ARTEMIS vs LFM2.5-2.6B-Base: het checkpoint dat het werk niet kan doen, en het harnas dat het nodig heeft om dat te doen

Vier items staan op de ARTEMIS-roadmap van Google, en precies één ervan vereist een model dat nog niet duidelijk bestaat: lichtgewicht vision-language-modellen op het apparaat zelf, voor automatisering met lage latentie en privacy voorop. De voor de hand liggende kandidaat voor zo'n taak is iets in de maatklasse van LFM2.5-2.6B-Base — Liquid AI's vooraf getrainde checkpoint van 2,69 miljard parameters, gepubliceerd als open gewichten met een context van 131.072 tokens en een voetafdruk die klein genoeg is voor een telefoon. Zoals het geleverd wordt, is het ook niet in staat die plek in te vullen, en de redenen daarvoor zijn het begrijpen waard voordat iemand de twee in een vergelijkingstabel zet. Google's ARTEMIS is een natural-language Android-automatiseringsharnas, in augustus 2026 open-source gemaakt onder Apache 2.0, dat een echte telefoon via ADB aanstuurt en een voltooiingspercentage van 99%+ claimt op de AndroidWorld-benchmark van Google Research. LFM2.5-2.6B-Base is onbewerkt vooraf getraind materiaal zonder instructieafstemming, zonder chattemplate en — bewust — zonder gepubliceerde benchmarks, bedoeld voor teams die het zelf zullen post-trainen. Het ene is voltooide software met een onvoltooid modelprobleem. Het andere zijn onvoltooide gewichten met een voltooid licentieprobleem. Geen van beide is een vervanging voor het andere, en de plek waar ze elkaar echt ontmoeten is niet de plek die je zou raden.

Wat LFM2.5-2.6B-Base eigenlijk is

Strip de branding ervan af en het is een zorgvuldig opgebouwde basis voor werk op het apparaat zelf, met specificaties die lezen alsof iemand heeft geoptimaliseerd voor geheugenbandbreedte in plaats van voor een plek op de ranglijst.

• Grootte — 2,69 mld. parameters in bfloat16 in één enkele shard van ~5,39 GB, aangeprezen als "2,6B".

• Architectuur — 30 lagen in een hybride opsplitsing: 22 dubbel-gegate kort-convolutieblokken over 8 lagen met grouped-query-attention, verborgen breedte 2048, 32 attentiehoofden tegenover 8 KV-hoofden, gekoppelde embeddings. Dezelfde code>Lfm2ForCausalLM/code> klasse als de vorige generatie, dus er is geen aangepaste modelcode nodig.

• Training — ongeveer 34 biljoen tokens, met een speciale mid-trainingfase voor contextuitbreiding.

• Vocabulaire — 128.000 tokens, deze generatie verdubbeld om niet-Latijnse schriften beter aan te kunnen. Ongeveer 262 mln parameters, ruwweg een tiende van het model, bevinden zich in de gekoppelde embedding.

• Context — de modelkaart en de config spreken elkaar hier tegen, en het is de moeite waard om te weten: de documentatie adverteert 131.072 tokens, terwijl code>config.json/code> zet code>max_position_embeddings/code> op 128.000. Reken op 128K en behandel alles daarboven als niet-geverifieerd.

• Talen — zestien: Engels, Arabisch, Chinees, Frans, Duits, Hindi, Indonesisch, Italiaans, Japans, Koreaans, Pools, Portugees, Russisch, Spaans, Thais, Vietnamees.

• Benchmarks — geen. Liquid publiceert geen evaluatie voor het basischeckpoint, en de modelkaart presenteert de weglating als opzettelijk: dit artefact bestaat om te worden ge-posttraind, niet om in zijn ruwe staat te worden gemeten.

Die laatste regel is het hele punt van de release, en het is ook de reden dat een "X vs LFM2.5-2.6B-Base"-vergelijking zorgvuldig moet worden behandeld. Een base-checkpoint heeft nergens een mening over. Vraag het om een Android-workflow te plannen en het zal je tekst probabilistisch voortzetten, omdat het nooit heeft geleerd om te antwoorden. De kaart raadt het alleen aan voor gevallen die zware fine-tuning vereisen: een taalspecifieke assistent, een domeinspecifieke in een gereguleerde sector, training op bedrijfseigen data, of als een distillatiestudent. Voor alles out of the box, inclusief tool calling, verwijst Liquid je naar de post-getrainde LFM2.5-2.6B in plaats daarvan.

