LFM2.5-24B-A2B vs Gemma 4 12B: De sparse agent tegen de dense multimodale

Liquid AI's LFM2.5-24B-A2B en G​oogle DeepMind's G​emma 4 12B zijn de twee open-weight checkpoints die deze maand hoogstwaarschijnlijk in dezelfde downloadwachtrij zullen staan, en ze komen uit tegenovergestelde richtingen. LFM2.5-24B-A2B werd op 13 oktober 2026 uitgebracht met 24,0 miljard parameters, waarvan er slechts 2,45 miljard per token worden gelezen, tekst in en tekst uit, een context van 131.072 tokens, en een benchmarktabel die volledig rond toolgebruik is opgebouwd. G​emma 4 12B werd op 3 juni 2026 uitgebracht als een dense model met 11,95 miljard parameters dat tekst, afbeeldingen en audio leest en tekst schrijft, onder Apache 2.0, zonder omzetplafond. De ene is een gespecialiseerde agent-engine die draait op de laptop die je al bezit. De andere is een generalist die ziet en hoort, op dezelfde laptop in ongeveer 7 GB draait, en wordt geleverd met een licentie die je nooit twee keer hoeft te lezen.

Dus de vraag die deze pagina beantwoordt is niet "wat is beter", want ze zijn nooit voor dezelfde taak gebouwd. Die is smaller en nuttiger: als je een privéagent op een machine zet die je zelf beheert, welke van deze twee download je dan, en wat geef je in beide gevallen op?

Het antwoord in één alinea, voor mensen die al weten wat ze willen.

Kies LFM2.5-24B-A2B als de agent tool calling in meerdere stappen doet en verder niets — de eigen agentic-cijfers van de leverancier liggen ver voor op die van Gemma 4 12B in het handjevol rijen dat vergelijkbaar genoeg is om naast elkaar te leggen, en het model produceert altijd een expliciete redeneertrace voordat het handelt. Kies Gemma 4 12B als de taak een screenshot, een gefotografeerd document, een gescande pagina of een audioclip betreft, als je een redeneertrace wilt uitschakelen vanwege latentie, of als je bedrijf ergens in de buurt van de grens van $10M omzet zit waar de licentie van Liquid niet meer gratis is. Lees verder als je de cijfers achter die twee zinnen wilt, want een flink deel van de vergelijking hangt af van hoe de twee leveranciers hebben gemeten.

Waar de twee checkpoints wezenlijk van elkaar verschillen

• Parametereconomie — LFM2.5-24B-A2B is een mixture-of-experts: 24,0B totaal, 2,45B actief per token, 64 experts met top-4-routing over 40 lagen (30 dubbel-gated short-convolution-blokken, 10 grouped-query attention). G​emma 4 12B is dense: 11,95B totaal over 48 lagen, elke parameter wordt bij elke token gelezen.

• Wat op schijf past — Liquid publiceert een Q4_K_M GGUF van 14,5 GB en een QAT QAD-Q4_0 van 13,6 GB, met een 4-bits MLX-build van 13,6 GB; 48 GB in BF16. Google's QAT GGUF voor de 12B is ongeveer 6,98 GB aan gewichten plus een multimodaal projectiebestand van 0,18 GB, en de Unsloth-communitybuilds variëren van ongeveer 4,2 GB bij 2-bits tot 7,12 GB bij Q4_K_M.

• Context — 131.072 tokens voor LFM2.5-24B-A2B, een verdubbeling van de 32.768 van de vorige generatie. G​emma 4 12B heeft 256K (262.144), met een sliding window van 1.024 tokens en hybride attention die lokale en globale lagen afwisselt.

• Modaliteit — LFM2.5-24B-A2B is alleen tekst, en dat is bewust zo. G​emma 4 12B verwerkt tekst, beeld en audio, zonder enige multimodale encoders: ruwe beeldpatches en audiogolfvormen worden rechtstreeks in dezelfde ruimte als teksttokens geprojecteerd.

• Redeneergedrag — LFM2.5-24B-A2B is volgens de formulering van de leverancier alleen bedoeld voor redeneren: het denkt altijd binnen een <think>-blok voordat het antwoordt. De kaart van G​emma 4 12B beschrijft een op instructies afgestemd model zonder verplicht redeneerspoor, wat op een laptop een winst in latentie en een verlies in transparantie is.

