LFM3 vs Qwen3.8-27B: een 16× grootteverschil dat krimpt tot 9% bij het volgen van instructies

LFM3-1.7B heeft 1,73 miljard parameters. Qwen3.8-27B heeft er 27,78 miljard, plus een vision-encoder — 16,1 keer zoveel gewicht. Zet ze op dezelfde benchmarkregel en de rekensom weigert zich netjes te gedragen. Op IFBench, dat test of een model zich houdt aan beperkingen waarvoor het nooit is fine-getuned, is de kloof tussen beide minder dan negen procent. Op Terminal-Bench 2.1 is die 5,6 keer. Twee modellen, één vaststaand verschil in grootte, en een resultaat dat uiteenloopt van 'waarom zou je ooit voor de grote betalen' tot 'de kleine kan dit helemaal niet', afhankelijk van de regel die je leest.

Die omslag is de hele beslissing. Dit is geen verhaal over een klein model dat een groot model inhaalt, en het is geen verhaal over een groot model dat aan kleine klussen wordt verspild. Het is een verhaal over een taakgrens die heel consistent loopt tussen een instructie opvolgen en een plan uitvoeren — en over een licentievoorwaarde die stilletjes de prijsvergelijking herschikt voor iedereen die bij een bedrijf werkt boven een bepaalde omzetgrens.

Wat elk van deze werkelijk is

Liquid AI kondigde de LFM3-familie aan op 2026-10-27 — de dag voordat dit werd geschreven — als zes open-weight modellen van ongeveer 2B-klasse, afgetakt van een gedeelde LFM3-1.7B-Base-backbone. LFM3-1.7B is het tekstlid: een tri-hybride architectuur van 24 lagen (13 gated short convolutions, 5 sliding-window attention-lagen met een venster van 256 tokens en 6 full-attention-lagen), voorgetraind op 22 biljoen tokens met een laatste mid-training-pass van 3,5 biljoen tokens waarin agent-traces en tool calls zaten. De gewichten staan op Hugging Face, Ollama levert het als lfm3:latest bij een download van 1,7 GB, en de eigen model card van de leverancier raadt agentic coding of complexe meerstapsredeneringen af. Die laatste zin is belangrijker dan al het andere op de kaart, en we komen er nog op terug.

Qwen3.8-27B is niet nieuw. Alibaba publiceerde de gewichten in medio augustus 2026 onder Apache 2.0, en het model heeft tien weken de tijd gehad om downloads, quantisaties en echte gebruikerservaringen te verzamelen die een release van één dag oud simpelweg niet heeft. Het is een dense model van 27,78B, gebouwd op een zich herhalend blok van Gated DeltaNet- en Gated Attention-lagen, 64 lagen diep, met native beeld- en video-invoer en een context van 262.144 tokens die met YaRN uitbreidt tot 1M. Thinking staat standaard aan en is instelbaar via een reasoning-effort-instelling.

De eerlijke framing van deze combinatie is op een relevante manier asymmetrisch: het ene model heeft een benchmarktabel van de leverancier en geen veldrapporten, het andere heeft beide. Beschouw alles hieronder over LFM3-1.7B als een claim over de testsuite van Liquid AI, niet over jouw workload.

De specificatieregel waarop het kleine model niet verliest

Begin met de dimensies waar 16× de parameters helemaal niets oplevert, omdat er meer van zijn dan het grootteverschil doet vermoeden.

• Contextvenster — 262.144 tokens native op beide. LFM3-1.7B bereikt dit tijdens mid-training; Qwen3.8-27B wordt het native geleverd en breidt uit tot 1M met YaRN.

Talen — 16 opgegeven voor LFM3-1.7B (waaronder Engels, Chinees, Japans, Koreaans, Arabisch en Hindi); Qwen3.8-27B is breed getraind in talen, zonder dat er een aantal wordt genoemd.

