LFM2.5-24B-A2B vs Granite 4.2 30B: 노트북용 스파스 모델 또는 워크스테이션용 덴스 모델

"오픈 웨이트"는 LFM2.5-24B-A2B와 Granite 4.2 30B에서 서로 다른 두 가지 역할을 하고 있습니다. 2026년 10월 13일에 발표된 Liquid AI의 모델은 토큰당 2.45B 파라미터를 활성화하는 240억 파라미터 규모의 전문가 혼합(MoE) 모델이며, 벤더 자체 라이선스인 lfm1.0으로 배포됩니다. 2026년 8월 25일 Hugging Face에 공개된 IBM의 Granite 4.2 30B는 덴스(dense) 디코더 전용 추론 모델로, BF16 safetensors 기준 약 290억 파라미터가 있으며 그 전부가 모든 토큰에서 활성화되고, Apache 2.0으로 배포됩니다. 이 중 하나의 라이선스는 아무런 조건이 없는 표준 Apache 허여입니다. 다른 하나는 그렇지 않으며, 그 차이는 두 모델에 관해 여러분이 벌일 수 있는 그 어떤 벤치마크 논쟁에서도 사라지지 않습니다.

두 번째 차이는 어떤 eval도 숨길 수 없는 산술입니다. 2.45B 활성 MoE는 이미 보유한 머신에 맞춰진 크기입니다. dense 29B 모델은 이를 담을 수 있는 메모리를 갖춘 GPU가 필요하므로, 이 비교는 “어느 쪽이 더 똑똑한가”라기보다 “이 중 어느 것을 당신 앞에 있는 하드웨어에서 실제로 실행할 수 있는가”에 가깝습니다.

매개변수가 들어가는 곳

LFM2.5-24B-A2B는 30개의 이중 게이트 숏 컨볼루션 블록과 10개의 그룹화된 쿼리 어텐션 레이어로 나뉜 40개 레이어로 구성되며, 블록당 64개의 전문가와 top-4 라우팅을 사용합니다. Liquid는 출시 게시물의 집계에 따르면 33조 토큰으로, 동일 릴리스에 대한 Hugging Face 모델 카드의 집계에 따르면 36조 토큰으로 이를 훈련시켰으며—어느 문서도 해결하지 못하는 불일치—그런 다음 두 단계로 중간 훈련하고 실제 에이전트 하네스 내부의 에이전틱 강화로 끝나는 5단계 사후 훈련 파이프라인으로 마무리했습니다. 이 모델은 131,072 토큰의 컨텍스트와 128,000 토큰의 어휘를 가지고 있습니다.

Granite 4.2 30B는 라우팅이 필요 없는 단일 dense 스택으로, Granite-4.1-30B-Base 체크포인트를 기반으로 구축되었으며 세 가지 선택 가능한 추론 모드로 훈련되었습니다: <think> 태그로 감싼 전체 사고, 저노력 사고, 그리고 전혀 사고하지 않음. 128K 네이티브 컨텍스트를 갖추고 있으며 문서화된 장문맥 확장으로 512K까지 지원하고, 테스트된 12개 언어를 지원합니다. 또한 모델 카드에서는 작업 전반에 걸쳐 temperature 1.0과 top_p 0.95를 권장합니다.

실질적인 결과는 단순한 처리량이 아니라 처리량의 형태입니다. 희소 라우팅은 LFM2.5-24B-A2B가 토큰당 2.45B에 해당하는 연산을 하기 위해 24B 가중치 파일을 읽는다는 뜻입니다 — 메모리 대역폭에는 좋고, 특별히 나쁠 것은 없습니다. 덴스는 Granite 4.2 30B가 내보내는 모든 토큰마다 29B에 달하는 작업을 전부 수행한다는 뜻입니다. 워크로드가 짧은 턴이 많은 긴 에이전트 루프라면, 그 차이는 누적됩니다.

공급업체 번호를 나란히 두고, 단서 조항을 덧붙인 상태로

아무도 이 두 모델을 서로 맞붙여 평가한 적이 없습니다. IBM의 수치는 Granite 4.2 모델 카드에서 나온 것이고, Liquid의 수치는 출시일 vLLM 표에서 나온 것인데, 그 표에는 Granite가 열로 등장하지 않습니다. 따라서 아래 행들은 두 개의 별도 벤더 주장을 나란히 놓은 것이지 정면 비교가 아니며, 네 가지 벤치마크 중 두 가지는 겹치긴 하지만 완전히 동일하지는 않은 하네스를 사용합니다.

• 파라미터 — 총 24.0B에 활성 2.45B, 밀집 ~29B는 전부 활성. 하드웨어를 결정하는 단 하나의 숫자.

• 컨텍스트 — 131,072 토큰 대 네이티브 128K, 확장 512K. 네이티브 윈도우에서는 거의 동일한 수준이며, 필요하다면 Granite가 더 나아갑니다.

• 라이선스 — lfm1.0 대 Apache 2.0. Apache 2.0에는 매출 트리거도, 사용 분야 제한에 관한 문제도 없습니다. Liquid의 약관을 자신의 수치와 비교해 검토하십시오.

• 에이전트형 도구 사용 — BFCLv4 65.01 대 BFCL v4 61.39. Liquid의 수치는 자체 하네스에서 나온 것이고, IBM의 수치는 4.2 카드에서 나온 것이다. 하네스가 격차보다 더 중요할 만큼 차이가 크지 않다.

• 코딩 — SWE-Bench Verified 51.00 대 57.00. Granite의 우위이며, 이는 패턴과 일치합니다: LFM2.5-24B-A2B는 도구 호출자이고, Granite 4.2 30B는 도구도 호출하는 추론 모델입니다.

