Dessa vs LFM2.5 2.6B Base: 소유할 수 있는 체크포인트 vs 들을 수만 있는 목소리

LFM2.5-2.6B-Base는 약 2.5GB에 들어가는 26억 9천만 매개변수 파일로, 휴대폰에서 실행되며, 미세 조정하고 결과물을 배포할 수 있는 라이선스가 함께 제공됩니다. Dessa는 Block이 2026년 10월 23일에 발표한 전이중 음성 모델로, 인간 대화 데이터로만 학습했으며, MacBook Pro M4 Max에서 실행할 수 있을 만큼 빠르다고 합니다. Dessa는 다운로드하거나 미세 조정하거나 측정하거나 호출할 수 없습니다. 대기 명단일 뿐입니다.

이 둘을 같은 문장에 놓는 것은 분명히 불공평하다. 하나는 사전 학습된 텍스트 체크포인트이고, 다른 하나는 완성된 대화형 행태이기 때문이다. 하지만 그 불공평함이 바로 유용한 부분이다. 팀이 실제로 마주하는 질문은 "어느 모델이 더 나은가"가 아니라 "어느 모델 위에 사업을 세울 수 있는가"이며, 그 질문에서는 다운로드 가능한 베이스 체크포인트와 폐쇄형 연구 프리뷰 사이의 격차가 어떤 벤치마크 차이보다 크다.

LFM2.5-2.6B-Base의 실제 정체

Liquid AI는 2026년 8월 4일에 LFM2.5 제품군을 출시했습니다. Base 접미사가 매개변수 수보다 더 중요합니다. 이것은 사전 학습된 체크포인트이지, 명령어 튜닝된 어시스턴트가 아닙니다. 34조 개의 토큰을 읽고 16개 언어의 통계적 구조를 학습했지만, 지시를 따르거나 대화를 이어 가거나 도구를 사용하도록 훈련되지는 않았습니다. 아무 맥락 없이 프롬프트를 넣으면 대화가 아니라 완성 결과가 나옵니다.

아키텍처는 하이브리드형입니다. 30개 레이어 중 22개는 이중 게이트 숏 컨볼루션 블록이고 8개는 그룹 쿼리 어텐션이며, 이는 Liquid가 첫 LFM2 세대부터 다듬어 온 설계입니다. 어휘 크기는 128,000토큰으로, 비라틴 문자권을 겨냥한 인플레이스 토크나이저 확장을 통해 이전 세대보다 두 배로 늘어났습니다. 컨텍스트는 131,072토큰이며, 사전 학습 시점이 아니라 전용 중간 학습 확장을 통해 도달한 수치입니다.

공개된 벤치마크 표를 가진 쪽은 인스트럭션 튜닝된 형제 모델인 LFM2.5-2.6B다. AIME25 51.87, LiveCodeBench v6 59.41, IFBench 59.17, BFCLv4 56.88, ToolSandbox 77.83, Claw-Eval English 62.85. 이 수치들은 벤더가 보고한 것이며, 베이스 모델이 아니라 포스트트레이닝된 모델에 속한다. Liquid 자체도 이 패밀리를 에이전트형 코딩이나 지식 집약적 작업에 사용하지 말라고 조언하는데, 이는 모든 소형 모델이 자기 체급을 뛰어넘는다고 묘사되는 시장에서 유용한 정직성 신호다.

기본 체크포인트와 완성된 동작을 비교하는 일이 여전히 가치 있는 이유

기반 모델은 출발점입니다. 그 가치는 그것으로 무엇을 만들 수 있느냐에 있습니다. 도메인에 대한 지속적 사전 학습, 전사 데이터에 대한 지도 미세 조정, 좁은 과제를 위한 증류된 학생 모델 등이죠. Dessa는 정반대 종류의 결과물입니다. 그것은 하나의 행동으로 도착합니다. 발언 순서 주고받기, 백채널, 감정적 타이밍 같은 것이며, 그중 어느 것도 수정 가능하게 노출되지 않습니다.

그래서 이 비교는 결국 통제권에 관한 것입니다. LFM2.5-2.6B-Base는 가중치와 라이선스, 그리고 작업을 수행해야 하는 의무를 제공합니다. Dessa는 데모와 접근 가능성을 제공합니다. 연구실이라면 후자가 더 가치 있을 수 있습니다. 제품 팀이라면 전자만이 실제로 납품 가능한 결과물을 만들어 냅니다.

