UserRepGen-4B 対 LFM2.5 2.6B Base：原材料と完成品

両者を分かつものが何かを最も手早く知る方法は、microsoft/UserRepGen-4BとLFM2.5-2.6B-Baseのフォーマットを数えてみることだ。Liquid AI の 26.9 億パラメータのチェックポイントが出荷される形は 4 通りある——ネイティブの Transformers ウェイト、llama.cpp 用の GGUF、クロスプラットフォームランタイム用の ONNX、Apple Silicon 用の MLX——それは、他の人々が適応させ、デプロイするために存在しているからだ。Microsoft の UserRepGen-4Bが出荷される形は 1 通りだけだ。9,078,620,536 バイトの単一の未量子化 bfloat16 safetensors ファイルであり、付属するカードには「現在、最適化されたフォーマットやデバイス固有のフォーマットは利用できません」とはっきり記されている。一方は原材料だ。もう一方は完成した部品だ。両者は競合相手ではない。同じ作業の連続する 2 つの段階であり、並べて見比べることが、ファインチューニングを始めることとそれを出荷することの間で実際に何が変わるのかを最も明確に示してくれる。

スタック内の2つの位置

LFM2.5-2.6B-Baseは、Liquid AIのLFM2.5ファミリーの土台となっている事前学習済みチェックポイントであり、事後学習を施したすべてのバリアントはここから作られています。意図的に一度も指示チューニングを施されていません。同モデルのカードでは、「日本語などの言語特化型や医療などのドメイン特化型アシスタント、独自データでの学習、新しい事後学習アプローチの実験など、大規模なファインチューニングを必要とするタスク」にのみ使用することが推奨されています。質問を投げかけても、答えるのではなくテキストを続けて生成するだけです。答えることはそもそも学習に含まれていなかったからです。

UserRepGen-4Bは、次のステップがどのようなものかを示している。MicrosoftはQwen3.5-4Bを基に、rank-64のLoRAを追加し、2026年7月から8月にかけてhindsight distillationによるオンライン教師ありファインチューニングで訓練し、その結果を10月14日に、発表も論文もなしに公開した。できることはただ一つ——マルチターンの会話を読み、その中のユーザーについて2つのフィールドからなるJSON記述を書き出す——それだけである。

つまり、正直な整理の仕方は「どちらが優れているか」ではない。こうだ：一方はあなたがファインチューニングするものであり、もう一方はラボが別の何かをファインチューニングして作ったものである。

ダウンロードで実際に手に入るもの

• パラメータとフットプリント — LFM2.5-2.6B-Baseはハイブリッドアーキテクチャで26.9億パラメータ、UserRepGen-4Bは4Bクラスのモデルで、公開されている重みファイルはbfloat16で約9.1GB、より小さいビルドは提供されていません。

• コンテキスト — Liquidチェックポイントでは131,072トークン、Microsoftのものでは訓練シーケンス9,216トークン（プロンプト8,192、補完1,024）に対して、拡張使用は明示的にサポートされていません。

• フォーマット — GGUF、ONNX、MLXとネイティブの重みを併せ持つのに対し、単一のsafetensorsファイル。

• ライセンス — 片方は LFM オープンライセンス（lfm1.0）、もう片方は MIT と継承された Apache 2.0。どちらもその上に構築できるほど寛容だが、同じ文書ではない。

• 言語 — Liquidカードでは16の名前付き言語、Microsoftのカードでは英語のみ。

• 採用状況 — LFM2.5-2.6B-Base は 2026年8月1日から公開されており、ダウンロード数は約6,282件、いいねは51件です。10月14日にアップロードされた UserRepGen-4B は、これを執筆している時点ではどちらもゼロでした。

それらの行のうち、品質についてのものは1つだけだ。残りは、その製品があなたのところにあるドアを通るかどうかについてだ。

正反対の部屋向けに構築された2つのアーキテクチャ

LiquidはLFM2.5を「オンデバイス配備向けに設計されたハイブリッドモデルの新ファミリー」と説明しており、ベースチェックポイントの形状もそこから導かれている。30層のうち22層が二重ゲート付きショート畳み込みブロック、8層がグループ化クエリ注意で、語彙数は128,000トークン、学習予算は34兆トークン。畳み込みブロックはメモリ消費が少なく、レイテンシも予測しやすい。設計全体はスマートフォン、ノートPC、エッジボックスを狙っている。

UserRepGen-4B は逆の前提を受け継いでいる。そのバックボーンは標準的な Qwen3.5 条件付き生成スタックだ — 32 層、隠れサイズ 2,560、16 個のアテンションヘッド（キー・バリューヘッドは 4 個）、248,320 トークンの語彙、そしてモデルはテキスト専用で画像は明示的にサポートされていないにもかかわらず、親チェックポイントからそのまま変更されずに引き継がれたビジョンタワーを備える。Microsoft は、H100、A100、RTX A6000、B200 GPU 上で vLLM を使ってこれをホストしていると報告している。これはサーバー向けの部品リストであり、エッジ向けのものではない。

両者のどちらかを選ぶチームは、実際にはどの制約を受け入れるかを選んでいるのだ。オンデバイスのメモリと、使える形に調整しなければならないランタイムか、それともデータセンターのハードウェアと、すでにその一つの仕事をこなすモデルか。

