LFM2.5-24B-A2B vs LFM2.5-8B-A1B-DSpark: Een van deze is geen model dat je kunt uitvoeren

Zet LFM2.5-24B-A2B en LFM2.5-8B-A1B-DSpark in een vergelijkingstabel en de tabel is een leugen voordat je één cel hebt ingevuld. Liquid AI's LFM2.5-24B-A2B, uitgebracht op 13 oktober 2026, is een taalmodel: 24,0B parameters, 2,45B actief per token, 131.072 tokens context, en het beantwoordt prompts. LFM2.5-8B-A1B-DSpark, uitgebracht op 20 augustus 2026, is een concept-checkpoint met 327,7 miljoen parameters dat op zichzelf niets kan beantwoorden — het bestaat om de volgende tokens voor een ander model, LFM2.5-8B-A1B, te raden en erdoor gecontroleerd te worden. De twee met elkaar verwarren is de meest voorkomende manier waarop deze release verkeerd wordt begrepen, en het is de moeite waard om dit in de eerste alinea op te helderen, want de rest van deze pagina hangt ervan af: een van deze heeft een prijs per miljoen tokens en een Hugging Face-kaart waar je een agent op kunt richten, en de andere leeft in de inference-stack van iemand anders.

Wat de combinatie echter echt een pagina waard maakt, is dat het de vergelijking is die Liquid AI voor zichzelf heeft opgezet. De modelkaart van LFM2.5-24B-A2B vermeldt een DSpark speculative-decoding-concept voor de 24B als binnenkort beschikbaar. Wanneer die verschijnt, is de exacte vraag die deze pagina beantwoordt precies de vraag die mensen erover zullen stellen: loont de draft-truc die het 8B-model tot 3,18× sneller maakte op een data-center-GPU daadwerkelijk bij een 24B-model waarvan het hele bestaansrecht een laptop is? De 8B-cijfers bevatten al de vorm van het antwoord, en het is niet de vorm die de kop doet vermoeden.

Wat een concept-checkpoint eigenlijk is, in drie zinnen.

Speculatief decoderen zet een goedkoop model voor een duur model: de drafter stelt een blok kandidaat-tokens voor, het echte model verifieert het hele blok in één forward pass, en het behoudt alles waarmee het overeenstemt. Omdat het doelmodel elk voorgesteld token controleert, is de uitvoer bij greedy decoding bit-identiek aan het alleen draaien van het doelmodel — de formulering van Liquid is "verliesvrij door constructie", en daarom is een draft veilig om aan een productiestack toe te voegen. LFM2.5-8B-A1B-DSpark is een bewust kleine drafter: vijf lagen met alleen attention, een blok van negen voorgestelde tokens per stap, en een Markov-head over de vocabulaire van 128.000 tokens van het doelmodel, getraind gedurende 15 epochs op chat-, code- en function-callingdata, waarbij checkpoints zijn gekozen op basis van acceptatiegraad in plaats van validatieverlies.

Dat laatste detail is geen bijzaak. In Liquid's eigen verslag staat dat bij de grotere drafts de validation loss "blijft verbeteren nadat de acceptatie op de benchmark waar wij om geven niet meer beweegt" — wat precies het soort zin is dat alleen opduikt wanneer een team dit in serving uitrolt in plaats van een paper te publiceren.

De twee stapels, één regel per dimensie.

• Wat het is — LFM2.5-24B-A2B is een inzetbaar redeneermodel, tekst in en tekst uit. LFM2.5-8B-A1B-DSpark is een accelerator voor speculatieve decoding en niets anders.

• Grootte — 24,0B totaal / 2,45B actief per token, 64 experts met top-4-routering over 40 lagen, tegenover 327,7M draft-parameters in vijf lagen met alleen attention.

• Context — 131.072 tokens voor de 24B, een verdubbeling ten opzichte van de vorige generatie; de draft heeft geen eigen context, omdat hij op de stream van het doelmodel werkt.

• Redenering — de 24B produceert altijd een expliciete gedachtegang in een <think>-blok. De draft produceert niets dat een gebruiker ooit te zien krijgt.