• Modaliteit — tekst in, tekst uit voor LFM3-1.7B; tekst, afbeelding en video in, tekst uit voor Qwen3.8-27B. Dit is de enige plek waar de 27B een categorisch andere taak vervult in plaats van een grotere versie van dezelfde taak.

• Geheugen bij 4-bit — ongeveer 1 GB voor LFM3-1.7B tegenover ongeveer 14–16 GB voor Qwen3.8-27B.

• Geheugen bij BF16 — 3,46 GB tegenover ongeveer 56 GB, het verschil tussen een laptop en een multi-GPU-systeem.

• Licentie — LFM Open License v1.0 versus Apache 2.0. Houd dat even vast.

Een contextvenster van 256K aan beide zijden is het echt verrassende punt. Contextlengte is historisch gezien gekoppeld aan het aantal parameters, en hier biedt een model dat je in ongeveer een gigabyte kunt draaien hetzelfde nominale venster als een model dat een workstation wil. Het woord ‘nominaal’ draagt in die zin echt gewicht: een venster van 256K op een model van 1,7B is alleen nuttig als het model er dingen in kan vinden, en dat is precies wat de lange-contextrijen hieronder testen.

Waar 16× zoveel parameters negen procent oplevert

Liquid draaide een suite van 27 regels en publiceerde de volledige tabel, inclusief de kolommen waarin een concurrent wint. Beide modellen rapporteren IFBench, de zuiverste appels-met-appelsregel in de hele vergelijking, omdat het één benchmarkversie is die door beide leveranciers wordt gerapporteerd.

LFM3-1.7B scoort 73,03. Qwen3.8-27B scoort 79,5. Dat is 6,5 punten, minder dan negen procent van de score van het grotere model — op een model dat 16,1 keer kleiner is. Voor een workload die grotendeels neerkomt op "neem deze rommelige input, geef exact deze JSON-vorm uit, breek nooit het schema", is die kloof vrijwel ruis, en het deploymentverschil is één gigabyte tegenover zestien.

Liquid's eigen tabel maakt hetzelfde punt tegen een nabijere concurrent. Tegen Qwen3.5-9B — een model dat vijf keer zo groot is als LFM3-1.7B — wint het kleine model IFBench met 24 punten (73,03 tegen 48,84), IFStruct met 4,5 (93,72 tegen 89,20) en Multi-IF met 4,7 (89,10 tegen 84,44). Wat er verder ook waar moge zijn, instructiegetrouwheid is geen capaciteit die soepel meeschaalt met het aantal parameters, en een goed getrainde 1.7B kan een middelmatige 9B daarin verslaan.

De langecontextrijen zijn dubbelzinniger en verdienen het ronduit te worden gezegd in plaats van afgerond in het voordeel van Liquid. Op AA-LCR noteert LFM3-1.7B 52,83 — een echte score voor zijn formaat, en ongeveer gelijk aan Qwen3.5-4B's 52,67. Op RULER 128K scoort het 65,56, ruim voor MiniCPM5-2B's 37,96 maar ver achter Qwen3.5-9B's 87,11. Het venster van 256K is dus niet decoratief, maar het is ook niet gelijk aan dat van een groter model. Qwen3.8-27B komt helemaal niet in die tabel voor, wat betekent dat er geen vergelijkbaar langecontextgetal is voor deze specifieke combinatie — alleen een sterke prior dat een 27B met native 262K een 1.7B met hetzelfde nominale venster zal verslaan.

Waar 16× zoveel parameters vijfeneenhalf keer zoveel oplevert

Nu de rijen waar de modelkaart voor waarschuwde. Elk van deze is een benchmarkversie die beide leveranciers rapporteren, dus er vindt geen aftrekking plaats tussen versies.

• Terminal-Bench 2.1 — 12,92 voor LFM3-1.7B tegenover 73,0 voor Qwen3.8-27B. Een verschil van 5,6×.

• Humanity's Last Exam, geen hulpmiddelen — 7,17 tegenover 30,8. Een verschil van 4,3×.

