LFM3 vs Qwen3.8-27B: un divario dimensionale di 16× che si riduce al 9% nel seguire le istruzioni

LFM3-1.7B ha 1,73 miliardi di parametri. Qwen3.8-27B ne ha 27,78 miliardi, più un encoder visivo — 16,1 volte tanto peso. Metteteli sulla stessa riga di benchmark e l'aritmetica si rifiuta di comportarsi come si deve. Su IFBench, che verifica se un modello rispetta vincoli sui quali non è mai stato addestrato con fine-tuning, il divario tra i due è inferiore al nove per cento. Su Terminal-Bench 2.1, è di 5,6 volte. Due modelli, un'unica differenza di dimensioni fissa, e un risultato che oscilla da "perché mai dovresti pagare per quello grande" a "quello piccolo non è in grado di farlo affatto" a seconda della riga che leggi.

Quello scarto è l'intera decisione. Non è una storia di un modello piccolo che raggiunge un modello grande, e non è una storia di un modello grande sprecato per lavori di piccola entità. È una storia di un confine tra compiti che si colloca, in modo molto costante, tra seguire un'istruzione ed eseguire un piano — e su una clausola di licenza che riordina silenziosamente il confronto dei prezzi per chiunque lavori in un'azienda oltre una certa soglia di fatturato.

Che cosa è in realtà ognuno di questi

Liquid AI ha annunciato la famiglia LFM3 il 2026-10-27 — il giorno prima della stesura di questo articolo — come sei modelli open-weight di classe ~2B derivati da un backbone condiviso LFM3-1.7B-Base. LFM3-1.7B è il membro testuale: un'architettura tri-ibrida di 24 layer (13 convoluzioni corte con gating, 5 layer di attenzione a finestra scorrevole con una finestra di 256 token e 6 layer di attenzione completa), pre-addestrata su 22 trilioni di token con un passaggio finale di mid-training da 3,5 trilioni di token che includeva tracce di agenti e chiamate di tool. I pesi sono su Hugging Face, Ollama lo distribuisce come lfm3:latest con un download da 1,7 GB, e la model card dello stesso fornitore sconsiglia l'uso per il coding agentico o per il ragionamento complesso a più passaggi. Quell'ultima frase conta più di qualsiasi altra cosa sulla card, e ci torneremo.

Qwen3.8-27B non è nuovo. Alibaba ha pubblicato i suoi pesi a metà agosto 2026 con licenza Apache 2.0, e ha avuto dieci settimane per accumulare download, quantizzazioni e resoconti reali degli utenti che una release di un solo giorno semplicemente non ha. È un modello dense da 27,78 miliardi di parametri costruito su un blocco ripetuto di layer Gated DeltaNet e Gated Attention, con 64 layer di profondità, input nativi per visione e video e una finestra di contesto di 262.144 token che si estende a 1M con YaRN. Il thinking è attivo per impostazione predefinita ed è regolabile tramite un'impostazione di reasoning effort.

Quindi l'inquadramento onesto di questo abbinamento è asimmetrico in un modo che conta: un modello ha una tabella di benchmark del fornitore e nessun rapporto dal campo, l'altro ha entrambe le cose. Considera qualunque cosa di seguito riguardante LFM3-1.7B come un'affermazione sulla suite di test di Liquid AI, non sul tuo carico di lavoro.

La linea di specifica in cui il modello piccolo non perde

Comincia dalle dimensioni in cui 16× i parametri non offre proprio nulla, perché ce ne sono più di quanto la differenza di dimensioni lasci intendere.

• Finestra di contesto — 262.144 token nativi su entrambi. LFM3-1.7B la raggiunge durante il mid-training; Qwen3.8-27B la offre nativamente e si estende a 1M con YaRN.

• Lingue — 16 dichiarate per LFM3-1.7B (tra cui inglese, cinese, giapponese, coreano, arabo e hindi); Qwen3.8-27B è addestrato in modo ampio su più lingue senza un numero complessivo dichiarato.

• Modalità — testo in ingresso, testo in uscita per LFM3-1.7B; testo, immagine e video in ingresso, testo in uscita per Qwen3.8-27B. Questo è l'unico ambito in cui il 27B svolge un compito categoricamente diverso, anziché una versione più grande dello stesso compito.

• Memoria a 4-bit — circa 1 GB per LFM3-1.7B contro circa 14–16 GB per Qwen3.8-27B.

• Memoria in BF16 — 3,46 GB contro circa 56 GB, che è la differenza tra un laptop e una macchina multi-GPU.

• Licenza — LFM Open License v1.0 rispetto ad Apache 2.0. Tienilo a mente.

