LFM3-1.7B vs Qwen3.8-Flash: wanneer er geen scorebord is om te vergelijken

Tien miljoen tokens per maand, verdeeld 70/30 tussen input en output, kost $2,46 bij Qwen3.8-Flash tegen Alibaba's lijstprijs van $0,15 en $0,47 per miljoen. Hetzelfde volume op LFM3-1.7B kost ongeveer $1,16, als het gemelde gehoste tarief van $0,08 en $0,20 standhoudt — en helemaal niets per token als je het zelf host, omdat de gewichten open zijn en de LFM Open License geen royalty vraagt onder de $10 miljoen omzet. Dat is een 2× verschil op de meter tussen twee modellen waarvan niemand op dit moment de relatieve kwaliteit kan vaststellen. Daardoor gaat deze vergelijking minder over benchmarks dan de meeste vergelijkingspagina's, en meer over welke vorm van deployment je koopt.

De twee modellen kunnen nauwelijks meer van elkaar verschillen. LFM3-1.7B is een 1,73B dense tri-hybride die Liquid AI op 27 oktober 2026 uitbracht om een gespecialiseerde taak uit te voeren op de hardware die je voor je hebt. Qwen3.8-Flash is Alibaba's sparse mixture-of-experts, met ongeveer 6B actieve parameters per token uit een veel grotere pool, en wordt in augustus 2026 geleverd als een gehoste tier met een venster van 1M tokens en invoer van afbeeldingen en video. Ze vergelijken op een intelligentiescore is als een bestelbus vergelijken met een goederentrein: de nuttige vraag is wat je verplaatst en hoe ver.

Twee architecturen die zijn geoptimaliseerd voor tegengestelde beperkingen

De 24 lagen van LFM3-1.7B combineren 13 gegate korte convoluties, 5 sliding-window-attentielagen met een venster van 256 tokens en 6 globale attentielagen. Convoluties zijn goedkoop en parallel; een dunne strook globale aandacht houdt de volledige context van 256K bereikbaar. Het resultaat is een 128K-KV-cache van 1,6 GB en een model dat bij 4-bit in ongeveer 1 GB past. Liquid trainde het op 22 biljoen pretrainingstokens en daarna op 3,5 biljoen midtrainingstokens, zwaar gericht op agentische traces en toolaanroepen.

Qwen3.8-Flash slaat de andere weg in. Sparse activatie betekent dat er per token een grote parameterpool bereikbaar is zonder dat je voor alles betaalt, en zo krijgt Alibaba een native context van 262K die uitbreidbaar is tot 1M op een model dat in dezelfde prijsklasse zit als veel kleinere dense modellen. Het neemt tekst, beeld en video op en geeft tekst terug, ondersteunt tool calls en JSON-output, en wordt expliciet gepositioneerd als een architecturale voorproef van de Qwen4-lijn.

• Actieve parameters — LFM3-1.7B 1,73B dense vs Qwen3.8-Flash ongeveer 6B per token in een sparse MoE.

• Context — 256K open weights, 128K op Liquid's gehoste API vs 262K native, 1M op de gehoste tier.

• Maximale uitvoer — niet apart gespecificeerd voor LFM3 versus 131K voor Qwen3.8-Flash.

• Modaliteiten in — alleen tekst vs. tekst, afbeelding en video.

• Waar het draait — op je eigen apparaat, met een 4-bit voetafdruk van 1 GB versus Alibaba's servers.

• Gewichten — open onder LFM Open License v1.0 versus alleen gehost, geen open checkpoint voor deze SKU.

Die laatste rij is degene die al het andere in een nieuw perspectief plaatst. Qwen3.8-Flash is geen model dat je bezit. Er is een open-weight zustermodel, Qwen3.8-Flash-Next, onder een communitylicentie, maar het is een ander checkpoint met andere scores en het is niet wat het tarief van $0.15 oplevert. LFM3-1.7B is een bestand dat je downloadt. Een van deze kan air-gapped worden gebruikt, worden geaudit en op je eigen data worden fijn-afgesteld; de andere niet.

Het scorebord dat aan de ene kant ontbreekt en aan de andere kant tegenstrijdig is

Dit is het ongemakkelijke deel. Per 28 oktober 2026 heeft LFM3-1.7B geen vermelding bij Artificial Analysis — geen Intelligence Index, geen onafhankelijk gemeten outputsnelheid, geen neutrale latencywaarde. Elk prestatiecijfer dat eraan is gekoppeld, komt uit Liquid's eigen tabel met 27 benchmarks, waar het gemiddeld 49,37 scoort en Liquid's eigen LFM2.5-2.6B met ruime marge verslaat. Door de leverancier gerapporteerd, niet gereproduceerd.