• GPQA Diamond — 63,37 tegen 89,2. Een verschil van 1,4×.

• LiveCodeBench v6 — 73,46 tegenover 90,3. Een verschil van 1,2×.

De volgorde van die lijst is de bevinding. Het gat is het kleinst bij single-shot codegeneratie, waar LFM3-1.7B ongeveer 19% onder een model scoort dat zestien keer zo groot is. Het is het grootst op Terminal-Bench, waar de taak niet "code schrijven" is, maar "een machine over vele stappen bedienen, van je eigen fouten herstellen en stoppen wanneer het werk klaar is." Dat is precies het vermogen waarvan de eigen kaart van Liquid zegt dat het model het mist, en de cijfers stemmen met de kaart overeen. Bij GPQA en HLE is het gat kennis, wat hier het minst verrassende resultaat is — een 1,7B-model dat op 22T tokens is getraind, heeft eenvoudigweg minder gezien dan een 27B-model dat op meer is getraind, en geen enkele hoeveelheid architectuur compenseert dat.

Er is één rij die de andere kant op wijst, en dat is het meest interessante getal op beide kaarten. Op de publieke split van AA-Omniscience noteert LFM3-1.7B een nauwkeurigheid van 7,07 en 92,93 non-hallucinatie. Dat paar betekent dat het model meestal weigert te antwoorden in plaats van verkeerd te antwoorden. Het is het hoogste non-hallucinatiecijfer in Liquid's eigen vergelijkingstabel, hoger dan elk groter model dat erin staat. De 30,8 van Qwen3.8-27B op HLE is de tegenovergestelde houding: het weet meer en legt zich daarop vast.

Als de faalmodus van je pijplijn is dat een zelfverzekerde verkeerde waarde in een database belandt, dan is een model dat zich 93% van de tijd onthoudt een pluspunt, en is het nauwkeurigheidsplafond de prijs. Als de faalmodus van je pijplijn een null is waar een waarde zou moeten staan, dan is datzelfde gedrag de bug. Dit is het scherpste punt waar deze vergelijking op draait, en geen enkele geaggregeerde score vangt het.

Drie getallen die je niet mag aftrekken

Head-to-headpagina's over deze combinatie zullen in de verleiding komen om elke benchmark op te sommen die de twee leveranciers publiceren. Drie van die regels doorstaan de confrontatie met de methodologie niet.

SWE-bench. Liquid rapporteert LFM3-1.7B op 43,40 op SWE-bench Verified met de OpenCode-harness. Alibaba rapporteert Qwen3.8-27B op 61,7 op SWE-bench Pro. Andere benchmark, andere harness, andere taakverdeling. Het verschil van 18 punten tussen die twee getallen is geen meting van iets. Als je een ruw beeld van de kloof wilt, gebruik Terminal-Bench 2.1, waar beide dezelfde versie rapporteren.

Elke geaggregeerde index.Artificial Analysis geeft Qwen3.8-27B een score van 33,7 op zijn Intelligence Index bij de redeneerinstelling xhigh. Op 2026-10-28 is er helemaal geen LFM3-vermelding op Artificial Analysis. Een release van één dag oud is niet door een onafhankelijke evaluatie gegaan, en de eerlijke constatering is dat LFM3-1.7B nul onafhankelijk gereproduceerde cijfers heeft. Elk cijfer dat er in dit artikel aan wordt toegeschreven — en deze week overal elders — is afkomstig uit Liquid AI's eigen testsuite op de door Liquid AI gekozen benchmarks.

Instellingen voor reasoning-effort. De gepubliceerde scores van Qwen3.8-27B verschillen aanzienlijk tussen de modi low, medium, xhigh en non-reasoning; de index van 33,7 is het xhigh-getal, en het non-reasoning-cijfer ligt wezenlijk lager. Elke vergelijking die een Qwen-getal naast een LFM3-getal zet zonder de effort-instelling te noemen, vergelijkt een delibererend model met een snel model en noemt het verschil architectuur.