양면이 한 줄에 표시된 사양서

LFM 수치는 Liquid의 모델 카드와 발표 자료에서, Dessa 수치는 Block의 페이지에서 가져왔습니다. 벤더가 보고한 모든 수치는 그렇게 명시되어 있습니다.

• 매개변수 — LFM2.5-2.6B-Base 총 2.69B 대비 Dessa 미공개.

• 아키텍처 — LFM2.5-2.6B-Base는 short-convolution과 grouped-query attention을 결합한 하이브리드로 30개 레이어를 가지며, Dessa는 엔드투엔드 음성-대-음성 방식이고 아키텍처는 공개되지 않았습니다.

• 컨텍스트 — LFM2.5-2.6B-Base 131,072 토큰 vs Dessa는 명시되지 않음.

• 모달리티 — LFM2.5-2.6B-Base 텍스트 입력, 텍스트 출력 vs Dessa 오디오 입력, 오디오 출력.

• 가중치 — LFM2.5-2.6B-Base는 GGUF, ONNX, MLX 빌드를 포함해 다운로드 가능, Dessa는 없음.

• 라이선스 — LFM2.5-2.6B-Base는 LFM Open License v1.0이며 조건부 상업적 사용 가능 vs Dessa는 공개된 라이선스 없음.

• 메모리 — LFM2.5-2.6B-Base는 런타임 시 약 2.5GB 미만인 반면, Dessa는 Block당 MacBook Pro M4 Max 이상이 필요합니다.

• 속도 — LFM2.5-2.6B-Base는 Apple M5 Max에서 초당 약 220토큰, 스마트폰에서 약 30토큰으로 벤더가 보고한 수치이며, Dessa는 구체적인 수치 없이 "실시간보다 빠름"이라고만 언급했다.

• 가격 — LFM2.5-2.6B-Base 무료 가중치 vs Dessa 가격 없음.

• 이용 가능성 — LFM2.5-2.6B-Base는 2026년 8월 4일부터 일반 제공되는 반면, Dessa는 대기자 명단 방식입니다.

기기 예산이 곧 논거의 전부다

Liquid의 제안은 배포 경제성입니다. Raspberry Pi에 충분히 작고, 휴대폰에 충분히 빠르며, GPU 비용 없이 실행할 수 있을 만큼 저렴한 모델입니다. 주장된 처리량 — M5 Max에서 초당 약 220토큰, Ryzen AI Max+ 395에서 113토큰, 휴대폰에서 대략 30토큰 — 은 온디바이스 어시스턴트가 즉각적으로 느껴질지 아니면 끊긴 느낌일지를 결정하는 종류의 수치입니다. 초당 30토큰은 읽기 속도보다 빠르며, 이는 채팅 인터페이스에서 중요한 기준입니다.

Dessa의 배포 주장은 최상위 Apple 칩을 탑재하고 가격이 2,000달러를 훨씬 웃도는 노트북이다. 그것은 여전히 로컬이며, 로컬에는 실질적인 장점이 있다: 토큰당 비용이 없고, 네트워크 왕복이 없으며, 데이터가 기기 밖으로 나가지 않는다. 하지만 그것은 다른 시장이다. 26억 매개변수 모델은 앱 안에 포함해 출시할 수 있지만, M4 Max가 필요한 모델은 개발자 도구나 데스크톱 기능이다. 제품이 휴대폰에서 실행된다면, 이 비교는 메모리 한계선에서 끝난다.

진짜 분수령은 라이선싱이다

LFM Open License v1.0은 OSI가 승인한 오픈소스 라이선스가 아니며, 이를 분명히 말할 가치가 있습니다. 상업적 사용은 허용되지만, 매출 기준을 초과하는 조직—Liquid의 약관은 연간 매출 1,000만 달러로 정하고 있습니다—은 별도의 상업 라이선스가 필요합니다. 이는 실질적인 제약입니다. 또한 문서와 기준, 그리고 협상할 상대가 있는 알려진 제약이기도 합니다.

Dessa는 배포가 없기 때문에 라이선스가 없습니다. 존재하지 않는 약관을 준수할 수는 없으며, 대기자 명단을 근거로 조달 명분을 세울 수도 없습니다. 기업 입장에서 '매출 기준이 있는 맞춤형 라이선스'는 법무 검토 사안입니다. '공개된 약관 없음'은 진행 불가 요인입니다.

