ARTEMIS vs LFM2.5-2.6B-Base: checkpoint, który nie potrafi wykonać zadania, i harness, który potrzebuje, żeby to zrobił.

Cztery elementy znajdują się na mapie drogowej ARTEMIS Google’a i dokładnie jeden z nich wymaga modelu, który jeszcze oczywiście nie istnieje: lekkich modeli wizyjno-językowych na urządzeniu, do automatyzacji o niskich opóźnieniach i stawiającej prywatność na pierwszym miejscu. Oczywistym kandydatem do takiego zadania jest coś z klasy rozmiarowej LFM2.5-2.6B-Base — wstępnie wytrenowany checkpoint Liquid AI o 2,69 miliarda parametrów, opublikowany jako otwarte wagi z kontekstem 131 072 tokenów i rozmiarem wystarczająco małym dla telefonu. W wersji, w jakiej został udostępniony, nie jest jednak w stanie wypełnić tej luki, a powody warto zrozumieć, zanim ktokolwiek umieści oba w tabeli porównawczej. ARTEMIS Google’a to oparty na języku naturalnym system automatyzacji Androida, udostępniony jako open source na licencji Apache 2.0 w sierpniu 2026 r., który steruje prawdziwym telefonem przez ADB i według zapewnień osiąga ponad 99% wskaźnika ukończenia w benchmarku AndroidWorld Google Research. LFM2.5-2.6B-Base to surowy wstępnie wytrenowany materiał bez dostrajania instrukcyjnego, bez szablonu czatu i — celowo — bez opublikowanych benchmarków, przeznaczony dla zespołów, które same będą go dostrajać po wstępnym treningu. Jeden to gotowe oprogramowanie z nierozwiązanym problemem modelu. Drugi to niedokończone wagi z gotowym problemem licencyjnym. Żaden nie zastępuje drugiego, a miejsce, w którym naprawdę się spotykają, nie jest tym, którego byś się spodziewał.

Czym właściwie jest LFM2.5-2.6B-Base

Po odarciu z brandingu to starannie zbudowany fundament do pracy na urządzeniu, ze specyfikacją, która czyta się tak, jakby ktoś optymalizował przepustowość pamięci, a nie pozycję w rankingach.

• Rozmiar — 2,69 mld parametrów w formacie bfloat16 w pojedynczym shardzie o rozmiarze ~5,39 GB, reklamowany jako „2,6 mld”.

• Architektura — 30 warstw w hybrydowym podziale: 22 podwójnie bramkowane bloki krótkiej konwolucji na 8 warstwach uwagi z grupowanymi zapytaniami, szerokość ukryta 2048, 32 głowice uwagi wobec 8 głowic KV, powiązane embeddingi. Ta sama code>Lfm2ForCausalLM/code> klasa co w poprzedniej generacji, więc nie jest wymagany żaden niestandardowy kod modelowania.

• Trening — około 34 bilionów tokenów, z dedykowaną fazą treningu pośredniego na potrzeby rozszerzenia kontekstu.

• Słownik — 128 000 tokenów, podwojony w tej generacji, aby lepiej obsługiwać pisma niełacińskie. Około 262 mln parametrów, czyli mniej więcej jedna dziesiąta modelu, znajduje się w powiązanym osadzeniu.

• Kontekst — karta modelu i konfiguracja są tu sprzeczne, i warto o tym wiedzieć: dokumentacja podaje 131 072 tokenów, podczas gdy code>config.json/code> ustawia code>max_position_embeddings/code> na 128 000. Zaplanuj budżet na 128K i wszystko powyżej traktuj jako niezweryfikowane.

• Języki — szesnaście: angielski, arabski, chiński, francuski, niemiecki, hindi, indonezyjski, włoski, japoński, koreański, polski, portugalski, rosyjski, hiszpański, tajski, wietnamski.

• Wyniki testów porównawczych — brak. Liquid nie publikuje żadnej oceny dla bazowego checkpointu, a karta modelu przedstawia to pominięcie jako zamierzone: ten artefakt istnieje po to, by poddawać go dalszemu trenowaniu, a nie po to, by mierzyć go w stanie surowym.

To ostatnie zdanie jest sednem tego wydania i to także powód, dla którego porównanie „X vs LFM2.5-2.6B-Base” trzeba traktować ostrożnie. Bazowy checkpoint nie ma zdania na żaden temat. Poproś go o zaplanowanie przepływu pracy w Androidzie, a będzie kontynuować twój tekst probabilistycznie, ponieważ nigdy nie nauczono go odpowiadać. Karta zaleca go tylko w przypadkach wymagających intensywnego dostrajania: asystenta dla konkretnego języka, asystenta domenowego w regulowanym sektorze, trenowania na danych zastrzeżonych lub jako ucznia w procesie destylacji. W przypadku wszystkiego, co ma działać od razu, w tym wywoływania narzędzi, Liquid kieruje cię zamiast tego do dostrojonego LFM2.5-2.6B.