Wat dit zou beslechten, is eenvoudig: een onafhankelijke run van LFM3-1.7B op dezelfde harnesses, bij een vermelde effort-instelling, idealiter nadat de community een paar weken met de gewichten heeft kunnen werken. Tot dan is de eerlijke samenvatting dat het door de leverancier gerapporteerde verschil bij instructieopvolging klein is en het door de leverancier gerapporteerde verschil bij uitvoering van meerdere stappen groot, en dat beide claims van dezelfde belanghebbende partij afkomstig zijn.

De licentie is het werkelijke prijskaartje

Hier is het deel dat de gebruikelijke conclusie van een vergelijking tussen klein en groot omkeert.

LFM3-1.7B wordt uitgebracht onder de LFM Open License v1.0. De gewichten zijn gratis te downloaden en gratis te gebruiken, en commercieel gebruik is uitgesloten voor entiteiten met een jaaromzet van $10 miljoen of meer. Qwen3.8-27B wordt uitgebracht onder Apache 2.0, zonder omzetdrempel, zonder beperking op het gebruiksgebied en zonder aparte overeenkomst.

Dus voor een startup met twee mensen is de rekensom duidelijk: een model dat in een gigabyte past, niets per token kost en draait op hardware die je al bezit, is bijna een gratis lunch. Voor een bedrijf dat meer dan $10 miljoen omzet heeft — dat wil zeggen, de meeste bedrijven met een productie-inferentiebudget dat de moeite van het optimaliseren waard is — is het goedkope model niet gratis, en het dure is ondubbelzinnig gelicentieerd. Het model dat eruitziet als de budgetoptie, is degene met het juridische gesprek eraan vast.

Dat is geen argument tegen LFM3-1.7B. Het is een argument om de licentie te lezen voordat je de benchmarktabel leest, want de licentie bepaalt of de benchmarktabel zelfs voor je beschikbaar is.

Wat er nodig is om elk ervan daadwerkelijk te draaien

LFM3-1.7B is een installatie van één regel. Het staat in de Ollama-bibliotheek als lfm3:latest en lfm3:1.7b, beide een download van 1,7 GB met een opgegeven contextvenster van 256K, en het draait in Transformers met fine-tuning op één GPU. De Hugging Face-release bevat notebooks voor SFT, DPO en GRPO, inclusief een uitgewerkt voorbeeld van het trainen van het model om de juiste tool uit 108 te kiezen in een telefoonapp. Als je doel een kleine, gespecialiseerde, fijn afgestemde extractor is die op dezelfde machine staat als de data, dan is dit echt een kort traject van download tot inzet.

Qwen3.8-27B is een ander soort project. Met ongeveer 56 GB in BF16 vraagt het om een machine met meerdere GPU's of agressieve kwantisatie; in 4-bit past het in 14–16 GB, wat neerkomt op één high-end GPU of een goed uitgeruste laptop, waarbij de KV-cache het werkelijke geheugengebruik nog verder opdrijft. Het draait in Transformers, vLLM, SGLang en TokenSpeed. Als je die hardware niet zelf wilt bezitten, is het gehost beschikbaar — op OrcaRouter wordt het aangeboden door twee upstreamproviders, tegen $0.33 per miljoen inputtokens en $2.40 per miljoen outputtokens bij de eerste, en $0.40 / $4.21 bij de tweede.

Dat prijsverschil tussen twee providers is het waard om bij stil te staan, want dat is het soort ding dat alleen opduikt wanneer je naar een live catalogus kijkt in plaats van naar een persbericht. Dezelfde weights, hetzelfde contextvenster, ongeveer 75% duurder qua output bij de tweede provider. OrcaRouter geeft de lijstprijs van de provider door met 0% markup, dus beide prijzen zijn naast elkaar zichtbaar, en automatische failover betekent dat een hapering bij een provider wordt omzeild in plaats van zichtbaar te worden voor je gebruikers. Als je Qwen3.8-27B evalueert als de escalatieroute voor een pipeline die begint met een klein model, is dat het onderdeel dat je achter één sleutel zou zetten.

