LFM3-1.7B vs Qwen3.8-Flash: quando non c'è un tabellone su cui confrontarsi

Dieci milioni di token al mese, divisi 70/30 tra input e output, costano 2,46 $ su Qwen3.8-Flash al prezzo di listino di Alibaba di 0,15 e 0,47 $ per milione. Lo stesso volume su LFM3-1.7B costa circa 1,16 $, se regge la tariffa hosted dichiarata di 0,08 e 0,20 $ — e assolutamente nulla per token se lo self-hosti, perché i pesi sono aperti e la LFM Open License non chiede royalty sotto i 10 milioni di dollari di ricavi. È un divario di 2× sul contatore tra due modelli la cui qualità relativa nessuno è attualmente in grado di stabilire. Il che rende questo confronto meno incentrato sui benchmark di quanto lo siano la maggior parte delle pagine vs, e più su quale forma di deployment si sta acquistando.

I due modelli non potrebbero essere più diversi. LFM3-1.7B è un tri-ibrido denso da 1,73B che Liquid AI ha rilasciato il 27 ottobre 2026 per svolgere un compito specializzato sull'hardware che hai davanti. Qwen3.8-Flash è il mixture-of-experts sparso di Alibaba, con circa 6B parametri attivi per token su un pool molto più ampio, disponibile in agosto 2026 come livello ospitato con una finestra di 1M token e input di immagini e video. Confrontarli su un punteggio di intelligenza è come confrontare un furgone per le consegne con un treno merci: la domanda utile è cosa stai spostando e per quale distanza.

Due architetture ottimizzate per vincoli opposti

I 24 livelli di LFM3-1.7B combinano 13 convoluzioni corte con gating, 5 livelli di attenzione a finestra scorrevole con una finestra di 256 token e 6 livelli di attenzione globale. Le convoluzioni sono economiche e parallele; una sottile fascia di attenzione globale mantiene raggiungibile l'intero contesto di 256K. Il risultato è una cache KV da 128K di 1,6 GB e un modello che entra in circa 1 GB a 4 bit. Liquid lo ha addestrato su 22 trilioni di token di pre-addestramento, poi su 3,5 trilioni di addestramento intermedio incentrato su tracce agentiche e chiamate agli strumenti.

Qwen3.8-Flash compie la scelta opposta. L'attivazione sparsa significa che un ampio pool di parametri è raggiungibile per ogni token senza pagarne l'intero costo: è così che Alibaba ottiene un contesto nativo di 262K estendibile a 1M su un modello il cui prezzo rientra nella stessa fascia di modelli densi molto più piccoli. Accetta in input testo, immagini e video e restituisce testo, supporta le chiamate agli strumenti e l'output JSON, ed è esplicitamente posizionato come anteprima architetturale della linea Qwen4.

• Parametri attivi — LFM3-1.7B 1,73B denso vs Qwen3.8-Flash circa 6B per token in un MoE sparso.

• Contesto — 256K con pesi aperti, 128K sull'API ospitata di Liquid rispetto a 262K nativi, 1M sul livello ospitato.

• Output massimo — non specificato separatamente per LFM3 rispetto a 131K per Qwen3.8-Flash.

• Modalità di input — solo testo vs testo, immagine e video.

• Dove viene eseguito — sul tuo dispositivo, con un'occupazione di 1 GB in 4 bit rispetto ai server di Alibaba.

• Pesi — aperti secondo la LFM Open License v1.0 rispetto a solo hosted, nessun checkpoint aperto per questo SKU.

Quella riga finale è quella che ridefinisce tutto il resto. Qwen3.8-Flash non è un modello che possiedi. Esiste un modello sibling open-weight, Qwen3.8-Flash-Next, con licenza comunitaria, ma è un checkpoint diverso con punteggi diversi e non è quello che la tariffa di $0,15 acquista. LFM3-1.7B è un file che scarichi. Uno di questi può essere isolato in air-gap, sottoposto a audit e fine-tuned sui tuoi dati; l'altro no.

Il tabellone che manca da un lato ed è contraddittorio dall'altro

Ecco la parte scomoda. Al 28 ottobre 2026, LFM3-1.7B non ha alcuna scheda su Artificial Analysis: nessun Intelligence Index, nessuna velocità di output misurata in modo indipendente, nessun dato di latenza neutrale. Ogni numero prestazionale a esso associato proviene dalla tabella di 27 benchmark della stessa Liquid, dove ottiene una media di 49,37 e supera con un ampio margine LFM2.5-2.6B, sempre di Liquid. Dichiarato dal fornitore, non riprodotto.

