Sakana Namazu vs LFM2.5-2.6B-Base: De echte prijs van gratis gewichten

LFM2.5-2.6B-Base kost $0,00 om te downloaden. Sakana Namazu kost $0,95 per miljoen invoertokens en $4,00 per miljoen uitvoertokens. Lees je die twee prijskaartjes, dan zou je concluderen dat de vergelijking voorbij is voordat hij begint — maar het werkelijke prijsverschil werkt de andere kant op. LFM2.5-2.6B-Base, Liquid AI's voorgetrainde checkpoint met 2,69 miljard parameters, uitgebracht op Hugging Face op 4 augustus 2026, is geen product: geen enkele inferentieprovider host het, het heeft nul gepubliceerde evaluaties, en zijn eigen kaart noemt het materiaal voor fine-tuning. Sakana Namazu is daarentegen een afgewerkte, aangeboden, volwaardig uitgeruste API. De vraag is wat je daadwerkelijk bereid bent te betalen — in geld, of in werk.

Wat elk daadwerkelijk is

Sakana Namazu is een na-getrainde Kimi K2.6, afgestemd op Japanse zakentaal, verpakt in een OpenAI-compatibele API met ingebouwde webzoekopdracht en code-uitvoering. Je verandert een base_url, stelt een sleutel in, en het werkt. LFM2.5-2.6B-Base is het ruwe pre-trainingscheckpoint achter Liquid's LFM2.5-2.6B-familie — het materiaal waaruit de na-getrainde, agentische tegenhanger is opgebouwd. Liquid's eigen modelkaart vermeldt expliciet dat de base bedoeld is voor zware fine-tuning, en de benchmarktabel hoort bij de na-getrainde versie, niet bij deze.

Het specificatieblad

• Prijs — Sakana Namazu $0,95 / $4,00 per 1M tokens vs LFM2.5-2.6B-Base $0 om te downloaden, alles zelf regelen

• Omvang — Namazu erft Kimi K2.6's 1T / 32B-actieve MoE vs LFM2.5-2.6B-Base 2.69B dense hybride (22 conv-blokken + 8 aandachtslagen)

• Context — Namazu niet bekendgemaakt vs LFM2.5-2.6B-Base 128K tokens (131.072 per configuratie)

• Hosting — Namazu geserveerd door Sakana versus LFM-basis gehost door niemand — jij bouwt de serving-stack

• Evaluaties — door leverancier gerapporteerde Namazu-scores versus gepubliceerde LFM-basisnulscores

• Taal — Namazu, afgestemd op Japans zakelijk gebruik, vs LFM-basis meertalig (16 talen, 128K-token woordenschat)

De totale kosten uitrekenen

"Gratis gewichten" is een echte prijs, alleen uitgedrukt in arbeid. Om LFM2.5-2.6B-Base een klus te laten doen heb je nodig: een fine-tuning-run (Liquid's eigen berekening — ruwweg $10 aan tokens voor een gesuperviseerde set van 100K voorbeelden, ongeveer $100 voor 1M voorbeelden), een inference-stack (vLLM, SGLang, of llama.cpp op een apparaat dat je zelf bezit), en doorlopende serving. De beloning is dat de meter stopt: na de build is elke token gratis, waardoor de base de onbetwiste winnaar is voor altijd actieve, latentietolerante workloads met een hoog volume. Namazu's meter stopt nooit, maar start wel meteen — geen trainingsrun, geen GPU, geen ops. Voor een eenmalige integratie, of een workload waarin de tijd van je team de dure post is, is het "gratis" model het dure.

Licenties die binden

De kleine lettertjes werken ook tegen het gratis model. LFM2.5-2.6B-Base wordt geleverd onder de LFM Open License v1.0, die commercieel gebruik beperkt tot $10 miljoen aan jaarlijkse omzet — en die limiet geldt ook voor afgeleide werken, wat betekent dat jouw fine-tune hem erft. Overschrijd je de drempel, dan ben je Liquid een commerciële licentie verschuldigd. Sakana Namazu kent zo'n limiet niet, maar is gesloten, en de standaardinstellingen voor gegevensverwerking (trainen op jouw invoer tenzij je je afmeldt, geen gegarandeerde verwerking in Japan) zijn de prijs van het hosted gemak. Geen van beide is gratis in de zin die het etiket suggereert.

De agentenkloof

Het scherpste verschil is waarvoor de twee modellen dienen. LFM2.5-2.6B-Base is een basis — het ruwe substraat waarvan Liquid's post-getrainde agentische model is afgeleid. Het is geen agent; het is niet eens een instructmodel. Sakana Namazu is een agentisch product: ingebouwde webzoekopdracht, code-uitvoering en een aangetoonde zelfsturende lus (Sakana's demo laat het een marktonderzoeksrapport plannen, zoeken, kruislings controleren en onbeheerd schrijven). Als de taak is "een 2.6B-model draaien dat je hebt afgestemd voor één smalle, hoogvolume-taak", wint de basis. Als de taak is "een agent kenniswerk laten doen", is Namazu de enige van de twee die met gereedschap verschijnt.

Dus welke is goedkoper?

Het eerlijke antwoord is dat de twee geen vervanging van elkaar zijn — de basis is een component, en Namazu is een product — dus de echte beslissing is wat je stack als volgende nodig heeft. In de praktijk bestaat het ene niet zonder het andere: een fijn afgestelde 2.6B-specialist komt uiteindelijk naast een generalistisch agentmodel te staan, en een routinglaag is hoe je die multi-model werkelijkheid beheersbaar houdt. OrcaRouter's modelfusie en routing-DSL laten je verschillende modellen combineren in één aanroep — het pragmatische middenpad tussen 'zelf een 2.6B-checkpoint draaien' en 'de API van één leverancier kopen' — en omdat we leveranciersprijzen zonder opslag doorrekenen, blijven de kosten voorspelbaar terwijl de mix verandert. Begin met Sakana Namazu als je vandaag een werkende Japanse zakelijke agent wilt; begin met LFM2.5-2.6B-Base als je bereid bent het product zelf te bouwen en de bouwkosten te spreiden over miljarden gratis tokens.