UserRepGen-4B vs LFM2.5 2.6B Base: De grondstof en het afgewerkte onderdeel

De snelste manier om te zien wat microsoft/UserRepGen-4B onderscheidt van LFM2.5-2.6B-Base is het tellen van de formaten. De checkpoint van Liquid AI met 2,69 miljard parameters komt in vier varianten — native Transformers-gewichten, GGUF voor llama.cpp, ONNX voor platformonafhankelijke runtimes, en MLX voor Apple Silicon — omdat die bedoeld is om door anderen te worden aangepast en ingezet. Microsofts UserRepGen-4B komt op één manier: één enkel niet-gekwantiseerd bfloat16-safetensorsbestand van 9.078.620.536 bytes, met een modelkaart die ronduit stelt dat "er momenteel geen geoptimaliseerde of apparaatspecifieke formaten beschikbaar zijn." Het ene is grondstof. Het andere is een afgewerkt onderdeel. Het zijn geen concurrenten; het zijn twee opeenvolgende fasen van dezelfde taak, en ze naast elkaar zetten is de duidelijkste manier om te zien wat er werkelijk verandert tussen het starten van een fine-tune en het opleveren ervan.

De twee posities in de stapel

LFM2.5-2.6B-Base is het vooraf getrainde checkpoint onder de LFM2.5-familie van Liquid AI — het model waarop alle post-getrainde varianten zijn gebouwd. Het is bewust nooit op instructies afgestemd. De eigen modelkaart beveelt het alleen aan voor "taken die zware fine-tuning vereisen, zoals taalspecifieke (bijv. Japanse) of domeinspecifieke (bijv. medische) assistenten, trainen op propriëtaire data, of experimenteren met nieuwe benaderingen voor post-training." Stel het een vraag, en het zal je tekst voortzetten in plaats van de vraag te beantwoorden, want antwoorden maakte nooit deel uit van zijn training.

UserRepGen-4B is hoe de volgende stap eruitziet. Microsoft nam Qwen3.5-4B, voegde een LoRA met rang 64 toe, trainde het met online gesuperviseerde fine-tuning via hindsight-distillatie gedurende juli en augustus 2026, en publiceerde het resultaat op 14 oktober zonder aankondiging en zonder paper. Het doet precies één ding — leest een gesprek met meerdere beurten en schrijft een JSON-beschrijving met twee velden van de gebruiker erin — en het doet niets anders.

Dus de eerlijke manier om het te stellen is niet "wat is beter". Het is: een van deze twee is het ding dat je fine-tunet, en het andere is wat een lab heeft gemaakt door iets anders te fine-tunen.

Wat de download je eigenlijk oplevert

• Parameters en voetafdruk — LFM2.5-2.6B-Base heeft 2,69 miljard parameters in een hybride architectuur; UserRepGen-4B is een model uit de 4B-klasse waarvan het gepubliceerde gewichtsbestand ongeveer 9,1 GB groot is in bfloat16, en er is geen kleinere versie beschikbaar.

• Context — 131.072 tokens op het Liquid-checkpoint, tegenover een trainingssequentie van 9.216 tokens op het Microsoft-checkpoint (8.192 prompt, 1.024 completion), waarbij uitgebreid gebruik expliciet niet wordt ondersteund.

• Indelingen — GGUF, ONNX en MLX naast native gewichten, tegenover één safetensors-bestand.

• Licentie — de LFM Open License (lfm1.0) aan de ene kant, MIT plus een overgenomen Apache 2.0 aan de andere. Beide zijn permissief genoeg om op voort te bouwen; geen van beide is hetzelfde document.

• Talen — zestien benoemde talen op de Liquid-kaart, alleen Engels op die van Microsoft.

• Adoptie — LFM2.5-2.6B-Base is openbaar sinds 1 augustus 2026 en staat op ongeveer 6.282 downloads en 51 likes. UserRepGen-4B, geüpload op 14 oktober, stond op het moment van schrijven op nul voor elk daarvan.

Slechts één van die rijen gaat over kwaliteit. De rest gaat erover of het ding door de deur die je hebt past.

Twee architecturen gebouwd voor tegenovergestelde ruimtes

Liquid beschrijft LFM2.5 als "een nieuwe familie hybride modellen die is ontworpen voor implementatie op het apparaat", en de vorm van het basis-checkpoint volgt daaruit. Dertig lagen, waarvan tweeëntwintig dubbel-gated korte convolutieblokken en acht grouped-query attention, een vocabulaire van 128.000 tokens en een trainingsbudget van 34 biljoen tokens. Convolutieblokken zijn goedkoop in geheugen en voorspelbaar in latentie; het hele ontwerp is gericht op telefoons, laptops en edge-boxen.

UserRepGen-4B erft de tegenovergestelde aanname. De ruggengraat is een standaard Qwen3.5-stack voor conditionele generatie — 32 lagen, verborgen grootte 2.560, 16 aandachtskoppen met 4 sleutel-waarde-koppen, een vocabulaire van 248.320 tokens, en een visietoren die onaangeroerd uit het oudercheckpoint is meegenomen, ook al is het model alleen voor tekst en worden afbeeldingen expliciet niet ondersteund. Microsoft meldt dat het met vLLM wordt gehost op H100-, A100-, RTX A6000- en B200-GPU's. Dat is een lijst met serveronderdelen, niet met edge-onderdelen.

Een team dat tussen beide kiest, kiest in feite welke beperking het accepteert: geheugen op het apparaat en een runtime die je nog in vorm moet finetunen, of datacenterhardware en een model dat zijn ene taak al doet.