Qwen3.8-Flash heeft wel degelijk een vermelding bij Artificial Analysis, en het lezen ervan is leerzaam om de verkeerde reden. De live vergelijkingspagina's tonen het op een Index van 40. Meerdere secundaire artikelen, waaronder reviews en regionale pers, melden hetzelfde model op 56. Ook de cijfers voor de uitvoersnelheid lopen uiteen: in verschillende bronnen verschijnen waarden van iets boven de 50 tot iets boven de 80 tokens per seconde. We gaan er niet één uitpikken en als feit presenteren, want de twee getallen kunnen niet allebei dezelfde evaluatierun beschrijven en het verschil is groot genoeg om een inkoopbeslissing te veranderen.

De praktische consequentie is dat geen van beide modellen met ook maar enig vertrouwen op kwaliteit tegen het andere kan worden afgezet. De ene kant heeft een getal dat met zestien punten verschuift, afhankelijk van waar je het leest; de andere kant heeft geen onafhankelijk getal om te laten verschuiven. Iedereen die je op basis van deze inputs een oordeel geeft over "welke slimmer is", verzint het. Wat wel kan worden vergeleken, is al het andere: wat het model kost, waar het draait, hoe snel het antwoordt, en wat er gebeurt als het faalt.

De meter, werkte.

Kosten zijn de as waarop beide kanten daadwerkelijk meetbaar zijn, dus die verdient meer dan een lijst per token.

• Qwen3.8-Flash lijstprijs — $0,15 per miljoen invoer, $0,47 per miljoen uitvoer, cache-lezen $0,018, cache-schrijven $0,230.

• LFM3-1.7B gehost — gerapporteerd tegen $0,08 voor invoer en $0,20 voor uitvoer per miljoen, niet gepubliceerd op Liquid's eigen tariefkaart.

• LFM3-1.7B self-hosted — geen kosten per token; de LFM Open License is royaltyvrij onder $10 miljoen jaarlijkse omzet.

Bij 10 miljoen tokens per maand met een 70/30-verdeling factureert Qwen3.8-Flash $2,46. Schakel promptcaching in op een stabiele systeemprompt en dat daalt naar ongeveer $2,00, omdat het lezen uit cache ongeveer een achtste kost van verse invoer. LFM3-1.7B factureert tegen het gerapporteerde tarief ongeveer $1,16 voor hetzelfde volume, en self-hosting kost nul per token met daarbovenop een vaste machinekost.

Schaal het nu op. Bij een miljard tokens per maand is het verschil $246 tegenover $116 — nog steeds klein in absolute termen, en dat is precies het punt dat in dit soort vergelijkingen meestal verloren gaat. Het verschil per token tussen een goedkope gehoste variant en een goedkoop zelfgehost model is ruis voor de meeste teams. De kosten die echt domineren zijn engineeringtijd: een gehost model is een HTTP-aanroep, en een zelfgehost model is een deployment, een kwantisatiekeuze, een serveerstack en een on-callrooster. Het 2× prijsvoordeel van LFM3 moet dat waard zijn. Voor een 2B-model op een telefoon of een edge-apparaat is dat duidelijk wel het geval — er is helemaal geen gehost alternatief dat op het apparaat draait. Voor een backendservice die classificatieaanroepen afhandelt, meestal niet.

Hoe snel elk ervan antwoordt, met echte cijfers aan één kant

Dit is waar onze eigen data beter is dan die van de leverancier. OrcaRouter routeert Qwen3.8-Flash, en over de afgelopen zeven dagen laat onze telemetrie bij de providers die het aanbieden een p50-tijd tot het eerste token van 4,82 seconden zien, een p95 van 10,00 seconden, een outputsnelheid van 155 tokens per seconde en een foutpercentage van 3,3% over 883,7 miljoen tokens. Dat zijn geaggregeerde cijfers uit een routeringslaag in plaats van een labtest op één endpoint, waardoor de doorvoer hoger uitvalt dan de cijfers in de lage 50 die elders zijn gepubliceerd: het verzoek komt terecht waar capaciteit beschikbaar is.

De p50 van 4,82 seconden is het getal om bij stil te staan. Voor een chatinterface is dat prima. Voor een agent die vijftien opeenvolgende calls doet, is het een minuut wachten voordat er ook maar iets gebeurt, en geen enkele hoeveelheid tokens per seconde lost dat op. Hoge first-tokenlatentie bij een groot sparse model is de verborgen kostenpost van de goedkope tier, en het is de reden dat sommige teams korte, latentiekritieke beurten naar iets kleiners routeren.

Voor LFM3-1.7B bestaat geen equivalente meting. De snelheidsclaim van Liquid is dat het bij Q4_0 en een context van 32K 1,8× tot 2,8× sneller was dan het volgende model op drie testapparaten met het laagste geheugengebruik, en dat één NVIDIA B300 met SGLang in BF16 3,6 miljard tokens per dag serveerde bij 1.024 gelijktijdige verzoeken. Dat zijn respectievelijk cijfers op het apparaat zelf en voor één node; geen van beide valt te herleiden tot "wat wordt mijn p50 vanuit Frankfurt". Snelheid is de as waarop de zaak van LFM3 in principe het sterkst is en in de praktijk het minst verifieerbaar.