• 지시문 준수 — IFEval 96.75, IFBench 74.69 대 IFBench 77.17. 둘 다 우수하지만, 두 공급업체가 서로 다른 행 쌍을 사용하므로 공통된 행을 비교하세요.

Granite의 카드가 Liquid가 공개하지 않은 세부 정보를 추가하는 부분은 추론 모델 쪽의 근거로 보십시오: AIME 2025 89.17, GPQA 66.41, LiveCodeBench v6 75.77, MMLU-Pro 77.60, SciCode 38.76, 그리고 RULER는 64K에서 89.96, 128K에서 81.38입니다. 그 마지막 두 수치는 LFM2.5-24B-A2B가 아직 갖추지 못한 종류의 장문맥 증거입니다 — Liquid는 자사의 131K 윈도에 대해 어떤 문맥 길이에서도 검색 수치를 공개하지 않았습니다.

각각을 보유하는 데 드는 비용

Liquid는 API 접근을 백만 입력 토큰당 $0.10 — 캐시된 경우 $0.05 — 그리고 백만 출력 토큰당 $1.00 자체 Console에서, 시작 크레딧 $2와 함께 제공한다. 하지만 호스팅된 엔드포인트는 진짜 제품이 아니다; 제품은 24B-A2B 파일 자체이며, 공급업체의 처리량 주장은 모두 온디바이스에 관한 것이다: Apple M5 Max에서 초당 184 토큰, AMD Ryzen AI Max+ 395에서 초당 114 토큰. 둘 다 공급업체가 보고한 것이며 재현되지 않았고, 그것들이 사실인지와 무관하게 아키텍처적 논거는 성립한다: 2.45B 활성 MoE는 덴스 29B 모델이 하지 못하는 방식으로 통합 메모리에서 실행된다.

IBM은 모델 카드에 토큰당 가격을 공개하지 않는다 — Granite 4.2 30B는 자체 호스팅 체크포인트로 포지셔닝되어 있으며, BF16과 FP8, NVFP4/MXFP4 및 GGUF 양자화 형태로 배포된다. 총비용은 약 290억 개의 dense 가중치를 담기 위해 구매하거나 임대해야 하는 GPU이며, FP8의 dense 30B는 양자화된 2.45B 활성 MoE보다 훨씬 더 많은 메모리를 요구한다. 토큰당 서비스 기준으로는 sparse 모델의 운영 비용이 더 저렴하고, 콜드 스타트 및 최악 지연 시간 기준으로는 dense 모델에 워밍업할 라우팅이 없다. 이 중 무엇이 중요한지는 전적으로 엔드포인트가 상시 가동되는지에 달려 있다.

둘 중 어느 쪽으로도 확정하지 않고 둘 다 테스트해 보고 싶다면, 두 경로 모두 존재합니다. Granite 4.2 30B는 매출 상한 없이 Apache 2.0에 따라 자체 호스팅할 수 있으며, 위의 모든 수치에서 서빙되는 쪽 — qwen/qwen3.6-35b-a3b 그리고 google/gemma-4-26b-a4b-it 등을 포함해 — 은 하나의 키로 저희 카탈로그에 있으며 각 제공업체 자체 정가 대비 0% 마크업으로 제공되므로, 공급업체의 가격 변경은 다음 청구 주기가 아니라 발표되는 당일 엔드포인트에 반영됩니다.

어느 걸 고를까?

기계가 제약이고 워크로드가 도구 호출이라면 LFM2.5-24B-A2B를 선택하세요. 하네스 형태의 작업이 측정되는 곳에서 이 모델이 이기며, 노트북이 감당할 수 있는 풋프린트로 131K 컨텍스트를 유지하고, Liquid는 정적 테스트 세트가 아니라 실제 에이전트 스캐폴드에 대해 훈련했습니다 — 이는 라우터에게 추론기보다 더 중요한 세부 사항입니다. 그렇게 할 때 두 가지를 받아들이세요: lfm1.0 라이선스는 Apache 2.0이 아니며, Liquid 외부에서는 아직 아무도 이 체크포인트를 평가하지 않았습니다.

하드웨어가 있고, 행동하기 전에 추론하는 모델이 필요하거나, 법무팀이 이미 알고 있는 라이선스가 필요하다면 Granite 4.2 30B를 고르세요. 이 모델은 코딩에서 앞서고, 둘 중 공개된 장문 컨텍스트 검색 수치를 가진 유일한 모델이며, 512K 확장은 마케팅이 아니라 실제 문서입니다. 에이전트 관련 수치는 더 빈약합니다 — BFCL v4에서 Liquid의 65.01에 맞선 61.39 — 이는 파라미터 수가 시사하는 것과 정확히 반대이며, 밀도가 추론을 사주더라도 도구 규율까지 자동으로 사주지는 않는다는 점을 상기시켜 줍니다.

솔직히 요약하면, 이 둘은 대체재가 아니다. LFM2.5-24B-A2B는 클라우드 연결이 없는 기기에서 작업 루프를 돌리는 모델로 만들어졌다. Granite 4.2 30B는 문제를 깊이 고민하고, 실제로 출시할 수 있음을 입증할 수 있는 라이선스를 갖춘 모델로 만들어졌다. 둘 다 있다면 라우팅 문제는 어느 쪽이 요청을 받느냐이며, 그것은 벤치마크 표가 아니라 라우팅 계층이 내리기 위해 존재하는 결정이다.

실시간 모델 장애 및 성능 저하를 인시던트 아카이브에서 추적하고, 어떤 라우트가 정상적으로 페일오버되었는지 확인하세요.