ファインチューニングが実際に数値を動かした箇所

これは、定義上、ベースモデルには答えられない比較の一部です。LFM2.5-2.6B-Base はタスクベンチマークを公開していません。ベースチェックポイントにはタスクが存在しないためです — このファミリーの品質指標は、ポストトレーニング済みの兄弟モデルに属します。

UserRepGen-4Bはそのうちの1つを公開しており、それはこのリリース全体で最も有力な証拠です。700件の会話による忠実度評価において、1～10の尺度で判定すると：

• Qwen3.5-4B base、未適応のバックボーン — best-of-1で3.41、best-of-3で4.42。

• GPT-5.5をそのまま同じ作業に使った場合 — 3.90と4.90。

• UserRepGen-4B — 4.95および6.02。

すべての数値はマイクロソフト自身によるもので、GPT-5.4 mini がシミュレーター、アシスタント、判定者を同時に務めたループで生成された。独立に再現されたものは一つもない。しかし要点は結果の形にある。狭いタスクで4Bベースをフロンティアの汎用モデルより上回るまで微調整することは、現実的で測定可能な成果であり、まさに LFM2.5-2.6B-Base が誰か他の人のタスクで可能にするために存在する成果である。マイクロソフトのカードはまた、明白な強化学習の代替手段である OPSD（4.46/5.60）と GRPO（3.57/4.59）がいずれも単純な教師あり微調整に敗れたことも示しており、これはより重い手法が勝つと決めつけることへの警告である。

これらのうちの1つにはプライバシーページがあり、それはベースではありません

事前学習済みのベースモデルにはプライバシーセクションがない。人について何も主張しないからだ。UserRepGen-4B にはそれが備わっている。人について主張するからだ。そのカードは、147人を超えるユーザーについて、4つの会話のうちどれが同じ人物によるものかを選ぶセレクタが、モデルの行動記述を用いて51.02%を記録し、生の会話では44.22%、ランダムでは25%であると報告している——要約は元の会話よりもその人物をよく特定する。マイクロソフトはこれをリンク可能性リスクと位置づけ、表現は匿名化されたデータではないと述べている。

その非対称性は構造的なものであり、どちらのリリースにおける欠陥でもない。モデルの出力が人間についての記述になった瞬間、倫理的な表面は変わり、モデルカードがそれを引き受けなければならない。LFM2.5-2.6B-Base を同様のターゲットに向けてファインチューニングする人は、自分でも同じセクションを書くことになると想定すべきだ。

基数の選択が後に何を決めるか

ベースモデルを借用することには、ファインチューニング時にはほとんど考慮されない二次的な帰結があります。それは、6か月後に何を呼び出せるかを決めるという点です。MicrosoftはQwen3.5-4Bを土台に構築し、そのファミリーは商用で提供されています。Qwen3.5-Flashは100万トークンを超えるコンテキストで、入力100万トークンあたり$0.10、出力100万トークンあたり$0.40、Qwen3.5-27Bは$0.086と$0.688、Qwen3.5-35B-A3Bは$0.057と$0.459で、いずれも次を通じて利用できます。1つのOrcaRouterキーでプロバイダーの定価どおり、上乗せは一切なく、しかもすべてを自動フェイルオーバーの背後に配置できます。そのため、自分のディスク上にしか存在しない研究用チェックポイントが、パイプラインにおける単一障害点になることはありません。当社はUserRepGen-4Bを取り扱っておらず、LFM2.5-2.6B-Baseも取り扱っていません。どちらもダウンロード形式であり、Liquidチェックポイントから作成する小規模モデルのファインチューニングは、お客様自身がホスティングすることになります。しかし、ループのアシスタント側、あるいはジャッジ、あるいはフォールバック経路は、すでにお持ちのキーによるAPI呼び出しにできます。これは、どのベースを適応させるかを選ぶ最初の時点で下す設計上の判断です。

実際にどっちが欲しいの？

タスクがあるのにそのためのモデルがないなら、LFM2.5-2.6B-Base が出発点として適している。手頃なハードウェアでファインチューニングできるほど小さく、デバイス上で動かせるほどハイブリッドで、学習が終わったら必要になるあらゆるフォーマットで提供されている。ユーザーシミュレーションのパイプラインがあり、完了した会話を移植可能な行動記述に変換するコンポーネントが必要なら、UserRepGen-4B はすでに存在する。そして、それが単一フォーマットの単一ファイルであるという事実は、作業をやり直す理由ではなく制約である。注目すべきは、マイクロソフトがその後を追って、そのモデルカードが今なお約束している論文を出すかどうかだ。Liquid にとって、未解決の問いは異なり、より古い。どのチームがこのベースを採用し、そこから何を作るのか、という問いである。

ベースモデルは適応されるために存在し、適応の段階で物事は壊れます。このクラスのモデルに関する、文書化されたAIインシデントとエージェントの障害は以下に収集されています：OrcaRouter AI Incident Archive、そこでは各エントリがそれぞれの情報源、深刻度、信頼度グレード、異議申し立てフラグを備えています。