Una finestra di contesto da 256K su entrambi i fronti è la riga davvero sorprendente. La lunghezza del contesto ha storicamente seguito il numero di parametri, e qui un modello che puoi eseguire con circa un gigabyte offre la stessa finestra nominale di uno che richiede una workstation. “Nominale” sta facendo un lavoro serio in quella frase — una finestra da 256K su un modello da 1,7B è utile solo se il modello riesce a trovare le cose al suo interno, che è esattamente ciò che verificano le righe sul contesto lungo qui sotto.

Dove 16× i parametri valgono il nove percento

Liquid ha eseguito una suite di 27 righe e pubblicato la tabella completa, incluse le colonne in cui vince un concorrente. Entrambi i modelli riportano IFBench, che è la riga più pulita e confrontabile dell'intera comparazione perché si tratta di una singola versione di benchmark riportata da entrambi i fornitori.

LFM3-1.7B ottiene 73,03. Qwen3.8-27B ottiene 79,5. Sono 6,5 punti, meno del nove percento del punteggio del modello più grande — su un modello 16,1 volte più piccolo. Per un carico di lavoro che consiste principalmente nel "prendere questo input disordinato, produrre esattamente questa struttura JSON, non violare mai lo schema", quel divario è vicino al rumore, e la differenza di deployment è un gigabyte contro sedici.

La tabella di Liquid stessa dimostra lo stesso punto contro un concorrente più vicino. Contro Qwen3.5-9B — un modello cinque volte più grande di LFM3-1.7B — il modello piccolo supera IFBench di 24 punti (73,03 contro 48,84), IFStruct di 4,5 (93,72 contro 89,20) e Multi-IF di 4,7 (89,10 contro 84,44). Qualunque altra cosa sia vera, l'aderenza alle istruzioni non è una capacità che cresce in modo uniforme con il numero di parametri, e un 1,7B ben addestrato può battere in questo un 9B mediocre.

Le righe sul long-context sono più ambigue e vale la pena affermarlo chiaramente anziché arrotondare a favore di Liquid. Su AA-LCR, LFM3-1.7B registra 52,83 — un punteggio reale per le sue dimensioni, e all'incirca allo stesso livello del 52,67 di Qwen3.5-4B. Su RULER 128K ottiene 65,56, ben davanti al 37,96 di MiniCPM5-2B ma molto dietro l'87,11 di Qwen3.5-9B. Quindi la finestra da 256K non è decorativa, ma non è nemmeno all'altezza di quella di un modello più grande. Qwen3.8-27B non compare affatto in quella tabella, il che significa che non esiste un dato long-context realmente confrontabile per questa specifica accoppiata — solo un forte presupposto che un 27B con 262K nativi supererà un 1.7B con la stessa finestra nominale.

Dove 16× i parametri danno cinque volte e mezzo

Ora le righe su cui la scheda del modello metteva in guardia. Ognuna di queste è una versione di benchmark riportata da entrambi i fornitori, quindi non si sta effettuando alcuna sottrazione tra versioni.

• Terminal-Bench 2.1 — 12,92 per LFM3-1.7B contro 73,0 per Qwen3.8-27B. Un divario di 5,6×.

• Humanity's Last Exam, senza strumenti — 7,17 contro 30,8. Un divario di 4,3×.

• GPQA Diamond — 63,37 contro 89,2. Un divario di 1,4×.

• LiveCodeBench v6 — 73,46 contro 90,3. Un divario di 1,2×.

L’ordine di quell’elenco è il risultato. Il divario è minimo nella generazione di codice in un colpo solo, dove LFM3-1.7B si colloca circa il 19% sotto un modello sedici volte più grande. È massimo su Terminal-Bench, dove il compito non è «scrivere codice» ma «gestire una macchina attraverso molti passaggi, riprendersi dai propri errori e fermarsi quando il lavoro è concluso». È esattamente la capacità che la scheda di Liquid dice mancare al modello, e i numeri concordano con la scheda. Su GPQA e HLE il divario riguarda la conoscenza, che è il risultato meno sorprendente qui — un modello da 1,7B addestrato su 22T token ha semplicemente visto meno di un modello da 27B addestrato su più token, e nessuna architettura può compensare.

C'è una riga che punta nella direzione opposta, ed è il numero più interessante su entrambe le schede. Nella suddivisione pubblica di AA-Omniscience, LFM3-1.7B registra un'accuratezza di 7.07 e 92.93 di non-allucinazione. Questa coppia significa che il modello per lo più rifiuta di rispondere invece di rispondere in modo errato. È il valore di non-allucinazione più alto nella tabella comparativa di Liquid, davanti a ogni modello più grande elencato. Il 30.8 di Qwen3.8-27B su HLE è la postura opposta: sa di più e si impegna a rispondere.