• Licentie — lfm1.0 is gratis voor download, fine-tuning en commercieel gebruik tot een jaarlijkse omzet van $10M, daarna geldt een commerciële licentie. G​emma 4 12B is Apache 2.0 zonder omzetdrempel; de Gebruiksvoorwaarden en het Beleid inzake verboden gebruik van G​oogle staan naast de modelgewichten als documenten voor acceptabel gebruik, niet als licentiebeperkingen.

• Vocabulaire en trainingsschaal — LFM2.5-24B-A2B breidde zijn vocabulaire uit van 65K naar 128K door in-place tokenizeruitbreiding en schaalde pretraining op van 17T naar 33T tokens, met 300B mid-trainingstokens bij volledige context en een agentische RL-fase binnen echte harnesses. Gemma 4 12B heeft een vocabulaire van 262K dat door de hele familie wordt gedeeld en werd voorgetraind op meer dan 140 talen, met naar verluidt out-of-the-box ondersteuning voor meer dan 35.

De enige benchmark die beide leveranciers hebben uitgevoerd

Het vergelijken van twee verschillende lanceringstabellen is normaal gesproken een valkuil. Hier is er precies één rij waarin de twee bedrijven hetzelfde onder vergelijkbare voorwaarden hebben gemeten, en het is de moeite waard om die eruit te lichten, juist omdat hij zo eenzaam is.

GPQA Diamond — Liquid rapporteert 74,42 voor LFM2.5-24B-A2B; de tabel van Googles Gemma 4-familie vermeldt 78,8 voor de instructie-afgestemde Gemma 4 12B. Beide cijfers zijn door de leverancier gerapporteerd en niet gereproduceerd. De dense 12B ligt voor op wetenschapsvragen op masterniveau, wat aansluit bij Liquids eigen positionering dat je aan hun model geen kennisvragen moet stellen — het lanceringsbericht raadt aan het te combineren met retrieval of webzoekopdrachten in plaats van op zijn gewichten te vertrouwen.

Al het andere moet binnen zijn eigen tabel worden gelezen, en de eerlijke samenvatting is dat de twee tabellen bijna disjuncte zaken meten. De tabel van Liquid met zestien benchmarks omvat AutomationBench (27,69), BFCLv4 (65,01), ToolSandbox (80,71), LiveClaw (48,09), PinchBench (83,18), τ³-Bench Banking (8,04), WebArena Verified (26,75), IFEval (96,75), IFBench (74,69), Multi-IF (84,38), MATH-500 (96,04), SWE-Bench Verified via OpenCode (51,00), SciCode (32,71), AA-Omniscience (−24,90) en HLE (7,40). De familietabel van Google omvat MMLU Pro (77,2), AIME 2026 zonder tools (77,5), LiveCodeBench v6 (72,0), een Codeforces-ELO van 1659, MMMU Pro (69,1) en MRCR v2 op 128K met acht naalden (43,4).

Slechts één overlap, en geen gedeelde harness. Wie een gecombineerd scorebord publiceert op basis van die twee tabellen, verzint een vergelijking die geen van beide bedrijven heeft uitgevoerd.

Onafhankelijk, en dit is de scherpere kant.

Artificial Analysis heeft G​emma 4 12B beoordeeld: een Intelligence Index van 14, op de 20e plaats van de 141 modellen in zijn vergelijkingsklasse, met een gemeten 110,9 tokens per seconde en een gecombineerde kostprijs bij derden van $0,10 per miljoen inputtokens en $0,30 per miljoen outputtokens. Dat zijn onafhankelijke cijfers over een model dat al vier maanden openbaar is en een ecosysteem achter zich heeft.

LFM2.5-24B-A2B heeft niets gelijkwaardigs. Het is een dag oud, geen enkele derde partij heeft een score gepubliceerd, en Liquids eigen edge-cijfers — 184 tokens per seconde op een Apple M5 Max, 114 op een AMD Ryzen AI Max+ 395, "tot 1,7× sneller dan vergelijkbare MoE's on-device" — hebben geen baseline en geen reproductie. Voor een door de leverancier gemeten model tegenover een onafhankelijk gemeten model is de asymmetrie de bevinding: één van deze twee getallen kun je vandaag zelf controleren, en dat is niet het nieuwere.