Om expliciet te zijn over de andere helft: OrcaRouter serveert LFM3-1.7B niet. Het is een download van gewichten, en het draaien ervan is je eigen endpoint op je eigen hardware. De reden om ons überhaupt in dit artikel te vermelden is de escalatie-etappe, niet het kleine model.

Wie moet welke kiezen

De beslissing hangt niet echt af van de benchmarktabel. Ze hangt af van twee vragen die je kunt beantwoorden voordat je iets uitvoert.

Kies LFM3-1.7B als het werk single-turn en schemagebonden is — extractie, classificatie, routering, gestructureerde output, toolselectie op het apparaat — en de data het apparaat niet kunnen verlaten. Het is ook de juiste keuze als je van plan bent te fine-tunen, want een 1.7B-model met een inbegrepen SFT/DPO/GRPO-traject en een budget voor één GPU is een weekendproject in plaats van een kwartaal. Het 256K-venster, de 16 talen en het onthoudingsgedrag wijzen allemaal op hetzelfde gebruiksscenario: een nauw afgebakende, hoogvolumige, privacygevoelige component waarbij een fout antwoord erger is dan geen antwoord, en waarbij je bedrijf onder de omzetlijn zit.

Kies Qwen3.8-27B als het model moet plannen. Agents met meerdere stappen, terminalwerk, langdurig codeerwerk, alles waarbij het model van zijn eigen fouten moet herstellen over een tiental tool-aanroepen — het Terminal-Bench-verschil van 5,6× is geen afstemmingsprobleem, het is de modelkaart die je de waarheid vertelt. Het is ook de juiste keuze wanneer je kennis nodig hebt in plaats van opmaak, wanneer je vision- of video-invoer nodig hebt, en wanneer Apache 2.0 een vereiste is in plaats van een voorkeur.

En kies beide als het eerlijke antwoord is dat je pipeline uit twee helften bestaat. Het patroon dat bij deze combinatie past, is een goedkope, lokale, aan een schema gebonden eerste pass met een escalatiepad naar de 27B wanneer de eerste pass weigert — precies het signaal waarvoor een model dat 93% van de tijd abstineert, is gebouwd. Die architectuur gebruikt de beste rij van elk model en de slechtste rij van geen van beide modellen.

Wat zou dit antwoord veranderen?

Twee dingen, en beide zijn de moeite waard om in de gaten te houden in plaats van er maar naar te gissen.

Het eerste is een onafhankelijke evaluatie van LFM3-1.7B. Elke capaciteitsbewering hierboven berust op Liquid AI's eigen suite, en de Base-checkpoint in deze familie werd helemaal zonder benchmarktabel geleverd — wat duidelijk maakt dat de cijfers van de familie een post-trainingverhaal zijn, geen architectuurverhaal. Een neutrale run op IFBench en Terminal-Bench zou de splitsing die dit artikel beschrijft ofwel bevestigen ofwel tenietdoen.

De tweede vraag is of Liquid op deze backbone een groter tekstmodel uitbrengt. De hele vergelijking wordt gekaderd door een parameterkloof van 16×, en het resultaat op instructievolgen suggereert dat het trainingsrecept meer werk verzet dan het aantal parameters. Als er een middelgroot LFM3-model verschijnt, is de interessante vraag niet langer "kan een 1.7B-model instructies volgen" — dat kan het al — maar "wat doet dit recept met vier miljard parameters."

Totdat een van die dingen gebeurt, is de nuttige samenvatting smaller dan een scorebord: LFM3-1.7B is een echt goede instructievolger die niet kan plannen, en Qwen3.8-27B is een echt goede planner met een licentie waarop je een bedrijf kunt bouwen. Kiezen tussen hen is geen benchmarkvraag. Het is een vraag over welke van die twee zinnen je werklast beschrijft.