Qwen3.8-Flash ha effettivamente una scheda su Artificial Analysis, e leggerla è istruttivo per il motivo sbagliato. Le pagine di confronto live lo mostrano con un Indice di 40. Diversi articoli secondari, incluse recensioni e stampa regionale, riportano lo stesso modello a 56. Anche i dati sulla velocità di output non concordano: tra le fonti compaiono valori compresi tra poco più di 50 e poco più di 80 token al secondo. Non sceglieremo un numero e lo presenteremo come dato di fatto, perché i due valori non possono entrambi descrivere la stessa esecuzione di valutazione e la differenza è abbastanza ampia da cambiare una decisione di acquisto.

La conseguenza pratica è che nessuno dei due modelli può essere classificato rispetto all’altro in termini di qualità con alcuna sicurezza. Una parte ha un numero che varia di sedici punti a seconda di dove lo si legge; l’altra non ha alcun numero indipendente che possa variare. Chiunque ti dia un verdetto su «quale sia più intelligente» a partire da questi input se lo sta inventando. Ciò che può essere confrontato è tutto il resto: quanto costa il modello, dove viene eseguito, quanto rapidamente risponde e cosa succede quando fallisce.

Il contatore, ha funzionato.

Il costo è l'asse su cui entrambe le parti sono effettivamente misurabili, quindi merita più di un semplice elenco per token.

• Prezzo di listino di Qwen3.8-Flash: 0,15 $ per milione di token in input, 0,47 $ per milione in output, lettura della cache 0,018 $, scrittura della cache 0,230 $.

• LFM3-1.7B hosted — segnalato a $0.08 per input e $0.20 per output per milione, non pubblicato sul listino prezzi di Liquid.

• LFM3-1.7B self-hosted — nessun costo per token; la LFM Open License è esente da royalty al di sotto di 10 milioni di dollari di fatturato annuo.

Con 10 milioni di token al mese su una suddivisione 70/30, Qwen3.8-Flash costa 2,46 dollari. Abilitando la cache dei prompt su un prompt di sistema stabile, si scende verso i 2,00 dollari, perché le letture dalla cache costano circa un ottavo dell'input nuovo. LFM3-1.7B, alla tariffa riportata, costa circa 1,16 dollari per lo stesso volume, mentre l'hosting in proprio costa zero per token, con in aggiunta un costo fisso per la macchina.

Ora aumentiamo la scala. A un miliardo di token al mese, il divario è di $246 contro $116 — resta comunque piccolo in termini assoluti, ed è proprio questo il punto che di solito si perde in questi confronti. La differenza per token tra un tier hosted economico e un modello self-hosted economico è rumore per la maggior parte dei team. Il costo che domina davvero è il tempo di ingegneria: un modello hosted è una chiamata HTTP, mentre uno self-hosted è un deployment, una scelta di quantizzazione, uno stack di serving e un turno di reperibilità. Il vantaggio di prezzo di 2× di LFM3 deve valere questo. Per un modello 2B su un telefono o un dispositivo edge, ovviamente sì — non esiste alcuna alternativa hosted che giri affatto sul dispositivo. Per un servizio backend che gestisce chiamate di classificazione, di solito no.

Quanto velocemente risponde ciascuno, con numeri reali a corredo

È qui che i nostri dati sono migliori di quelli del fornitore. OrcaRouter instrada Qwen3.8-Flash e, negli ultimi sette giorni, la nostra telemetria sui provider che lo servono mostra un tempo al primo token p50 di 4,82 secondi, p95 di 10,00 secondi, una velocità di output di 155 token al secondo e un tasso di errore del 3,3% su 883,7 milioni di token. Sono cifre aggregate provenienti da un livello di routing anziché da un test di laboratorio su singolo endpoint, ed è per questo che il throughput risulta superiore ai valori nella fascia bassa dei 50 pubblicati altrove: la richiesta arriva dove esiste capacità.

Il p50 di 4,82 secondi è il numero su cui vale la pena soffermarsi. Per un'interfaccia chat va bene. Per un agente che effettua quindici chiamate sequenziali, sono un minuto di attesa prima che inizi qualsiasi lavoro, e nessuna quantità di token al secondo può risolverlo. L'elevata latenza del primo token su un modello grande e sparso è il costo nascosto della fascia economica, ed è il motivo per cui alcuni team indirizzano i turni brevi e critici per la latenza verso qualcosa di più piccolo.

LFM3-1.7B non ha una misurazione equivalente. La dichiarazione di velocità di Liquid è che, con Q4_0 e contesto da 32K, era da 1,8× a 2,8× più veloce del modello successivo su tre dispositivi di test con il minor uso di memoria, e che un singolo NVIDIA B300 con SGLang in BF16 ha servito 3,6 miliardi di token al giorno con 1.024 richieste simultanee. Si tratta rispettivamente di cifre on-device e single-node; nessuna delle due si traduce in "quale sarà il mio p50 da Francoforte". La velocità è l'asse su cui la tesi di LFM3 è in linea di principio più forte e in pratica meno verificabile.

