un problema e ha la licenza per dimostrare di poter essere rilasciato. Se li hai entrambi, la questione di routing è quale dei due riceve la richiesta — e questa è una decisione che un livello di routing esiste per prendere, non una tabella di benchmark.

Monitora in tempo reale interruzioni e degradazioni dei modelli nel nostro archivio degli incidenti e scopri quali route hanno eseguito il failover in modo pulito.