• Prijs — $0,10 per miljoen inputtokens ($0,05 gecachet) en $1,00 per miljoen output op Liquid's Console, met $2 aan starttegoed, voor de 24B. De conceptversie heeft geen prijs omdat geen enkele inferentieprovider deze aanbiedt.

• Licentie — lfm1.0 voor beide: gratis te downloaden, fine-tunen en commercieel te deployen totdat een bedrijf de $10M aan jaarlijkse omzet overschrijdt, waarna een commerciële licentie van toepassing is.

• Gepubliceerde formaten — GGUF van Q4_K_M bij 14,5 GB tot 48 GB BF16, een QAT QAD-Q4_0 bij 13,6 GB, FP8, ONNX en 4/5/6/8-bit MLX voor de 24B; Safetensors en GGUF voor de draft, met ondersteuning voor SGLang en llama.cpp vanaf dag één.

De dimensie die alles bepaalt, is de laatste die door de vijfde wordt gewijzigd: een van beide heeft een prijs per token, en de andere is iets dat je installeert om een zelfgehost model goedkoper per token te maken. Ze concurreren nooit. Ze stapelen zich op.

De cijfers die ertoe doen, en het cijfer dat je zorgen zou moeten baren

Liquid mat de DSpark-draft bij batchgrootte 1 en temperatuur 0 op vijf datasets — op een 80GB H100 in BF16 onder SGLang, en op een M4 Max MacBook Pro in FP16 GGUF onder llama.cpp met experimentele Metal-kernels. Elke versnelling is ten opzichte van hetzelfde doelmodel dat alleen op dezelfde hardware draait. Alles is door de leverancier gerapporteerd en, drie maanden later, nog steeds niet gereproduceerd.

Op de H100, vergeleken met LFM2.5-8B-A1B:

• MATH500 — 3,18× (428 → 1.362 tokens/s, acceptatie 8,27) — het belangrijkste cijfer.

• MT-Bench — 3,02× (426 → 1.288 tokens/s, acceptatie 8,52).

• MBPP — 2,64× (426 → 1.122) en HumanEval — 2,58× (426 → 1.100).

• GSM8K — 1,29× (385 → 496, acceptatie 4,02) — het zwakke geval, en let op: dit is juist het geval waarin het doel al sneller was om mee te beginnen.

• Gemiddelde — 2,54× (418 → 1.074 tokens/s).

Op de M4 Max is hetzelfde concept tegenover hetzelfde doel een ander product: MATH500 1,21× (93 → 112), GSM8K 1,44× (90 → 129), HumanEval 1,12× (91 → 101), MBPP 1,09× (89 → 97), MT-Bench 1,04× (87 → 90), gemiddeld 1,18× (90 → 106).

Lees die twee lijsten samen en de conclusie is onvermijdelijk: het concept-checkpoint versnelt de hardware waarvoor het model niet is gebouwd, en doet de hardware waarvoor het wél is gebouwd amper vooruitgaan. Dat is geen bug in de implementatie van Liquid, het is waar de bottleneck zit — speculatief decoderen loont wanneer je rekenkracht onbenut is en geheugen het knelpunt vormt, en een M4 Max die een gekwantiseerde MoE met 1,5 miljard actieve parameters draait, zit al dicht bij het plafond van zijn geheugenbandbreedte. Liquid heeft zelf de slechte helft van het resultaat gepubliceerd, waardoor het cijfer van 3,18× veel vaker op zichzelf is aangehaald dan de 1,18× die de meeste van hun lezers in de praktijk zouden ervaren.

Waarom de 24B-koppeling een echt open vraag is

Alles over het komende LFM2.5-24B-A2B-concept is niet aangekondigd, behalve de woorden "coming soon" op de modelkaart, dus wat volgt is een beschouwing over de vorm van het probleem in plaats van een verslag.