Wat ARTEMIS van een model nodig heeft, en dat is niet wat een basis-checkpoint biedt

ARTEMIS is een regellus met twee modi. Flash is een reactieve cyclus van observeren en handelen van ongeveer 3–5 seconden per stap. Pro is een multi-agentgraaf van ongeveer 15–40 seconden per stap, met een Planner die een levend Markdown-plan bijhoudt, een Operator met de volledige toolset, en een alleen-lezen Checker die controlepunten op vier niveaus verifieert, van code>off/code> tot code>strict/code>. Beide modi vragen hetzelfde van het onderliggende model: kijk naar een schermafbeelding, kies één actie uit een vaste toolset, en herhaal dat binnen een seconde of twee, honderd keer, zonder de draad te verliezen.

Dat is een veeleisende vraag — instructies opvolgen binnen een rigide schema, gegrond visueel begrip en coherentie op de lange termijn — en het is precies de verzameling vaardigheden die een basis-checkpoint niet heeft meegekregen. De eigen geteste backends van ARTEMIS zijn gehoste modellen: Gemini, Claude, GPT-4o, Qwen-VL. Elk van hen is instruction-tuned voor toolgebruik, en elk van hen is groot.

Het gat is dus niet een kwestie van formaat. Een post-trained model van 2,6B kan een tool-calling-loop draaien — Liquid's eigen post-trained broertje beweert beter te presteren dan Gemma 4 E2B-it en E4B-it op al zijn instruction-following-evaluaties en bijna al zijn tool-use-evaluaties, al zijn dat door de leverancier gerapporteerde cijfers zonder onafhankelijke verificatie. Het gat is dat een base checkpoint niets van die training heeft gekregen, waardoor het helemaal niet in een harness kan worden gedropt.

De licentie is het scherpere verschil

Dit is waar de krachtmeting daadwerkelijk wordt beslist, en het is het onderdeel dat de meeste vergelijkingen overslaan.

• ARTEMIS — Apache 2.0. Gebruik het commercieel, fork het, lever het mee in een product, geen omzetvoorwaarde. De enige verplichting is het behouden van kennisgevingen en het vermelden van je wijzigingen, een verplichting die het project zelf in september 2026 publiekelijk moest rechtzetten nadat Minitap beweerde dat 228 van ARTEMIS' 229 bestanden overeenkwamen met zijn eigen Apache-2.0 code>mobile-use/code>-project en dat auteursnamen met een force-push waren geschrapt. De repository bevat nu een creditregel voor Minitap.

• LFM2.5-2.6B-Base — de LFM Open License, een aangepaste licentie in plaats van Apache of MIT. Onder $10M aan jaarlijkse omzet is de toekenning ruim, eeuwigdurend en royaltyvrij. Op of boven die drempel strekt de licentie zich helemaal niet uit tot commercieel gebruik, en moet je contact opnemen met Liquid. Het belangrijke detail voor iedereen die erop voortbouwt: afgeleide werken erven dezelfde voorwaarden. Het checkpoint dat je post-traint is niet iets nieuws dat je volledig bezit — het draagt de op omzet gebaseerde licentie verder, met een uitzondering voor gekwalificeerde non-profitorganisaties.

Zet die twee feiten naast elkaar en de beslissing slaat om, afhankelijk van wie je bent. Een gefinancierd bedrijf dat een agent aan de telefoonzijde wil uitbrengen, heeft een Apache-2.0-harnas dat het vrij kan gebruiken en een checkpoint dat het mogelijk helemaal niet commercieel kan gebruiken. Een individuele ontwikkelaar of een startup onder de drempel heeft beide, en de licentie is een voetnoot. Geen van beide leveranciers gedraagt zich onredelijk — Liquid is een bedrijf dat zijn commerciële laag beschermt, Google maakt testgereedschap open source — maar "open weights" en "open weights" zijn niet dezelfde toestemming, en een vergelijking die stopt bij het aantal parameters vertelt je niet welke van de twee je hebt.

De familie, omdat het basischeckpoint de verkeerde deur is om erin te komen.

Als het doel een Android-agent op het toestel is, zijn drie zustermodellen belangrijker dan de basis, en het model dat de ARTEMIS-roadmap echt nodig heeft, is niet het voor de hand liggende.

• LFM2.5-2.6B — het post-getrainde agentische broertje. De door de leverancier gerapporteerde doorvoer ligt rond de 30 tokens per seconde op hardware van telefoonklasse, 113 op een Ryzen AI Max+ 395 en 220 op een Apple M5 Max, terwijl het in minder dan 2,5 GB draait.

• LFM2.5-VL-3B — het vision-language edge-model, gebouwd op dezelfde basis met een SigLIP2 400M NaFlex-encoder, met door de leverancier gerapporteerde grounding precision@1 die steeg van 57,1 naar 87,9 op RefCOCO en, volgens Liquid, prestaties op UI-elementen op het scherm die veel grotere Gemma-modellen overtreffen en tot binnen 0,7% komen van een 4,7B Qwen 3.5. Niet geverifieerd, maar het is het enige lid van deze familie dat een scherm kan zien.

• LFM2.5-230M — de extractie- en classificatielaag, expliciet niet aanbevolen voor redeneerintensief werk.

