LFM3-1.7B 対 Gemma 4 12B：7分の1のサイズのモデルがコーディングベンチマークで勝つとき

LFM3-1.7Bは、Liquid AIが2026年10月26日にHugging Faceに公開し、翌日、LFM3ファミリーのローンチの一環として発表した17.3億パラメータのテキストモデルです。 Gemma 4 12Bは、Google DeepMindが2026年6月3日にリリースした119.5億パラメータのDenseモデルで、テキストだけでなく画像や音声も読み取ります。両ベンダーが公開している唯一のコーディングベンチマークであるLiveCodeBench v6では、小さいモデルが73.46、大きいモデルが72.0を記録しています。これを2回読んでください。これがこのページが存在する理由そのものであり、インターネット上で最も読み間違えやすい数字でもあるからです。 ルーティングはプロバイダーの定価にマージンを上乗せしません。 0%のマークアップ パススルー価格については、当社の料金ページをご覧ください。

両方の数値はベンダーによる報告です。どちらも独立した評価者によって再現されていません。これらは別々のチームによって、異なるハーネス上で、数か月の隔たりをもって作成されたものであり、Liquid は自社の LiveCodeBench 実行がどのように設定されたかを説明する方法論の注記を公開していません。したがって、上記の文の正直な表現は「1.7B モデルがコードで 12B モデルを上回る」ではありません。そうではなく、2 つのベンダーが同じ名前を共有するベンチマークでほぼ同一のスコアを報告しており、逆方向の GPQA Diamond における 9 ポイントの差は、両モデルがまったく同等に近いものではないことを示唆している、というものです。

何が本当に比較可能で、何がそうでないのか

ほとんどの「X vs Y」ページは、2社のベンダー表を横に並べただけで比較と呼んでいる。それが成り立つのは、表が重なっている場合だけだ。LiquidのLFM3ローンチ投稿とGoogleのGemma 4モデルカードの間で、両側に互換性のある定義で現れるベンチマーク名はちょうど2つ、LiveCodeBench v6とGPQA Diamondだけだ。それ以外は一方のベンダーだけが報告していて他方にはなく、空白セルはゼロではない。

その2つの共通軸では、結果は明確に分かれている。LFM3-1.7BはLiveCodeBench v6で73.46対72.0を記録。Gemma 4 12BはGPQA Diamondで78.8対63.37を記録し、15.4ポイントの差は、数百問規模の評価ではノイズではない。

そのパターンは、平均化して見落とすのではなく、名付ける価値がある。LiveCodeBench は、競技プログラミングの問題を解くモデルを測るもので、これは狭くパターンに強く依存するスキルであり、適切なデータで訓練された小規模モデルでも得意になれる。GPQA Diamond は、知識の広さに依存する大学院レベルの科学推論を測るもので、まさにパラメータ数がもたらすものだ。1.7B モデルは前者では競争力を持てるが、後者では負ける。そしてそれは矛盾ではなく、一貫した結果である。

ベンダーは自社の最良の数値を下回っている

ここからが、73.46の読み方を変えるはずの部分です。LFM3-1.7Bのモデルカードの一番下までスクロールすると、Liquidは平易な言葉で、このモデルはローカルエージェント、ツール呼び出し、構造化出力向けに設計されていると明記しており、サイズが小さいため、エージェント型コーディングや複雑な多段階推論には推奨されないとしています。

それは競合ではなくベンダー自身が、限界を教えてくれている。それは11.95Bの汎用モデルをわずかに上回るLiveCodeBenchスコアと不格好に並び立つが、両者は別のものを測っているという点で整合する。孤立した競技プログラミングの問題を解くことは、リポジトリをコンテキストに保持し、20回の協調した編集を行うことと同じタスクではない。モデルは前者に強く、後者には明らかに不向きであり得る。そしてLiquidは、ベンチマークにそうではないと示唆させるのではなく、そう言っているのだ。

ベンダーの言葉をそのまま信じるなら。ワークロードがエージェント型コーディングなら、この比較はLFM3-1.7Bで終わるべきではない。ワークロードがツール呼び出し、構造化抽出、分類、または自分が所有するデバイス上のローカルアシスタントなら、カードの警告は当てはまらず、1 GBのフットプリントがすべての論拠になる。

12Bが単に別種のものである場合

Gemma 4 12B は、ファインチューニングによって LFM3-1.7B に追加することのできない形でマルチモーダルです。Google のモデルカードでは、画像と音声の入力が別個のエンコーダなしでテキストトークンと同じ空間に直接投影されると説明されています — 音声は 12B とその小型の兄弟モデルでネイティブです。LFM3-1.7B はテキスト入力、テキスト出力です。Liquid の視覚能力は、別個のエンコーダを備えた別チェックポイントである LFM3-VL-2B に存在し、テキストモデルはファインチューニングによってそれを獲得することはありません。

• パラメータ — LFM3-1.7Bは1.73Bのdense、Gemma 4 12Bは11.95Bのdense。比率は6.9対1です。

• モダリティ — テキストのみ対テキスト、画像、音声入力。

• コンテキスト — 両方とも262,144トークン。これは小型モデルが何も犠牲にしない唯一の項目であり、偶然ではなくトライハイブリッドアーキテクチャの真の成果です。

