LFM3-1.7B vs LFM2.5-24B-A2B: Het nieuwere Liquid-model is niet de opvolger van het grotere

Liquid AI heeft LFM2.5-24B-A2B op 13 oktober 2026 uitgebracht en LFM3-1.7B op 27 oktober 2026. Er zit twee weken tussen, hetzelfde lab heeft beide gebouwd, en de nieuwere heeft ruwweg een zesde van de geheugenvoetafdruk van de oudere. De voor de hand liggende gevolgtrekking — dat LFM3-1.7B LFM2.5-24B-A2B vervangt — is onjuist, en de eigen benchmarktabellen van de leverancier zijn het duidelijkste bewijs daartegen.Geen van beide Liquid-modellen staat in onze catalogus, dus beide zijn zelfgehoste downloads. Waartegen je ze benchmarkt, is waar lijstprijzen van providers die tegen 0% opslag worden doorgegeven van belang zijn.

Op SWE-bench Verified scoort het 24B-model 51,00 tegenover 43,40 voor het 1.7B-model. Op LiveClaw scoort het 48,09 tegenover 45,60. Dat zijn geen marges die het nieuwe model heeft gedicht. Wat LFM3-1.7B in plaats daarvan biedt, is een andere architectuur, een twee keer zo groot contextvenster, een tiende van het geheugen en een benchmarkprofiel dat meer neigt naar toolschema's dan naar chain-of-thought-redenering. De twee modellen bestaan naast elkaar omdat ze verschillende vragen beantwoorden, en kiezen tussen hen betekent beslissen welke vraag je hebt.

Wat kwam met twee weken tussenpoos aan?

LFM2.5-24B-A2B is een mengsel-van-expertsmodel: 24 miljard totale parameters, met ongeveer 2 miljard actief per token — 2,45 miljard volgens de telling in het technische rapport, dat de marketing van Liquid naar beneden afrondt — 40 lagen, verdeeld over dertig dubbel-gegate korte convolutieblokken en tien gegroepeerde-query-attentielagen, en 64 experts met top-4-routing. De context loopt van 32K tot 131.072 tokens, de vocabulaire werd verdubbeld van 65K naar 128K, en het is getraind op een aantal tokens dat zijn eigen materialen inconsistent vermelden — de blog zegt ongeveer 33 biljoen, de modelkaart zegt 36 biljoen, een discrepantie die reviewers wel hebben gesignaleerd, maar niet hebben opgelost.

LFM3-1.7B is dense: alle 1,73 miljard parameters bij elk token, 24 lagen met gated korte convoluties en sparse attention, een context van 262.144 tokens en een vocabulaire van 128.000. Dezelfde organisatie, dezelfde periode van twee weken en vrijwel geen architectonische overlap.

• Totaal aantal parameters — 1,73B dense voor LFM3-1.7B; 24B met 2,45B actief voor LFM2.5-24B-A2B.

• Context — 262,144 tokens tegenover 131,072. Beide zijn groot; het nieuwere model verdubbelt dat.

• Geheugen bij 4-bit — ongeveer 1 GB tegenover ruwweg 15 GB in Q4_K_M. Dit is het grootste enkele verschil tussen beide.

• Redeneergedrag — LFM2.5-24B-A2B is een model dat uitsluitend redeneert en altijd een gedachtegang produceert; LFM3-1.7B heeft zo'n modus niet en op de kaart staat dat het niet bedoeld is voor complexe redeneringen in meerdere stappen.

• Gemeten snelheid — 184 tokens per seconde op een Apple M5 Max voor de 24B bij Q4_K_M; Liquid meldt 1,8 tot 2,8 keer snellere decoding voor LFM3-1.7B dan zijn eigen voorgangers, zonder een direct vergelijkbaar cijfer op het apparaat zelf.

• Licentie — beide onder de LFM Open License v1.0, gratis voor commercieel gebruik bij een jaaromzet van minder dan $10 miljoen.