오늘날 휴대폰에서 음성 에이전트를 원한다면

어느 모델도 완전한 답은 아니지만, LFM 쪽은 적어도 출발점은 됩니다. 전화 음성 에이전트에는 세 가지 구성 요소가 필요합니다: 음성 인식, 언어 모델, 음성 합성입니다. LFM2.5-2.6B-Base는 미세 조정하면 중간 구성 요소가 될 수 있습니다 — 기본 체크포인트는 텍스트 모델이므로 그 자체로는 아무것도 듣지 못하며, 131K 컨텍스트는 긴 대화 기록과 검색된 노트를 담기에 충분합니다.

파인튜닝이 흥미로운 선택지다. 가중치를 손에 쥐면 자체 도메인 대화로 학습하고 결과를 자신만의 기준으로 평가할 수 있다. 그것이 바로 Dessa의 발표가 초대하면서도 허용하지는 않는 실험이다. 음성 지원이 가능한 작은 스택을 가져다 실제 대화로 학습시키고 감정적 타이밍이 나타나는지 보는 것이다. Block은 하나의 GB200 NVL72 랙에서 처음부터 이 작업을 했다고 말한다. GPU 몇 장을 가진 팀이라면 LFM 베이스에서 이 질문의 저렴한 버전을 돌려 일주일 안에 무언가를 배울 수 있다.

기기에서 직접 언어 모델을 실행하고 싶지 않다면, OrcaRouter는 200개 이상의 모델 앞에 단일 API를 0% 마크업과 자동 페일오버로 제공하므로, 추론 단계는 클라우드에 두고 오디오는 로컬에 유지할 수 있습니다. 범위를 분명히 하자면: LFM2.5 2.6B Base는 저희 카탈로그에 없습니다 — 이 모델은 다운로드용이며, 바로 그것이 이 모델의 핵심입니다. 저희는 호스팅 모델을 라우팅하며, 이 모델은 사용자가 두는 곳에서 실행되도록 만들어졌습니다.

누가 무엇을 골라야 할까

• 모델과 가중치, 그리고 로드맵을 직접 소유해야 합니다 — LFM2.5-2.6B-Base로 시작한 뒤 미세 조정하세요.

• 저렴한 하드웨어에서 오프라인으로 운영해야 한다면 — LFM2.5-2.6B-Base.

• 몇 기가바이트 이하의 텍스트 또는 에이전트 코어가 필요합니다 — 베이스가 아닌 포스트 트레이닝된 LFM2.5-2.6B입니다.

• 실시간으로 중단 가능하며 감정 표현이 풍부한 음성이 필요하다면 — 둘 중에서 이를 겨냥한 것은 Dessa뿐인데, 그것은 사용할 수 없습니다.

• 이번 분기에 서명할 수 있는 라이선스가 필요합니다 — 수익 조항까지 확인된 LFM2.5-2.6B-Base.

• 재현 가능한 결과를 공개해야 합니다 — LFM2.5-2.6B-Base, 재현성을 위해서는 파일이 필요하기 때문입니다.

그것을 판가름할 실험

전사본이 포함된 대화 오디오 1,000시간을 확보해 텍스트 측면에서 LFM2.5-2.6B-Base를 파인튜닝하고, 강력한 음성 인식기와 합성기를 붙여라. 턴 기반 기준선과 비교해 인터럽션 복구와 감정적 적절성을 측정하라. 결과가 Block의 클립이 시사하는 수준에 근접한다면, Dessa의 우위는 데모 릴이 암시하는 것보다 좁다: 그것은 아키텍처상의 승리일 수는 있지만, 공격 불가능한 우위는 아니다.

그렇지 않다면 음성 네이티브 학습을 주장하는 근거는 더 강해지고, Dessa 가중치 파일이 없다는 점은 이 비교에서 가장 중요한 사실이 된다. 어느 경우든 그 테스트는 공개된 쪽에서는 실행 가능하지만 비공개된 쪽에서는 실행할 수 없다. 이 비대칭성이 핵심 질문에 대한 답이며, Block이 고객이 손에 쥘 수 있는 무언가를 출시할 때까지 그 답은 계속 유지될 것이다.