Se la modalità di errore della tua pipeline è un valore errato ma sicuro che finisce in un database, un modello che si astiene nel 93% dei casi è un punto di forza, e il tetto di accuratezza è il prezzo da pagare. Se la modalità di errore della tua pipeline è un null dove dovrebbe esserci un valore, quello stesso comportamento è il bug. È l'aspetto più netto e decisivo da cui dipende questo confronto, e nessun punteggio aggregato lo coglie.

Tre numeri che non devi sottrarre

Le pagine di confronto diretto su questo abbinamento saranno tentate di allineare ogni benchmark pubblicato dai due fornitori. Tre di queste righe non reggono il confronto con la metodologia.

SWE-bench. Liquid riporta LFM3-1.7B a 43,40 su SWE-bench Verified con l'harness OpenCode. Alibaba riporta Qwen3.8-27B a 61,7 su SWE-bench Pro. Benchmark diverso, harness diverso, distribuzione dei task diversa. La differenza di 18 punti tra quei due numeri non è la misura di nulla. Se vuoi un'idea approssimativa dell'entità del divario, usa Terminal-Bench 2.1, dove entrambi riportano la stessa versione.

Qualsiasi indice aggregato. Artificial Analysis assegna a Qwen3.8-27B un punteggio di 33.7 sul suo Intelligence Index con l'impostazione di ragionamento xhigh. Al 2026-10-28, non esiste alcuna voce LFM3 su Artificial Analysis. Un rilascio di un giorno non è stato sottoposto a valutazione indipendente, e l'affermazione onesta è che LFM3-1.7B ha zero numeri riprodotti in modo indipendente. Ogni cifra attribuita ad esso in questo articolo — e ovunque altrove questa settimana — proviene dalla suite di test proprietaria di Liquid AI sui benchmark scelti da Liquid AI.

Impostazioni dell'impegno di ragionamento. I punteggi pubblicati di Qwen3.8-27B variano sostanzialmente tra le modalità low, medium, xhigh e non-reasoning; il 33,7 dell'indice è il valore xhigh, mentre il dato non-reasoning è materialmente inferiore. Qualsiasi confronto che accosti un numero di Qwen a un numero di LFM3 senza indicare l'impostazione di impegno sta confrontando un modello che delibera con uno veloce e chiamando la differenza architettura.

Ciò che risolverebbe la questione è semplice: un'esecuzione indipendente di LFM3-1.7B sugli stessi harness, con un livello di effort dichiarato, idealmente dopo che la comunità ha avuto qualche settimana con i pesi. Fino ad allora, il riassunto equo è che il divario riportato dal fornitore sull'instruction following è piccolo e il divario riportato dal fornitore sull'esecuzione multi-step è ampio, ed entrambe le affermazioni provengono dalla stessa parte interessata.

La licenza è il vero prezzo.

Ecco la parte che ribalta la consueta conclusione di un confronto tra piccolo e grande.

LFM3-1.7B è distribuito con la LFM Open License v1.0. I pesi sono liberamente scaricabili e utilizzabili, e l'uso commerciale è escluso per le entità con ricavi annuali pari o superiori a 10 milioni di dollari. Qwen3.8-27B è distribuito con licenza Apache 2.0, senza soglia di ricavi, senza restrizioni sul campo di utilizzo e senza accordo separato.

Quindi, per una startup di due persone, il calcolo è ovvio: un modello che sta in un gigabyte, non costa nulla per token e gira su hardware che già possiedi è quasi un pranzo gratis. Per un'azienda che supera i 10 milioni di dollari di fatturato — vale a dire, la maggior parte delle aziende con un budget per l'inferenza in produzione che valga la pena ottimizzare — il modello economico non è gratis, e quello costoso è inequivocabilmente con licenza. Il modello che sembra l'opzione economica è quello con il discorso legale al seguito.

Non è un argomento contro LFM3-1.7B. È un argomento a favore del leggere la licenza prima di leggere la tabella dei benchmark, perché è la licenza a determinare se la tabella dei benchmark sia persino disponibile per te.

Cosa serve per eseguirli davvero, uno per uno

LFM3-1.7B è un'installazione in una riga. È nella libreria Ollama come lfm3:latest e lfm3:1.7b, entrambi download da 1,7 GB con una finestra di contesto dichiarata di 256K, e funziona in Transformers con fine-tuning su singola GPU. La release di Hugging Face include notebook per SFT, DPO e GRPO, incluso un esempio pratico di addestramento del modello a scegliere lo strumento giusto tra 108 in un'app per smartphone. Se il tuo obiettivo è un estrattore piccolo, specializzato e fine-tuned che risiede sulla stessa macchina dei dati, questo è un percorso davvero breve dal download al deployment.

