LFM2.5-24B-A2B vs Gemma 4 12B：スパースエージェント 対 デンスなマルチモーダルモデル

Liquid AIのLFM2.5-24B-A2BとG​oogle DeepMindのG​emma 4 12Bは、今月同じダウンロードキューに並んでいる可能性が最も高い2つのオープンウェイトのチェックポイントだが、両者は正反対の方向からたどり着いたものだ。LFM2.5-24B-A2Bは2026年10月13日にリリースされ、240億パラメータを搭載しながらトークンあたり読み出されるのはわずか24.5億。テキスト入力・テキスト出力、131,072トークンのコンテキスト、そしてツール利用を全面的に軸に据えたベンチマーク表を備えている。G​emma 4 12Bは2026年6月3日に、119.5億パラメータのdenseモデルとしてリリースされた。テキスト・画像・音声を読み取り、テキストを出力し、Apache 2.0の下で提供され、収益上限は付いていない。一方は、あなたがすでに持っているラップトップで動く専門特化型のエージェントエンジンだ。もう一方は、見て聞くことのできる汎用モデルで、同じラップトップ上で約7GBで動作し、二度読み返す必要のないライセンスが付いてくる。

つまり、このページが答える問いは「どちらが優れているのか」ではありません。両者はそもそも同じ用途のために作られたものではないからです。より狭く、より実用的な問いです。自分が管理するマシン上でプライベートなエージェントを動かすとしたら、この2つのうちどちらをダウンロードするのか、そしてどちらを選んでも何を諦めることになるのか。

何を求めているか既に分かっている人向けの、一段落での回答

エージェントが多段階のツール呼び出しだけを行い、それ以外は何もしないなら、LFM2.5-24B-A2B を選べ — ベンダー自身によるエージェント性能の数値は、比較して並べられるほど近い数少ない行において G​emma 4 12B のものをはるかに上回っており、このモデルは行動する前に常に明示的な推論トレースを生成する。スクリーンショット、撮影した文書、スキャンしたページ、音声クリップがタスクに含まれる場合、遅延のために推論トレースをオフにしたい場合、または自社が Liquid のライセンスが無料でなくなる $10M の売上ラインの近くにある場合は、G​emma 4 12B を選べ。この2文の背後にある数値を見たいなら読み進めてほしい。というのも、比較のかなりの部分は、両ベンダーがどのように測定したかにかかっているからだ。

2つのチェックポイントが本当に異なる点

• パラメータの経済性 — LFM2.5-24B-A2B は Mixture-of-Experts です。総パラメータ数 24.0B、トークンあたりのアクティブは 2.45B、40 層（二重ゲート付き短畳み込みブロック 30 層、グループ化クエリ注意 10 層）にわたり top-4 ルーティングで選択される 64 のエキスパートを備えています。Gemma 4 12B は密モデルで、48 層にわたり合計 11.95B、すべてのトークンですべてのパラメータが読み出されます。

• ディスクに収まるもの — Liquidは14.5 GBのQ4_K_M GGUFと13.6 GBのQAT QAD-Q4_0を公開しており、4ビットMLXビルドは13.6 GB、BF16では48 GBです。Googleの12B向けQAT GGUFは約6.98 GBの重みに加えて0.18 GBのマルチモーダル投影ファイルで、Unslothコミュニティのビルドはおおよそ2ビットで4.2 GBからQ4_K_Mで7.12 GBまでです。

• コンテキスト — LFM2.5-24B-A2Bでは131,072トークンで、前世代の32,768から倍増。G​emma 4 12Bは256K（262,144）を搭載し、1,024トークンのスライディングウィンドウと、ローカル層とグローバル層を交互に配置するハイブリッドアテンションを備えています。

• モダリティ — LFM2.5-24B-A2B はテキスト専用であり、それは意図的な設計です。G​emma 4 12B はテキスト、画像、音声を扱い、マルチモーダルエンコーダーを一切備えていません。生の画像パッチと音声波形は、テキストトークンと同じ空間に直接投影されます。