Als je een productiepad liever niet wilt baseren op een vier dagen oude leverancierstabel, is dat precies waar automatische failover voor bedoeld is. Richt de agent op LFM2.5-24B-A2B, houd een model met een score achter de hand en laat de router het verzoek doorschuiven wanneer de harness begint te falen — geen tweede contract, geen codewijziging anders dan de fallbacklijst.

Kosten, in de twee valuta's waarin deze worden uitgevoerd

Beide zijn local-first modellen, dus de echte rekening is hardware en elektriciteit. Aan de gehoste kant prijst Liquid API-toegang op $0,10 per miljoen inputtokens ($0,05 uit cache) en $1,00 per miljoen output via zijn eigen Console, met $2 aan starttegoed. G​oogle publiceert helemaal geen prijs per token voor G​emma 4 12B — de hierboven genoemde mix van $0,10/$0,30 is een mediaan van derden over platforms die de open gewichten aanbieden, geen lijstprijs, en het als een lijstprijs behandelen zou onjuist zijn.

Dit is het deel dat ertoe doet voor een team dat beide beoordeelt: geen van beide checkpoints staat vandaag in onze catalogus. De referentiepunten waarop deze beslissing steeds terugkomt, leveren we wel — qwen/qwen3.6-35b-a3b, het model waartegen Liquid zich heeft afgezet, met anderhalf keer zoveel parameters, plus google/gemma-4-26b-a4b-it, obsidian/gemma-4-26B-A4B en google/gemma-4-31b-it uit dezelfde G​emma 4-familie — allemaal achter één sleutel, allemaal met 0% markup op de eigen lijstprijs van de provider, zodat een prijswijziging van een leverancier je bereikt op de dag dat die verandert in plaats van op de dag dat iemand een contract opnieuw ondertekent. Draai je eigen taak tegen de gehoste G​emma 4-groottes, en beslis dan of de 12B op je laptop overbodig is.

Wat ik eigenlijk zou doen

Download beide kwantisaties. Gemma 4 12B op Q4_K_M is ongeveer 7 GB en vertelt je binnen een uur of jouw taak ogen en oren nodig heeft — als dat zo is, is de beslissing gevallen en komt LFM2.5-24B-A2B helemaal niet in aanmerking, omdat die niet kan zien. Als dat niet zo is, laad dan de LFM2.5-24B-A2B QAD-Q4_0 van 13,6 GB en laat je echte harness erop los, want het hele argument voor dat checkpoint is het aanroepen van tools in meerdere stappen, en geen enkele statische benchmark zal dat voor jouw tools beslechten.

Twee dingen om in gedachten te houden terwijl je dit doet. Ten eerste zijn de tabellen van beide leveranciers niet gereproduceerd, en het enige onafhankelijk gescoorde model in deze vergelijking is het oudere, dichtere model — wat een reden is om de cijfers van G​emma 4 12B meer te vertrouwen, niet een reden om aan te nemen dat het nieuwere model zwakker is. Ten tweede is het licentiegat reëel en asymmetrisch op een manier die zelden opduikt in benchmarkposts: G​emma 4 12B is voor altijd Apache 2.0, terwijl LFM2.5-24B-A2B een commercieel gesprek wordt op het moment dat je bedrijf de $10M omzet overschrijdt. Voor een individuele bouwer is dat onzichtbaar. Voor een productteam dat een on-device agent uitbrengt, is het een regelitem in de volgende planningscyclus, en het is de enige dimensie waarin het kleinere, oudere, multimodale model onmiskenbaar de veiligere standaardkeuze is.

Vergelijkingen zoals deze zijn ook waar de faalmodi aan het licht komen: de gedocumenteerde AI-incidenten en agentfouten achter modellen in deze klasse zijn verzameld in het OrcaRouter AI Incident Archive , waar elke vermelding zijn eigen bronnen, ernstgraad, betrouwbaarheidsgraad en betwist-markering bevat.