Qwen3.8-27B è un progetto di tipo diverso. Con circa 56 GB in BF16 richiede una macchina multi-GPU o una quantizzazione aggressiva; a 4 bit entra in 14–16 GB, ovvero una GPU singola di fascia alta o un laptop ben configurato, con la KV cache che spinge ulteriormente verso l'alto l'uso reale di memoria. Funziona in Transformers, vLLM, SGLang e TokenSpeed. Se non vuoi possedere quell'hardware, è disponibile in hosting — su OrcaRouter è servito da due provider upstream, a $0,33 per milione di token in input e $2,40 per milione di token in output dal primo e $0,40 / $4,21 dal secondo.

Vale la pena soffermarsi su questa differenza tra due provider, perché è il genere di cosa che emerge solo quando si guarda a un catalogo live anziché a un comunicato stampa. Stessi pesi, stessa finestra di contesto, circa il 75% più caro sull'output dal secondo provider. OrcaRouter applica il prezzo di listino del provider con 0% di margine, quindi entrambi i prezzi sono visibili fianco a fianco, e failover automatico significa che un intoppo di un provider viene aggirato invece di arrivare ai tuoi utenti. Se stai valutando Qwen3.8-27B come percorso di escalation per una pipeline che parte su un modello piccolo, è la tratta che metteresti dietro un'unica chiave.

Per essere espliciti sull’altra metà: OrcaRouter non serve LFM3-1.7B. È un download di pesi, ed eseguirlo significa avere un endpoint tutto vostro sul vostro hardware. Il motivo per cui ci menzioniamo in questo articolo è la parte di escalation, non il modello piccolo.

Chi dovrebbe scegliere cosa

La decisione non dipende davvero dalla tabella dei benchmark. Dipende da due domande a cui puoi rispondere prima di eseguire qualunque cosa.

Scegli LFM3-1.7B se il lavoro è a turno singolo e vincolato allo schema — estrazione, classificazione, routing, output strutturato, selezione degli strumenti sul dispositivo — e i dati non possono lasciare il dispositivo. È anche la scelta giusta se intendi eseguire il fine-tuning, perché un modello da 1,7B con un percorso SFT/DPO/GRPO incluso e un budget per singola GPU è un progetto da fine settimana anziché da un trimestre. La finestra da 256K, le 16 lingue e il comportamento di astensione indicano tutti lo stesso caso d'uso: un componente ristretto, ad alto volume e sensibile alla privacy in cui una risposta sbagliata è peggio di nessuna risposta, e in cui la tua azienda è sotto la linea dei ricavi.

Scegli Qwen3.8-27B se il modello deve pianificare. Agenti multi-step, lavoro da terminale, coding a lungo orizzonte, qualsiasi cosa in cui il modello debba riprendersi dai propri errori attraverso una dozzina di chiamate agli strumenti: il divario di 5,6× su Terminal-Bench non è un problema di tuning, è la model card che ti dice la verità. È anche la scelta giusta quando ti serve conoscenza anziché formato, quando ti servono input visivi o video e quando Apache 2.0 è un requisito anziché una preferenza.

E scegli entrambi se la risposta onesta è che la tua pipeline ha due metà. Il pattern che si adatta a questo abbinamento è un primo passaggio economico, locale e vincolato allo schema, con un percorso di escalation verso il 27B quando il primo passaggio rinuncia — che è esattamente ciò che un modello che si astiene il 93% delle volte è progettato per segnalare. Quell'architettura usa la riga migliore di ciascun modello e la riga peggiore di nessuno dei due.

Cosa cambierebbe questa risposta?

Due cose, ed entrambe meritano di essere osservate invece di tirare a indovinare.

Il primo è una valutazione indipendente di LFM3-1.7B. Ogni affermazione sulle capacità sopra si basa sulla suite proprietaria di Liquid AI, e il checkpoint Base di questa famiglia è stato distribuito senza alcuna tabella di benchmark — il che indica che i numeri della famiglia raccontano una storia di post-training, non una storia di architettura. Un'esecuzione neutrale su IFBench e Terminal-Bench confermerebbe o dissolverebbe la separazione descritta in questo articolo.

Il secondo punto è se Liquid lancerà un modello testuale più grande su questa architettura di base. L'intero confronto è inquadrato da un divario di 16× parametri, e il risultato sul rispetto delle istruzioni suggerisce che la ricetta di addestramento stia facendo più lavoro del numero di parametri. Se arriverà un LFM3 di medie dimensioni, la domanda interessante smetterà di essere "un modello da 1,7B può seguire le istruzioni" — può già farlo — e diventerà "cosa fa questa ricetta con quattro miliardi di parametri".

Finché non si verifica una di quelle cose, il riepilogo utile è più ristretto di un tabellone: LFM3-1.7B è un modello che segue le istruzioni davvero valido ma incapace di pianificare, e Qwen3.8-27B è un pianificatore davvero valido con una licenza sulla quale puoi costruire un'azienda. Scegliere tra i due non è una questione di benchmark. È una questione di quale di queste due frasi descrive il tuo carico di lavoro.