• 推論動作 — ベンダーの表現によれば、LFM2.5-24B-A2B は推論専用です。回答する前に必ず <think> ブロック内で思考します。Gemma 4 12B のカードには、必須のトレースを持たない指示調整済みモデルと記載されており、ラップトップ上ではレイテンシの利点となる一方、透明性は失われます。

• ライセンス — lfm1.0 はダウンロード、ファインチューニング、商用利用が年間収益1,000万ドルまで無料で、それを超えると商用ライセンスが適用されます。G​emma 4 12B は Apache 2.0 で収益によるトリガーはなく、G​oogle の利用規約および禁止される使用ポリシーは、ライセンスの制限ではなく、許容される使用に関する文書としてモデルの重みと並んで存在します。

• 語彙とトレーニング規模 — LFM2.5-24B-A2B は、インプレースでのトークナイザー拡張により語彙を65Kから128Kに増やし、事前トレーニングを17Tから33Tトークンに拡大した。さらに、フルコンテキストでの300Bの中間トレーニングトークンと、実際のハーネス内でのエージェント型RL段階を備えている。G​emma 4 12B は、ファミリー全体で共有される262Kの語彙を備え、140以上の言語で事前トレーニングされ、35以上をすぐにそのままサポートすると主張している。

両ベンダーが実行した唯一のベンチマーク

異なる2つの打ち上げ表を比較するのは、普通なら罠だ。ここでは、両社が同等の基準で同じものを測った行がただ1つだけあり、それがこれほどぽつんと孤立しているからこそ、切り出して見る価値がある。

GPQA Diamond — Liquid は LFM2.5-24B-A2B について 74.42 を報告している。一方、Google の Gemma 4 ファミリーの表では、instruction-tuned の Gemma 4 12B について 78.8 を報告している。いずれもベンダーによる報告値であり、再現はされていない。大学院レベルの科学問題では、dense な 12B がわずかに先行しており、これは Liquid 自身の「自社モデルは知識を問う質問に使うものではない」という説明と符合する。ローンチ時の投稿では、モデルの重みを信用するよりも、検索やウェブ検索と組み合わせて使うよう勧めている。

それ以外はすべて、それぞれの表の中で読む必要があり、正直に要約すると、この2つの表はほぼ別々のものを測定している。Liquidの16ベンチマーク表は、AutomationBench（27.69）、BFCLv4（65.01）、ToolSandbox（80.71）、LiveClaw（48.09）、PinchBench（83.18）、τ³-Bench Banking（8.04）、WebArena Verified（26.75）、IFEval（96.75）、IFBench（74.69）、Multi-IF（84.38）、MATH-500（96.04）、OpenCode経由のSWE-Bench Verified（51.00）、SciCode（32.71）、AA-Omniscience（−24.90）、HLE（7.40）をカバーしている。G​oogleのファミリーテーブルは、MMLU Pro（77.2）、ツールなしのAIME 2026（77.5）、LiveCodeBench v6（72.0）、Codeforces ELO 1659、MMMU Pro（69.1）、および8ニードルでの128KにおけるMRCR v2（43.4）をカバーしている。

重なりは1つだけで、共通のハーネスもない。あの2つの表から統合スコアボードを公開している者は、どちらの企業も実施していない比較をでっち上げている。

独立して、そしてこれがより鋭い刃先だ

Artificial AnalysisはGemma 4 12Bを採点した。インテリジェンス指数は14、比較クラス内の141モデル中20位、実測で毎秒110.9トークン、第三者による合成コストは入力100万トークンあたり0.10ドル、出力100万トークンあたり0.30ドルである。これらは、公開から4か月が経ち、エコシステムを擁するモデルについての独立した数値だ。

LFM2.5-24B-A2B には、それに匹敵するものがない。公開からまだ1日で、第三者によるスコアは公表されておらず、Liquid 自身のエッジでの数値——Apple M5 Max で毎秒184トークン、AMD Ryzen AI Max+ 395 で114トークン、「オンデバイスで同等の MoE より最大1.7倍高速」——には、ベースラインも再現性も伴わない。ベンダーが測定したモデルと独立に測定されたモデルを比べるなら、この非対称性こそが知見だ。この2つの数値のうち、今日あなた自身で確認できるのは片方であり、それは新しい方ではない。