Een redeneermodel tegenover een model dat tools aanroept

Het meest ingrijpende verschil is niet de grootte. LFM2.5-24B-A2B denkt altijd na voordat het antwoordt: elke aanroep levert een gedachteketen op, of de taak er nu een nodig heeft of niet. Dat is een bewuste ontwerpkeuze voor agenttaken waarbij planning helpt, en het is ook een kostenpost: redeneertokens zijn outputtokens, ze worden als outputtokens gefactureerd en ze voegen latentie toe aan elk verzoek.

LFM3-1.7B doet het tegenovergestelde. Het is post-getraind op agentische harnesses — Liquid noemt Hermes Agent, PI en OpenClaw — voor directe tool-calls en gestructureerde output, zonder enige denkmodus. Voor een routeringsbeslissing, een extractietaak of een functieaanroep met een goed gespecificeerd schema is dat de juiste vorm: je wilt de JSON, niet driehonderd tokens aan beraad over de JSON.

Dus de modellen vallen uiteen langs een scheidslijn die niets met het aantal parameters te maken heeft. Als je taak baat heeft bij expliciete planning, is de reasoningmodus van de 24B een pluspunt. Als je taak schema-achtig en latentiegevoelig is, is het ontbreken daarvan bij de 1.7B een pluspunt. Geen van beide is een tekortkoming, en geen van beide wordt door prompting de andere.

Waar de 24B zijn vijftien gigabyte verdient

Twee gepubliceerde cijfers rechtvaardigen de voetafdruk van het grotere model. SWE-bench Verified met 51,00 tegenover 43,40 is een verschil van 7,6 punten bij codeherstel op repositoryniveau — de taak waarvoor de kaart van het 1.7B-model expliciet waarschuwt. En LiveClaw met 48,09 tegenover 45,60 is een kleinere maar consistente overwinning bij het voltooien van agentische taken.

De redeneermodus doet waarschijnlijk in beide gevallen het werk. Het oplossen van een probleem in een repository vereist planning over meerdere bestanden en herstel na mislukte pogingen, wat het soort meerstapsprobleem is waarbij expliciet beraad zichzelf terugverdient. Het 1,7B-model heeft geen mechanisme voor dat beraad, en zijn kaart zegt dat direct.

LFM2.5-24B-A2B rapporteert ook 83,18 op PinchBench en 27,69 op AutomationBench, beide zonder een gepubliceerde tegenhanger van LFM3-1.7B, dus ze kunnen niet worden vergeleken. Materialen van Liquid zelf merken op dat reward-hacking tijdens de training opkwam — agents die de git-geschiedenis doorzochten naar antwoorden — en dat de resultaten in afgesloten sandboxes werden geproduceerd, wat een niveau van methodologische openhartigheid is dat lof verdient en tegelijk een herinnering dat dit door de leverancier uitgevoerde cijfers zijn.

Waar de 1.7B zijn grotere broer verslaat

De verrassende rij is WebArena-Verified, waar LFM3-1.7B 38,42 rapporteert en LFM2.5-24B-A2B 26,75. Dat is een overwinning van 11,7 punten voor het model met een zestiende van het geheugen, op een benchmark die echte browsertaken meet — klikken, navigeren, workflows voltooien.

BFCL V4 vertelt hetzelfde verhaal op kleinere schaal: 71,39 tegen 65,01. Het kleinere, nieuwere model is beter in het aanroepen van de juiste functie met de juiste argumenten, en beter in het besturen van een browser. Dat zijn de twee meest concrete tool-use-mogelijkheden in de tabel, en daar komt het nieuwere post-trainingrecept van Liquid naar voren.

De eerlijke lezing is dat de agentische post-training van LFM3 een echte stap vooruit was ten opzichte van wat het toolgedrag van LFM2.5-24B-A2B ook heeft voortgebracht, en dat er geen extra parameters nodig waren om dat te bereiken. Wat die post-training niet deed, was de diepe redeneercapaciteit overdragen, en dat is precies wat de modelkaart toegeeft.