Waar de fine-tuning het getal daadwerkelijk heeft veranderd

Dit is het deel van de vergelijking dat een basismodel per definitie niet kan beantwoorden. LFM2.5-2.6B-Base publiceert geen taakbenchmark, omdat een basis-checkpoint geen taak heeft — de kwaliteitscijfers voor de familie horen bij het post-getrainde zusje.

UserRepGen-4B publiceert er een, en het is het sterkste bewijs in de hele release. Op een getrouwheidsevaluatie van 700 gesprekken, beoordeeld op een schaal van 1 tot 10:

• Qwen3.5-4B base, de niet-aangepaste backbone — 3,41 best-of-1, 4,42 best-of-3.

• GPT-5.5 die zonder aanpassingen gevraagd is om hetzelfde werk te doen — 3,90 en 4,90.

• UserRepGen-4B — 4,95 en 6,02.

Elk cijfer is van Microsoft zelf, geproduceerd in een lus waarin GPT-5.4 mini tegelijk als simulator, assistent en beoordelaar optrad. Niets is onafhankelijk gereproduceerd. Maar de vorm van het resultaat is het punt: het fine-tunen van een 4B-basis om op een smalle taak een frontier-generalist voorbij te streven is een echte, meetbare uitkomst, en het is precies de uitkomst die LFM2.5-2.6B-Base mogelijk moet maken voor de taak van iemand anders. De Microsoft-kaart laat ook zien dat de twee voor de hand liggende reinforcement-learning-alternatieven — OPSD op 4,46/5,60 en GRPO op 3,57/4,59 — beide verloren van gewone supervised fine-tuning, wat waarschuwt tegen de aanname dat de zwaardere methode wint.

Een van deze heeft een privacypagina, en dat is niet de basis.

Een vooraf getraind basismodel heeft geen privacygedeelte, omdat het geen uitspraken over personen doet. UserRepGen-4B heeft er wel een, omdat het dat wel doet. Op zijn kaart staat dat bij meer dan 147 gebruikers een selector die kiest welk van vier gesprekken van dezelfde persoon afkomstig is, 51,02% scoort met de gedragsbeschrijvingen van het model, tegenover 44,22% op de ruwe gesprekken en 25% bij willekeur — de samenvatting identificeert de persoon beter dan de bron. Microsoft bestempelt het als een linkbaarheidsrisico en stelt dat representaties geen geanonimiseerde data zijn.

Die asymmetrie is structureel, geen defect in een van beide releases. Op het moment dat de output van een model een beschrijving van een mens is, verandert het ethische oppervlak, en de kaart moet dat dragen. Iedereen die LFM2.5-2.6B-Base fine-tunet richting een vergelijkbaar doel, moet verwachten dezelfde sectie voor zichzelf te schrijven.

Wat de keuze van basis later bepaalt

Er is een gevolg van de tweede orde aan het ontlenen van een basismodel waar zelden bij wordt stilgestaan tijdens het fine-tunen: het bepaalt wat je zes maanden later kunt aanroepen. Microsoft bouwde voort op Qwen3.5-4B, en die familie wordt commercieel aangeboden — Qwen3.5-Flash met een context van meer dan een miljoen tokens voor $0,10 per miljoen invoertokens en $0,40 per miljoen uitvoertokens, Qwen3.5-27B voor $0,086 en $0,688, Qwen3.5-35B-A3B voor $0,057 en $0,459, allemaal bereikbaar via één OrcaRouter-sleutel tegen de lijstprijs van de provider zonder opslag, en allemaal in staat om achter automatische failover te staan, zodat een onderzoekscheckpoint dat alleen op je eigen schijf bestaat geen single point of failure in een pipeline wordt. We bieden UserRepGen-4B niet aan, en LFM2.5-2.6B-Base evenmin — beide zijn downloads, en de fine-tune van een klein model die je uit het Liquid-checkpoint produceert, zul je zelf moeten hosten. Maar de assistentkant van de lus, of de beoordelaar, of het fallbackpad, kan een API-aanroep zijn op een sleutel die je al hebt. Dat is een ontwerpbeslissing die je aan het begin neemt, wanneer je kiest welk basismodel je aanpast.

Welke je eigenlijk wilt

Als je een taak hebt en geen model ervoor, is LFM2.5-2.6B-Base het juiste startpunt: klein genoeg om te fine-tunen op bescheiden hardware, hybride genoeg om op een apparaat te draaien, en geleverd in elk formaat dat je nodig hebt zodra de training klaar is. Als je een pijplijn voor gebruikerssimulatie hebt en een component nodig hebt die een afgerond gesprek omzet in een overdraagbare gedragsbeschrijving, bestaat UserRepGen-4B al, en het feit dat het één bestand in één formaat is, is een beperking en geen reden om het werk opnieuw te doen. Wat je in de gaten moet houden, is of Microsoft er de paper op laat volgen die de bijbehorende kaart nog steeds belooft. Voor Liquid is de open vraag anders en ouder: welke teams het basismodel oppikken en wat ze ermee maken.

Basismodellen bestaan om te worden aangepast, en juist bij aanpassing gaat het mis: de gedocumenteerde AI-incidenten en agentfouten rond modellen in deze klasse zijn verzameld in het OrcaRouter AI Incident Archive, waar elke vermelding zijn eigen bronnen, ernst, betrouwbaarheidsgraad en betwist-vlag bevat.