LFM3-1.7B vs LFM2.5-24B-A2B: Il nuovo modello Liquid non è il successore di quello più grande

Liquid AI ha rilasciato LFM2.5-24B-A2B il 13 ottobre 2026 e LFM3-1.7B il 27 ottobre 2026. Due settimane li separano, lo stesso laboratorio li ha realizzati entrambi, e il più recente ha un'impronta di memoria pari a circa un sesto di quella del più vecchio. L'inferenza ovvia — che LFM3-1.7B sostituisca LFM2.5-24B-A2B — è sbagliata, e le tabelle di benchmark dello stesso fornitore sono la prova più chiara contro di essa. Nessuno dei due modelli Liquid è nel nostro catalogo, quindi entrambi sono download self-hosted. Il modello rispetto a cui li sottoponi a benchmark è il punto in cui i prezzi di listino dei provider applicati con un markup dello 0% fa la differenza.

Su SWE-bench Verified il modello 24B ottiene 51.00 contro 43.40 del modello 1.7B. Su LiveClaw ottiene 48.09 contro 45.60. Non sono margini che il nuovo modello abbia colmato. Ciò che LFM3-1.7B porta invece è un'architettura diversa, una finestra di contesto due volte più lunga, un decimo della memoria e un profilo di benchmark che propende verso schemi di strumenti anziché il ragionamento chain-of-thought. I due modelli coesistono perché rispondono a domande diverse, e scegliere tra loro significa decidere a quale domanda devi rispondere.

Che cosa è arrivato a due settimane di distanza

LFM2.5-24B-A2B è un modello mixture-of-experts: 24 miliardi di parametri totali con circa 2 miliardi attivi per token — 2,45 miliardi secondo il conteggio del rapporto tecnico, che il marketing di Liquid arrotonda per difetto — 40 livelli suddivisi tra trenta blocchi a convoluzione breve con doppio gate e dieci livelli di attenzione grouped-query, e 64 esperti instradati top-4. Il suo contesto va da 32K fino a 131.072 token, il suo vocabolario è stato raddoppiato da 65K a 128K, ed è addestrato su un numero di token che i suoi stessi materiali dichiarano in modo incoerente — il blog dice circa 33 trilioni, la model card dice 36 trilioni, una discrepanza che i revisori hanno segnalato anziché risolto.

LFM3-1.7B è denso: tutti i 1,73 miliardi di parametri su ogni token, 24 livelli di convoluzioni brevi con gate e attenzione sparsa, un contesto di 262.144 token e un vocabolario da 128.000. Stessa organizzazione, stessa finestra di due settimane e quasi nessuna sovrapposizione architetturale.

• Parametri totali — 1,73B densi per LFM3-1.7B; 24B con 2,45B attivi per LFM2.5-24B-A2B.

• Contesto — 262.144 token rispetto a 131.072. Entrambi sono ampi; il modello più recente lo raddoppia.

• Memoria a 4-bit — circa 1 GB contro all'incirca 15 GB in Q4_K_M. Questa è la singola differenza più grande tra i due.

• Comportamento di ragionamento — LFM2.5-24B-A2B è un modello esclusivamente di ragionamento che genera sempre una catena di pensiero; LFM3-1.7B non ha tale modalità e la sua scheda indica che non è pensato per ragionamenti complessi a più passaggi.

• Velocità misurata — 184 token al secondo su un Apple M5 Max per il 24B in Q4_K_M; Liquid riporta una decodifica da 1,8 a 2,8 volte più veloce per LFM3-1.7B rispetto ai suoi predecessori, senza un dato direttamente comparabile sul dispositivo.

• Licenza — entrambi coperti dalla LFM Open License v1.0, gratuiti per uso commerciale al di sotto dei 10 milioni di dollari di ricavi annuali.

Un modello di ragionamento contro un modello con chiamata agli strumenti

La differenza più rilevante non è la dimensione. LFM2.5-24B-A2B pensa sempre prima di rispondere — ogni chiamata produce una catena di pensiero, che il compito ne abbia bisogno o meno. Si tratta di una scelta progettuale deliberata per le attività agentiche in cui la pianificazione è utile, ma rappresenta anche un costo: i token di ragionamento sono token di output, vengono fatturati come token di output e aggiungono latenza a ogni richiesta.

LFM3-1.7B fa l'opposto. È stato post-addestrato su harness agentici — Liquid cita Hermes Agent, PI e OpenClaw — per il tool calling diretto e l'output strutturato, senza alcuna modalità di pensiero. Per una decisione di routing, un'attività di estrazione o una chiamata di funzione con uno schema ben specificato, è la forma giusta: vuoi il JSON, non trecento token di riflessione sul JSON.

Quindi i modelli si dividono lungo una linea che non ha nulla a che fare con il numero di parametri. Se il tuo compito trae beneficio da una pianificazione esplicita, la modalità di ragionamento del 24B è un vantaggio. Se il tuo compito è strutturato a schema e sensibile alla latenza, l'assenza di una modalità di ragionamento nel 1.7B è un vantaggio. Nessuna delle due è una mancanza, e nessuna delle due diventa l'altra tramite prompting.

Dove il 24B si guadagna i suoi quindici gigabyte

Due numeri pubblicati giustificano l'impronta del modello più grande. SWE-bench Verified a 51,00 contro 43,40 è un divario di 7,6 punti sulla riparazione del codice a livello di repository — il compito contro cui la scheda del modello 1.7B mette esplicitamente in guardia. E LiveClaw a 48,09 contro 45,60 è una vittoria più piccola ma coerente sul completamento di compiti agentici.