Waar elk van hen daadwerkelijk wint

LFM3-1.7B wint op het gebied van controle en kosten aan de edge. Open weights betekenen dat je het op één GPU kunt fine-tunen, de versie kunt bevriezen, het zonder netwerk kunt draaien en de data op het apparaat kunt houden. De cijfers voor instructieopvolging zijn het opvallendste onderdeel van Liquid's tabel — IFEval 96,66, IFStruct 93,72, Multi-IF 89,10 — en de rijen voor tool-calling zijn respectabel voor deze omvang, met BFCL V4 op 71,39 en ToolSandbox op 80,36. De zwakke rijen zijn even duidelijk: Terminal-Bench 2.1 op 12,92 en SWE-bench Multilingual op 23,00 geven aan dat dit geen autonoom codeermodel is, en Liquid's eigen modelkaart zegt dat ook.

Qwen3.8-Flash wint op bereik. Een venster van 1M tokens met beeld- en video-invoer is een capaciteit die LFM3 in geen enkele vorm heeft: het tekstmodel accepteert helemaal geen afbeeldingen, de visievariant publiceert geen contextvenster en het venster van de omni-variant is niet gedocumenteerd. Voor een workload die een lang contract, een reeks screenshots of een uur aan frames verwerkt, eindigt de vergelijking onmiddellijk. Het wint ook op operationele eenvoud: één endpoint, geen GPU, geen deployment.

Beide routeren, en dat is precies het punt.

Qwen3.8-Flash staat in de OrcaRouter-catalogus en LFM3-1.7B niet. Die zin is de volledige, eerlijke versie van deze sectie. We routeren het gehoste model tegen de lijstprijs van de provider met 0% opslag, dus de $0,15 en $0,47 van Alibaba zijn wat je betaalt, en een prijswijziging van de leverancier bereikt je dezelfde dag in plaats van bij de volgende contractvernieuwing. LFM3 draai je zelf of roep je aan via Liquid's eigen API; we gaan geen hostingrelatie suggereren die niet bestaat.

De reden dat routing in deze specifieke combinatie uitmaakt, is dat de twee modellen in verschillende faalmodi opereren. Qwen3.8-Flash faalt door traag en duur te zijn op de beurten die geen 1M tokens aan context nodig hadden. LFM3 faalt doordat de redeneerdiepte opraakt op de beurten die dat wel deden. Een pipeline die elk verzoek naar een van beide stuurt, is op een voorspelbare manier verkeerd. Met de routing DSL kun je extractie-, classificatie- en korte tool-calling-beurten naar het kleine lokale model sturen, langdocument- en multimodaal werk op de gehoste tier houden, en automatische failover de gevallen laten afdekken waarin het kleine model iets misvormds teruggeeft — wat bij een niet-geverifieerde 1.7B de realistische zorg is.

Dat is ook de goedkoopste manier om erachter te komen of LFM3 het vertrouwen verdient dat de lanceringstabel ervan vraagt. Draai het op het verkeer dat je al begrijpt, achter een fallback, en vergelijk de beslissingen ervan met die van het gehoste model op dezelfde invoer. Het percentage meningsverschillen is een beter kwaliteitssignaal dan welke leveranciersbenchmark dan ook, omdat het op jouw data wordt gemeten.

De beslissing, zonder een nepvonnis

Kies Qwen3.8-Flash als het werk lange documenten, afbeeldingen of video omvat, als je één endpoint en geen infrastructuur nodig hebt, of als een p50 voor het eerste token van bijna vijf seconden acceptabel is. De kwaliteit ervan is onzeker, maar op zijn minst meetbaar door iemand anders dan de maker, en de context van 1M is niet iets wat een 1.7B-model kan vervangen.

Kies LFM3-1.7B als het model op een apparaat moet draaien, als de gegevens je netwerk niet mogen verlaten, als je van plan bent te fine-tunen, of als je werklast bestaat uit korte beurten voor instructieopvolging en tool-calling waarin een 2B-model van 1 GB echt voldoende is. Accepteer dat je Liquid's benchmarktabel op vertrouwen aanneemt en dat de eerste maand meer meten zal vergen dan een gehost model zou vragen.

Wat je niet moet doen, is tussen hen kiezen op basis van intelligentie. De ene heeft geen onafhankelijke score, de andere heeft een score die 40 of 56 aangeeft, afhankelijk van welke pagina je opent, en de kloof van zestien punten tussen die twee lezingen is groter dan het hele kwaliteitsverschil dat een van beide leveranciers je probeert aan te praten. Kosten, context, modaliteit en lokaliteit zijn vaststaande feiten. Kwaliteit niet, en een vergelijking die doet alsof dat anders is, is niets meer dan een lanceringstabel waarvan de naam van de leverancier is weggevijld.