本番経路を4日前のベンダー表に賭けるのは避けたい——まさにそのための自動フェイルオーバーです。エージェントの接続先をLFM2.5-24B-A2Bにし、その背後にスコア付きモデルを置き、ハーネスが失敗し始めたらルーターにリクエストを移させましょう。2つ目の契約も、フォールバックリスト以外のコード変更も不要です。

コスト、これらが運用される2つの通貨建てで

どちらもローカルファーストのモデルであるため、実際に請求されるのはハードウェアと電気代です。ホスト型の場合、Liquid は自社 Console を通じた API アクセスを、入力 100 万トークンあたり $0.10（キャッシュ利用時 $0.05）、出力 100 万トークンあたり $1.00 と価格設定しており、開始クレジットとして $2 が付与されます。G​oogle は G​emma 4 12B について、トークン単位の価格を一切公表していません — 上記の $0.10/$0.30 というブレンド値は、オープンウェイトを提供する各プラットフォームを横断したサードパーティの中央値であり、定価ではないため、それを定価として扱うのは誤りです。

両方を評価しているチームにとって重要なのはここです。現時点で、このどちらのチェックポイントも当社のカタログには載っていません。とはいえ、この判断で何度も参照点として立ち返ることになるものはご用意しています — qwen/qwen3.6-35b-a3b、Liquid が比較対象とした、パラメータが 1.5 倍あるモデル、さらに google/gemma-4-26b-a4b-it、obsidian/gemma-4-26B-A4B、google/gemma-4-31b-itという同じ G​emma 4 ファミリーのラインナップ — すべてが 1 つのキーの背後に、すべてプロバイダー自身の定価に対して 0% のマークアップで。つまり、ベンダーの価格変更は、誰かが契約を結び直す日ではなく、変更されたその日にあなたのもとへ届きます。ホスト版の G​emma 4 の各サイズでご自身のタスクを実行し、ノート PC 上の 12B が冗長かどうかを判断してください。

私が実際にやるなら

両方の量子化モデルをダウンロードしてください。Gemma 4 12BのQ4_K_Mは約7GBで、あなたのタスクに目と耳が必要かどうかを1時間で教えてくれます。必要なら、そこで決定は終わりで、LFM2.5-24B-A2Bはそもそも候補にすら入りません。なぜなら、それは見ることができないからです。必要ないなら、LFM2.5-24B-A2BのQAD-Q4_0（13.6GB）をロードし、実際のハーネスをそれに対して実行してください。そのチェックポイントを推す根拠のすべてはマルチステップのツール呼び出しにあり、静的ベンチマークではあなたのツールにとって決着がつかないからです。

作業中に心に留めておくべき点が2つあります。まず、両ベンダーの表は再現されておらず、この比較で独立にスコア付けされている唯一のモデルは、より古く高密度な方です。これはGemma 4 12Bの数値をより信頼する理由であって、新しいモデルの方が弱いと決めつける理由にはなりません。次に、ライセンスの差は現実に存在し、しかもベンチマーク記事ではほとんど現れない形で非対称です。Gemma 4 12Bは永久にApache 2.0である一方、LFM2.5-24B-A2Bは、自社の売上が1000万ドルを超えた瞬間に商用利用の協議対象になります。個人の開発者にはそれは見えません。オンデバイスエージェントを出荷するプロダクトチームにとっては、次の計画サイクルにおける一行の予算項目であり、より小さく、より古く、マルチモーダルなモデルの方が間違いなく安全なデフォルトとなる唯一の次元です。

このような比較は、失敗モードが表面化する場でもあります。このクラスのモデルの背後にある、記録されたAIインシデントやエージェント障害は、OrcaRouter AIインシデントアーカイブ に集められており、各エントリーには独自の情報源、重大度、信頼度グレード、異議ありフラグが付されています。