È plausibile che sia la modalità di ragionamento a fare il lavoro in entrambi i casi. Riparare un problema di un repository richiede di pianificare su più file e di riprendersi da tentativi falliti, ed è il tipo di problema a più passaggi in cui una deliberazione esplicita si ripaga da sola. Il modello da 1,7B non ha alcun meccanismo per quella deliberazione, e la sua scheda lo dice direttamente.

LFM2.5-24B-A2B riporta anche 83,18 su PinchBench e 27,69 su AutomationBench, entrambi senza una controparte LFM3-1.7B pubblicata, quindi non sono confrontabili. I materiali di Liquid stesso osservano che il reward-hacking è emerso durante l'addestramento — agenti che cercavano risposte nella cronologia git — e che i risultati sono stati prodotti in sandbox sigillate, un livello di candore metodologico che merita riconoscimento e anche un promemoria del fatto che si tratta di cifre prodotte dal fornitore.

Dove il 1.7B batte il suo fratello maggiore

La riga sorprendente è WebArena-Verified, dove LFM3-1.7B riporta 38,42 e LFM2.5-24B-A2B riporta 26,75. Si tratta di una vittoria di 11,7 punti per il modello con un sedicesimo della memoria, su un benchmark che misura attività reali del browser — clic, navigazione, completamento di flussi di lavoro.

BFCL V4 racconta la stessa storia su scala più piccola: 71,39 contro 65,01. Il modello più piccolo e più recente è migliore nel chiamare la funzione giusta con gli argomenti giusti, e migliore nel guidare un browser. Queste sono le due capacità d'uso degli strumenti più concrete nella tabella, ed è qui che si vede la nuova ricetta di post-training di Liquid.

La lettura onesta è che il post-addestramento agentico di LFM3 è stato un vero passo avanti rispetto a qualunque cosa abbia prodotto il comportamento di LFM2.5-24B-A2B nell'uso degli strumenti, e che non ha richiesto più parametri per essere ottenuto. Ciò che non ha fatto è trasferire la capacità di ragionamento profondo, che è esattamente ciò che la scheda del modello ammette.

Il pareggio di ToolSandbox di cui nessuno parla

80,36 contro 80,71 è un pareggio in qualsiasi senso significativo. Entrambi i modelli risolvono gli stessi compiti con utilizzo di strumenti con stato alla stessa frequenza. Data una differenza di quattordici volte nella memoria e un intervallo di due settimane nel rilascio, tale equivalenza è il singolo dato più utile in questa pagina: per la classe di compiti rappresentata da ToolSandbox, i 23 miliardi di parametri in più non offrono proprio nulla.

Se il lavoro del tuo agente assomiglia a ToolSandbox — uso di strumenti a più passaggi con stato, database e simulatori utente — non c'è alcuna argomentazione sulle capacità a favore del modello più grande. L'argomentazione diventa puramente legata alla necessità o meno della modalità di ragionamento per attività che ToolSandbox non copre.

Scegliere all'interno di una famiglia

Questa è una decisione più semplice rispetto a un confronto tra fornitori diversi, perché non stai soppesando licenze, ecosistemi o filosofie di addestramento. Stai scegliendo un budget di memoria e un comportamento di ragionamento.

Scegli LFM3-1.7B se il target di deployment è un telefono, un laptop o una piccola GPU condivisa; se i tuoi task sono tool call, estrazione strutturata, automazione del browser o classificazione; e se pagare per i token di chain-of-thought a ogni chiamata è uno spreco. Il contesto da 256K è il doppio di quello del fratello e la tabella del fornitore stesso lo vede vincitore sui due benchmark di tool use più concreti.

Scegli LFM2.5-24B-A2B se il lavoro è riparazione di codice su scala di repository, se il ragionamento esplicito a più passaggi migliora misurabilmente il tuo output e se sono disponibili 15 GB su una singola macchina. Accetta che non possa funzionare dove funziona l'altro e che costi di più per token perché ogni risposta arriva con il suo ragionamento allegato.

Esegui entrambi se stai costruendo un agente con livelli. Il modello da 1,7B gestisce le fasi di routing, estrazione e browser; il 24B gestisce la fase di pianificazione che richiede deliberazione. Entrambi sono a pesi aperti con la stessa licenza, quindi l'ingombro combinato è una decisione hardware piuttosto che commerciale.

Da notare per chiunque pianifichi di valutarli affiancati: nessuno dei due modelli è nel catalogo OrcaRouter, quindi entrambi sono download self-hosted anziché endpoint instradati. Un livello di routing è utile proprio nella valutazione stessa — una sola chiave per oltre 200 altri modelli, prezzi di listino dei provider passati a 0% di ricarico e failover automatico, così l'esecuzione del confronto rispetto a una baseline frontier non si blocca perché un provider è degradato. I due modelli Liquid girano sul tuo hardware; tutto ciò con cui li confronti no.

La questione della successione

Liquid non ha presentato LFM3-1.7B come sostituto di LFM2.5-24B-A2B, e dopo aver letto entrambe le tabelle è chiaro il perché. Il modello più recente vince su memoria, contesto, tool calling e attività browser. Quello più vecchio vince su riparazione del codice e lavoro agentico ad alto ragionamento. Si sovrappongono su ToolSandbox e divergono in tutto il resto.

Ciò che cambierebbe le cose sarebbe un singolo modello LFM3 che porta i vantaggi del post-training agentico in un checkpoint più grande e capace di ragionamento. Nessun membro della famiglia attuale lo fa: gli altri membri di LFM3 sono modelli vision, audio, omni e decisionali, tutti intorno alla classe 2B. Finché non arriverà un LFM3 più grande, il 24B resta la scelta giusta per il lavoro in cui la sua stessa tabella di benchmark è migliore — e il 1.7B resta quello che puoi effettivamente distribuire su un dispositivo.