Wat is de ongemakkelijke conclusie voor het basis-checkpoint in deze matchup: ARTEMIS' roadmapitem is een visievereiste, het basis-checkpoint is alleen tekst, en het familielid dat de plek invult is de VL-variant waarop al zowel de visuele encoder als de post-training zijn toegepast. De rol van het basis-checkpoint in een Android-automatiseringsstack is niet om de telefoon aan te sturen. Het is bedoeld als het ruwe materiaal onder welk klein model het uiteindelijk ook doet.

Waar ze elkaar wél ontmoeten: het vliegwiel dat nog niemand heeft gebouwd

Dit is de enige connectie die echt is in plaats van retorisch, en die loopt tegengesteld aan de gebruikelijke richting. De meest onderschatte functie van ARTEMIS is niet de agent — het is de uitlaat. Elke run legt crashstacks vast, keyframe-schermafbeeldingen, een sessielogboek van gecomprimeerde stappen en een diagnostisch rapport, en Pro opent een 'uitvoeringsincident' telkens wanneer een actie mislukt en houdt het in context totdat een later succes het oplost. Dat is een gelabeld corpus van precies de momenten waarop de perceptie van een UI-agent onjuist was.

Combineer dat met een checkpoint dat volledig bedoeld is voor post-training, en je hebt een voor de hand liggende lus: voer de harness uit op een gehost model, verzamel de traces waarop het struikelde over je app, en fine-tune een 2,6B-model op precies die frames. Het is het soort propriëtaire dataset dat Liquid's eigen kaart aanhaalt als rechtvaardiging om überhaupt een basis-checkpoint uit te brengen — "trainen op je eigen data" — en de omzetafhankelijke licentie betekent dat het een route is die logisch is voor teams onder de drempel en een gesprek vereist voor teams erboven.

Om expliciet te zijn over de status van dat idee: niemand heeft deze lus gepubliceerd, geen van beide leveranciers draagt die aan, en er is geen bewijs dat een van beide partijen die heeft getest. Het is een voorstel, geen resultaat, en het moet als zodanig worden gelezen. Maar het is de enige framing waarin deze twee artefacten als samenwerkende partijen worden gezien in plaats van als een categoriefout.

Als je zo ver komt dat je gaat fine-tunen, is de vergelijkingsset de andere helft van het probleem. LFM2.5-2.6B-Base staat niet in onze catalogus — geen enkele LFM2.5-variant staat erin — dus die checkpoint komt uit Liquid's eigen distributie en de gebruikelijke externe hosts. Waar een gerouteerde catalogus zijn plek verdient, is bij het benchmarken van je fine-tune tegen de modellen die hij moet verslaan op toolgebruik, met één sleutel en één factuur, met failover zodat een slechte middag van een provider niet de slechte middag van jouw evaluatie wordt. Dat is echt iets nuttigs om te hebben wanneer het hele doel van de oefening een rechtstreekse confrontatie is waarop je van plan bent actie te ondernemen.

Dus welke is jouw probleem?

Als je een Android-app hebt en die dit kwartaal automatisch wilt laten testen, heb je ARTEMIS nodig, en LFM2.5-2.6B-Base maakt geen deel uit van het antwoord — je zult ARTEMIS tegen een gehost visiemodel laten draaien, per stap betalen, en het roadmapitem over on-device VLM's komt uiteindelijk wel en lost een kostenprobleem op dat je nog niet hebt gemeten.

Als je een product bouwt dat op een mobiele telefoon zonder netwerk moet draaien, wil je de route met kleine modellen, en LFM2.5-2.6B-Base is het begin van dat project, niet een deel van de oplossing: je zult het post-trainen, je zult de LFM Open License afwegen tegen je omzetprognose voordat je het eerste trainingsscript schrijft, en als je agent een scherm moet kunnen zien, kom je in plaats daarvan op de VL-variant uit.

Het enige wat je niet moet doen, is deze twee naast elkaar zetten, de harness capabeler verklaren en verdergaan. De nuttige vergelijking is die tussen de twee complete stacks — gehost model plus harness, tegenover een fijn afgestemd klein model plus een framework dat je zelf bouwt — en slechts één daarvan heeft een gepubliceerd succespercentage op een publieke benchmark, wat precies evenveel waard is als het feit dat de andere helemaal geen cloudrekening heeft.

Waar een gerouteerde catalogus zijn bestaansrecht verdient, is bij het benchmarken van je fine-tune tegen de modellen die hij moet verslaan op het gebied van toolgebruik, op één sleutel en één factuur, met failover zodat een slechte middag van een provider niet de slechte middag van je evaluatie wordt.

LFM2.5-2.6B-Base staat niet in onze catalogus — geen enkele LFM2.5-variant staat erin — dus dat checkpoint komt uit Liquid's eigen distributie en de gebruikelijke hosts van derden.