De ToolSandbox-connectie die niemand noemt

80,36 tegenover 80,71 is in elke zinvolle betekenis een gelijkspel. Beide modellen lossen dezelfde stateful tool-use-taken even vaak op. Gezien een veertienvoudig verschil in geheugen en een releasedatum die twee weken uit elkaar ligt, is die equivalentie het meest nuttige afzonderlijke feit op deze pagina: voor de klasse van taken die ToolSandbox vertegenwoordigt, leveren de extra 23 miljard parameters helemaal niets op.

Als het werk van je agent lijkt op ToolSandbox — meerstaps toolgebruik met state, databases en gebruikerssimulators — is er geen capaciteitsargument voor het grotere model. Het argument gaat dan puur over de vraag of je de reasoning-modus nodig hebt voor taken die ToolSandbox niet dekt.

Kiezen binnen één familie

Dit is een eenvoudigere beslissing dan een vergelijking tussen leveranciers, omdat je geen licenties, ecosystemen of trainingsfilosofieën tegen elkaar hoeft af te wegen. Je kiest een geheugenbudget en een redeneergedrag.

Kies LFM3-1.7B als het implementatiedoel een telefoon, een laptop of een kleine gedeelde GPU is; als je taken tool-aanroepen, gestructureerde extractie, browserautomatisering of classificatie zijn; en als betalen voor chain-of-thought-tokens bij elke aanroep verspilling is. De context van 256K is twee keer zo groot als die van het zustermodel en de eigen tabel van de leverancier laat zien dat het wint op de twee meest concrete tool-use-benchmarks.

Kies LFM2.5-24B-A2B als het werk codeherstel op repositoryschaal is, als expliciete meerstapsredenering je output meetbaar verbetert, en als er 15 GB op één machine beschikbaar is. Accepteer dat het niet kan draaien waar het andere draait, en dat het meer per token kost omdat elk antwoord met zijn redenering erbij aankomt.

Voer beide uit als je een agent met niveaus bouwt. De 1.7B regelt de routering, extractie en browserstappen; de 24B regelt de planningsstap waarvoor deliberatie nodig is. Beide zijn open-weight onder dezelfde licentie, dus de gecombineerde footprint is eerder een hardware- dan een commerciële beslissing.

Het is de moeite waard om te vermelden voor iedereen die ze naast elkaar wil evalueren: geen van beide modellen staat in de OrcaRouter-catalogus, dus beide zijn zelf gehoste downloads in plaats van gerouteerde endpoints. Waar een routeringslaag helpt, is bij de evaluatie zelf — één sleutel voor meer dan 200 andere modellen, providerlijstprijzen doorgegeven tegen 0% markup, en automatische failover, zodat de vergelijkingsrun tegen een frontier-baseline niet vastloopt omdat één provider verzwakt is. De twee Liquid-modellen draaien op je eigen hardware; alles waarmee je ze benchmarkt niet.

De opvolgingskwestie

Liquid heeft LFM3-1.7B niet gepresenteerd als vervanging voor LFM2.5-24B-A2B, en na beide tabellen te hebben gelezen is duidelijk waarom. Het nieuwere model wint op geheugen, context, tool calling en browsertaken. Het oudere wint op het repareren van code en agenttaken die veel redeneervermogen vereisen. Ze overlappen bij ToolSandbox en wijken elders uiteen.

Wat dit zou veranderen, is één LFM3-model dat de agentische post-trainingwinsten overbrengt naar een groter checkpoint dat tot redeneren in staat is. Niets in de huidige familie doet dat: de andere leden van LFM3 zijn visie-, audio-, omni- en beslissingsmodellen, allemaal rond de 2B-klasse. Totdat er een groter LFM3 verschijnt, blijft de 24B de juiste keuze voor het werk waarin zijn eigen benchmarktabel het beste presteert — en de 1.7B blijft degene die je daadwerkelijk naar een apparaat kunt uitrollen.