Dove ciascuno vince davvero

LFM3-1.7B vince sul controllo e sui costi all'edge. I pesi aperti significano che puoi fare fine-tuning su una singola GPU, congelare la versione, eseguirlo senza rete e mantenere i dati sul dispositivo. I suoi numeri sull'instruction-following sono la parte più notevole della tabella di Liquid — IFEval 96,66, IFStruct 93,72, Multi-IF 89,10 — e le sue righe sul tool-calling sono rispettabili per le dimensioni, con BFCL V4 a 71,39 e ToolSandbox a 80,36. Le sue righe deboli sono altrettanto chiare: Terminal-Bench 2.1 a 12,92 e SWE-bench Multilingual a 23,00 dicono che questo non è un modello di coding autonomo, e anche la model card di Liquid lo afferma.

Qwen3.8-Flash vince sulla copertura. Una finestra da 1M di token con input di immagini e video è una capacità che LFM3 non possiede in alcuna forma: il modello testuale non accetta affatto immagini, la variante vision non pubblica alcuna finestra di contesto e la finestra della variante omni non è documentata. Per un carico di lavoro che elabora un lungo contratto, una serie di screenshot o un'ora di fotogrammi, il confronto si chiude immediatamente. Vince anche in termini di semplicità operativa: un solo endpoint, nessuna GPU, nessun deployment.

Instradando entrambi, che è il punto

Qwen3.8-Flash è nel catalogo OrcaRouter e LFM3-1.7B no. Questa frase è l'intera versione onesta di questa sezione. Instradiamo il modello ospitato al prezzo di listino del fornitore con 0% di ricarico, quindi i $0,15 e $0,47 di Alibaba sono ciò che paghi e una variazione di prezzo del fornitore ti raggiunge lo stesso giorno anziché al rinnovo contrattuale successivo. LFM3 lo esegui tu stesso o lo chiami tramite l'API di Liquid; non intendiamo implicare un rapporto di hosting che non esiste.

Il motivo per cui il routing è importante in questo specifico confronto è che i due modelli si collocano su modalità di errore diverse. Qwen3.8-Flash fallisce perché è lento e costoso nei turni che non necessitavano di 1M token di contesto. LFM3 fallisce perché esaurisce la profondità di ragionamento nei turni che invece ne necessitavano. Una pipeline che invia ogni richiesta all'uno o all'altro è sbagliata in una direzione prevedibile. Con il routing DSL puoi inviare i turni di estrazione, classificazione e chiamata breve degli strumenti al piccolo modello locale, mantenere il lavoro su documenti lunghi e multimodale sul tier ospitato e lasciare che il failover automatico copra il caso in cui il piccolo modello restituisca qualcosa di malformato — il che, su un 1.7B non verificato, è la preoccupazione realistica.

Questo è anche il modo più economico per scoprire se LFM3 merita la fiducia che la sua tabella di lancio richiede. Eseguilo sul traffico che già comprendi, dietro un fallback, e confronta le sue decisioni con quelle del modello ospitato sugli stessi input. Il tasso di disaccordo è un segnale di qualità migliore di qualsiasi benchmark del fornitore, perché viene misurato sui tuoi dati.

La decisione, senza un verdetto finto

Scegli Qwen3.8-Flash se il lavoro comporta documenti lunghi, immagini o video, se ti serve un unico endpoint e nessuna infrastruttura, oppure se un primo token con p50 vicino ai cinque secondi è accettabile. La sua qualità è incerta ma almeno misurabile da qualcuno che non sia il suo produttore, e il suo contesto da 1M non è qualcosa che un modello da 1,7B possa sostituire.

Scegli LFM3-1.7B se il modello deve risiedere su un dispositivo, se i dati non possono uscire dalla tua rete, se intendi eseguire il fine-tuning, o se il tuo carico di lavoro consiste in brevi turni di instruction-following e tool-calling in cui un modello 2B da 1 GB è davvero sufficiente. Accetta di prendere sulla fiducia la tabella di benchmark di Liquid e che il primo mese comporterà più misurazioni di quanto richiederebbe un modello ospitato.

Quello che non dovreste fare è scegliere tra i due in base all'intelligenza. Uno non ha un punteggio indipendente, l'altro ha un punteggio che risulta 40 o 56 a seconda della pagina che aprite, e il divario di sedici punti tra queste due letture è più ampio dell'intera differenza di qualità che l'uno o l'altro fornitore sta cercando di vendervi. Costo, contesto, modalità e località sono fatti assodati. La qualità non lo è, e un confronto che finge il contrario è solo una tabella di lancio con il nome del fornitore cancellato.