De waarde van de draft wordt bepaald door de acceptatiegraad, en de acceptatiegraad wordt bepaald door hoe voorspelbaar het doel is. Een reasoning-model dat altijd een expliciete chain of thought produceert — LFM2.5-24B-A2B is precies dat, en Liquid levert het met een aanbevolen temperatuur van 0,1 — genereert lange, lokaal voorspelbare stukken tekst. Dat is de ideale bodem voor een blok van 9 tokens. Het plafond voor een 24B-draft kan dus hoog liggen, en de vocabulaire-opmerking van de kaart zelf helpt daarbij: de 24B gebruikt dezelfde vocabulaire van 128.000 tokens waarop de Markov-head van de 8B-drafter is gebouwd, dus de draft-head hoeft niet opnieuw te worden opgebouwd vanuit een andere tokenruimte.

Het tegenwicht is de hardware. Het opgegeven edge-resultaat van het 24B-model is 184 tokens per seconde op een Apple M5 Max, en een groter doel betekent een grotere verificatieronde, zelfs wanneer het blok in zijn geheel wordt geaccepteerd. Als het 8B-patroon standhoudt — grote winsten waar je rekenkracht over hebt, kleine winsten op de laptop — dan kan de 24B-draft wel eens een datacenterhulpmiddel blijken te zijn dat aan een edge-model vastzit, wat een vreemde vorm is voor een product. Iedereen die "3.18×" citeert in afwachting daarvan, citeert een getal dat is gemeten op een ander model, op andere hardware, met een andere draft.

Kosten, en het argument om helemaal niet zelf te hosten

Eén eerlijke complicatie: de hele waardepropositie van DSpark is doorvoer per zelfgehost token, dus de economische onderbouwing is de kosten per token van je eigen GPU-tijd. Het 24B-model daarentegen heeft een publieke prijs — $0,10 per miljoen inputtokens ($0,05 gecachet) en $1,00 per miljoen output — en dat is wat je betaalt als je liever helemaal geen 14,5 GB groot gekwantiseerd checkpoint op je eigen laptop wilt draaien.

Om duidelijk te zijn over wat we wel en niet aanbieden: we serveren LFM2.5-24B-A2B of LFM2.5-8B-A1B-DSpark niet op OrcaRouter. Wat we wel serveren zijn de open-weight modellen waar deze beslissing steeds tegenaan loopt — qwen/qwen3.6-35b-a3b, het model waartegen Liquid zijn 24B benchmarkt, met ongeveer vijftig procent meer totale en actieve parameters, plus google/gemma-4-26b-a4b-it, obsidian/gemma-4-26B-A4B en google/gemma-4-31b-it in dezelfde sparse-open klasse. Als je een download van 14 GB en een speculative-decoding-stack afweegt tegen het aanroepen van een geserveerd model achter één sleutel tegen 0% opslag op de lijstprijs van de provider, dan is dat een vergelijking die je vanmiddag aan onze kant kunt uitvoeren en aan hun kant alleen kunt schatten.

Wat te doen met hen twee vandaag?

Als je een model wilt dat je kunt aanroepen, is het antwoord LFM2.5-24B-A2B, en de DSpark-checkpoint is voor jou irrelevant — die versnelt één specifiek 8B-model, en er is geen platform van derden dat een van beide aanbiedt. Als je LFM2.5-8B-A1B al op een GPU zelf host, is de draft een gratis multiplier voor de doorvoer die niets aan je uitvoer verandert, en 2,54× als gemiddelde is een echte verlaging van de serveerkosten. Als je het op een Mac zelf host, is het gemiddelde 1,18× en de eerlijke interpretatie is dat de draft ongeveer een tiende waard is van wat de kop bij de lancering suggereert.

Waar je op moet letten is niet de aankomstdatum van de 24B-draft, die niemand heeft gepubliceerd. Het is in welk van de twee regimes hij terechtkomt. Als Liquid een gemiddelde boven 2× op Apple silicon publiceert, is speculatieve decoding een grens overgestoken en wordt de edge-tier echt goedkoper om te draaien. Als het een piekcijfer publiceert zonder laptopgemiddelde, dan was de 8B-uitkomst al die tijd het antwoord geweest: deze techniek loont waar je onbenutte rekenkracht hebt, en een machine die een 24B mixture of experts op batterij draait, heeft daar niets van over.

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.