• フットプリント — 4ビットで約1GB、それに対して約7GB。スマートフォンでは、この差が出荷できるかどうかの差になります。

• 言語 — 16 の名前付き言語に対し、140 以上が事前トレーニング済みで、すぐに使える強力なサポートを備えています。ラテン文字の製品ではこの差が問題になることはほとんどありませんが、地域展開では決定的です。

• ライセンス — LFM Open License v1.0 は年間収益1,000万ドル未満であれば商用利用が無料で、それを超える場合は有償ライセンスが必要です。Gemma 4 12B は Apache 2.0 で、収益を条件とする規定はありません。

この2つの手形は同じ通貨で表示されていない。

Gemma 4 12B には市場価格がついています。第三者がそれを提供しているからです。Artificial Analysis は、オープンウェイトをホストする各プラットフォーム全体で、入力トークン100万あたり0.10ドル、出力トークン100万あたり0.30ドルの混合中央値を報告しています。これはプロバイダー間の中央値であり、定価ではなく、供給の変化に伴って動くものです。この価格帯なら、ほとんどのチームは12Bを自前で動かすことなど考えません。

LFM3-1.7Bにそのような価格はありません。Hugging Faceのモデルカードには、このモデルはどの推論プロバイダーによってもデプロイされていないと明記されており、これは当社側で確認している状況とも一致しています。OrcaRouterは現在LFM3-1.7Bをルーティングしていません。呼び出したい場合は、3.46 GBのBF16重み、または約1 GBの4ビットビルドをダウンロードして、vLLM、SGLang、llama.cpp、MLX、ONNXを自分で実行してください。Liquid自身のAPIでも提供されますし、いくつかのサードパーティプラットフォームでも提供されます。

したがって、コスト比較はトークン対トークンではない。ファインチューニングとサービングの請求額対呼び出しごとの請求額である。低い処理量ではAPIが圧倒的に有利だ。既に所有しているハードウェアで継続的な処理量をさばく場合、GPUの残りを空けられる1 GBモデルは、まったく異なる経済構造になる。その非対称性こそが——4ポイントのLiveCodeBenchギャップではなく——小さいモデルを検討する本当の理由である。

それぞれが実際に何のためのものか

LFM3-1.7Bを選ぶのは、デプロイ先が制約になっている場合です。スマートフォン、ラップトップ、他の作業もこなす必要がある単一の小型GPUなどです。256Kコンテキストはこのサイズでは本当に珍しく、16言語の語彙はほとんどの地域製品をカバーし、6通りの推論サポートにより1つのランタイムに賭ける必要がありません。これは推論モデルではなくツール呼び出しと抽出のモデルを購入しているのだと受け入れ、ベンダー自身が指摘する知識のギャップを踏まえて検索を計画してください。

Gemma 4 12Bを選ぶべきなのは、タスクに幅広い対応力が必要なとき、入力がスクリーンショットや録音であるとき、または調達プロセスでApache 2.0が重要であるときです。大学院レベルの科学推論では15ポイント高いスコアを出し、画像をネイティブに読み取り、初日から公表された中央価格で利用できます。代償はメモリです。4ビットで7 GBは、スマートフォンではなく、ラップトップか控えめなGPUです。

両方を選ぶのは、大量の狭いパスと少量の広いパスがある場合です。広いパスはホスト型の汎用モデルにルーティングし、狭くてレイテンシに敏感な呼び出しには小型モデルをオンデバイスで維持します。OrcaRouter はその分割の前半向けに構築されています — 200 以上のモデルにまたがる 1 つのキー、プロバイダーの定価を 0% のマークアップでそのまま適用するため価格変更が当日に反映され、プロバイダーが劣化した場合の自動フェイルオーバーも備えています。LFM3-1.7B のホスティングには役立ちません。当社はそのモデルを提供していないためであり、そうでないかのように示唆するのは不誠実です。

何がそれを決着させるのか

LFM3-1.7Bを、それ自身が選んだわけではないハーネス上で独立評価した結果が1件あれば、このページ全体よりも価値がある。Liquidのローンチ表は詳細で内部的に整合しており、このブログはそれを検証済みではなくベンダー報告として扱っているが、実際にそのとおりである。特に注目すべきは、73.46を再現する第三者によるLiveCodeBenchまたはSWE-benchの実行、両モデルを同一の尺度に載せるArtificial Analysisのプロファイル、そしてモデルが実際のリポジトリ作業をこなしたという報告だ。それはまさにカードが警告している用途である。

それまでは、筋の通る読み方は見出しほど広いものではない。256Kコンテキスト、1 GBのフットプリント、強力なツール呼び出し特性を備えた1.73Bモデルが、孤立した1つのコーディングベンチマークで12Bの汎用モデルに追いつき、知識では大きく後れを取っている。それは番狂わせではない。異なる用途向けに作られた2つのモデルであり、有益な問いは、あなたがどの用途を抱えているかだ。