Sakana Namazu vs LFM2.5-2.6B-Base: Il vero prezzo dei pesi liberi

Scaricare LFM2.5-2.6B-Base costa $0.00. Sakana Namazu costa $0.95 per milione di token di input e $4.00 per milione di token di output. A leggere quei due prezzi, si concluderebbe che il confronto è chiuso ancora prima di iniziare — ma la differenza di prezzo reale va nella direzione opposta. LFM2.5-2.6B-Base, il checkpoint pre-addestrato da 2,69 miliardi di parametri di Liquid AI rilasciato su Hugging Face il 4 agosto 2026, non è un prodotto: nessun provider di inferenza lo ospita, non ha alcuna valutazione pubblicata, e la sua stessa scheda lo definisce materiale per il fine-tuning. Sakana Namazu, al contrario, è un'API completa, servita e dotata di strumenti. La domanda è cosa si è realmente disposti a pagare — in denaro o in lavoro.

Cosa sia in realtà ognuno

Sakana Namazu è un Kimi K2.6 post-addestrato, ottimizzato per il linguaggio aziendale giapponese, incapsulato in un'API compatibile con OpenAI con ricerca web ed esecuzione di codice integrate. Basta cambiare un base_url, impostare una chiave, e funziona. LFM2.5-2.6B-Base è il checkpoint di pre-addestramento grezzo alla base della famiglia LFM2.5-2.6B di Liquid — la materia prima da cui è costruito il fratello agentico post-addestrato. La scheda di Liquid è esplicita: la base esiste per un fine-tuning pesante, e la sua tabella di benchmark appartiene alla versione post-addestrata, non a questa.

La scheda tecnica

• Prezzo — Sakana Namazu $0,95 / $4,00 per 1M token vs LFM2.5-2.6B-Base $0 da scaricare, tutto self-service

• Dimensioni — Namazu eredita il {{1}}MoE da 1T / 32B attivi{{/1}} di Kimi K2.6 rispetto all'ibrido denso LFM2.5-2.6B-Base 2.69B (22 blocchi conv + 8 layer di attenzione)

• Contesto — Namazu non divulgato vs LFM2.5-2.6B-Base 128K token (131.072 per configurazione)

• Hosting — Namazu servito da Sakana vs base LFM ospitata da nessuno — sei tu a costruire lo stack di servizio

• Valutazioni — punteggi dichiarati dal fornitore Namazu rispetto a punteggi pubblicati LFM base zero

• Lingua — Namazu ottimizzato per il business giapponese vs LFM base multilingue (16 lingue, vocabolario da 128K token)

Calcolare il costo totale

I "free weights" sono un prezzo reale, solo che sono denominati in lavoro. Per ottenere che LFM2.5-2.6B-Base faccia un lavoro serve: un run di fine-tuning (i conti di Liquid: circa 10 dollari di token per un set supervisionato da 100K esempi, circa 100 dollari per 1M di esempi), uno stack di inferenza (vLLM, SGLang o llama.cpp su un dispositivo di tua proprietà), e un servizio continuativo. Il vantaggio è che il contatore si ferma: dopo la costruzione, ogni token è gratuito, il che rende la base il vincitore indiscutibile per carichi di lavoro ad alto volume, sempre attivi e tolleranti alla latenza. Il contatore di Namazu non si ferma mai, ma parte all'istante — niente run di training, niente GPU, nessuna gestione operativa. Per un'integrazione una tantum, o per un carico di lavoro in cui il tempo del tuo team è la voce di costo più pesante, il modello "gratuito" è quello costoso.

Licenze vincolanti

Anche le clausole in piccolo vanno contro il modello gratuito. LFM2.5-2.6B-Base è rilasciato sotto la LFM Open License v1.0, che limita l'uso commerciale a 10 milioni di dollari di ricavi annuali — e applica questo limite alle opere derivate, il che significa che il tuo fine-tuning lo eredita. Superata la soglia, devi a Liquid una licenza commerciale. Sakana Namazu non ha questo limite, ma è chiuso, e le sue impostazioni predefinite di gestione dei dati (addestramento sui tuoi input a meno che tu non scelga di escluderti, nessuna garanzia di elaborazione solo in Giappone) sono il prezzo della comodità del servizio ospitato. Nessuno dei due è gratuito nel senso che l'etichetta lascia intendere.

Il divario degli agenti

La differenza più netta è a cosa servono i due modelli. LFM2.5-2.6B-Base è una base — il substrato grezzo da cui deriva il modello agentico post-addestrato di Liquid. Non è un agente; non è nemmeno un modello instruct. Sakana Namazu è un prodotto agentico: ricerca web integrata, esecuzione di codice e un loop autodiretto dimostrato (la demo di Sakana lo mostra mentre pianifica un report di ricerche di mercato, cerca, fa verifiche incrociate e lo scrive senza supervisione). Se il compito è "eseguire un modello da 2.6B che hai ottimizzato per un singolo compito ristretto e ad alto volume", vince la base. Se il compito è "far svolgere a un agente un lavoro di conoscenza", Namazu è l'unico dei due che si presenta con strumenti.

Allora, qual è più economico?

La risposta onesta è che i due non sono intercambiabili — la base è un componente, e Namazu è un prodotto — quindi la vera decisione è ciò di cui il tuo stack ha bisogno dopo. In pratica nessuno dei due vive da solo: uno specialista 2.6B con fine-tuning finisce per trovarsi accanto a un modello agente generalista, e un layer di routing è il modo per mantenere gestibile quella realtà multi-modello. Il model fusion e il DSL di routing di OrcaRouter ti consentono di comporre più modelli in un'unica chiamata — la via di mezzo pragmatica tra "servire da solo un checkpoint 2.6B" e "acquistare l'API di un unico vendor" — e, poiché trasmettiamo i prezzi dei provider senza alcun ricarico, la fatturazione rimane prevedibile mentre il mix cambia. Inizia con Sakana Namazu se vuoi un agente funzionante per il business giapponese già oggi; inizia con LFM2.5-2.6B-Base se sei pronto a costruire il prodotto da solo e ad ammortizzare lo sviluppo su miliardi di token gratuiti.