Czego ARTEMIS potrzebuje od modelu, czego nie oferuje bazowy checkpoint

ARTEMIS to pętla sterująca z dwoma trybami. Flash to reaktywny cykl obserwuj-i-działaj trwający około 3–5 sekund na krok. Pro to graf wieloagentowy trwający około 15–40 sekund na krok, z Plannerem posiadającym żywy plan w Markdown, Operatorem z pełnym zestawem narzędzi i Checkerem działającym w trybie tylko do odczytu, który weryfikuje punkty kontrolne na czterech poziomach od code>off/code> do code>strict/code>. Oba tryby wymagają od modelu bazowego tego samego: spojrzeć na zrzut ekranu, wybrać jedną akcję ze stałego zestawu narzędzi i powtórzyć to za sekundę lub dwie, sto razy, nie tracąc wątku.

To wymagające zadanie — przestrzeganie instrukcji w sztywnych ramach schematu, ugruntowane rozumienie wizualne i spójność w długim horyzoncie — i to dokładnie ten zestaw umiejętności, którego bazowy checkpoint nie otrzymał. Własne, przetestowane backendy ARTEMIS to modele hostowane: Gemini, Claude, GPT-4o, Qwen-VL. Każdy z nich jest dostrojony pod kątem instrukcji do korzystania z narzędzi i każdy z nich jest duży.

Zatem luka nie polega na rozmiarze. Model 2,6B po posttrainingu może utrzymać pętlę wywołań narzędzi — własny bliźniaczy model Liquid po posttrainingu twierdzi, że przewyższa Gemma 4 E2B-it i E4B-it we wszystkich swoich ewaluacjach dotyczących wykonywania instrukcji i niemal wszystkich dotyczących użycia narzędzi, choć są to liczby podane przez dostawcę, bez niezależnej weryfikacji. Luka polega na tym, że bazowy checkpoint nie został poddany żadnemu z tych treningów, więc nie można go w ogóle wstawić do harnessu.

Licencja to ostrzejsza różnica

To tutaj tak naprawdę rozstrzyga się starcie, a to jest część, którą pomija większość porównań.

• ARTEMIS — Apache 2.0. Używaj go komercyjnie, twórz forki, dołączaj go do produktów, bez warunku dotyczącego przychodów. Jedynym obowiązkiem jest zachowanie informacji prawnych i opisanie swoich zmian — obowiązek, który sam projekt musiał publicznie naprawić we wrześniu 2026 r., po tym jak Minitap zarzucił, że 228 z 229 plików ARTEMIS odpowiadało jego własnemu projektowi Apache-2.0 code>mobile-use/code> oraz że nazwiska autorów zostały usunięte przez force-push. Repozytorium zawiera teraz wzmiankę o Minitap.

• LFM2.5-2.6B-Base — licencja LFM Open, licencja niestandardowa, a nie Apache czy MIT. Poniżej 10 mln USD rocznego przychodu grant jest szeroki, wieczysty i bez opłat licencyjnych. Na tym progu lub powyżej licencja nie obejmuje w ogóle użytku komercyjnego i musisz skontaktować się z Liquid. Ważny szczegół dla każdego, kto na niej buduje: utwory pochodne dziedziczą te same warunki. Checkpoint, który poddajesz post-trainingowi, nie jest nową rzeczą, którą posiadasz na własność — przenosi dalej licencję warunkowaną przychodem, z wyłączeniem dla kwalifikowanych organizacji non-profit.

Zestaw te dwa fakty obok siebie, a decyzja odwraca się w zależności od tego, kim jesteś. Dofinansowana firma, która chce wdrożyć agenta działającego po stronie telefonu, ma harness na licencji Apache-2.0, z którego może swobodnie korzystać, oraz checkpoint, którego może w ogóle nie móc użyć komercyjnie. Deweloper indywidualny albo startup poniżej progu ma jedno i drugie, a licencja to tylko przypis. Żaden z dostawców nie zachowuje się nierozsądnie — Liquid to firma chroniąca swoją komercyjną warstwę, Google udostępnia narzędzia testowe jako open source — ale „open weights” i „open weights” to nie to samo pozwolenie, a porównanie, które zatrzymuje się na liczbie parametrów, nie powie ci, którą z nich masz.

Rodzina, ponieważ bazowy checkpoint to złe drzwi do niej

Jeśli celem jest agent na Androida działający na urządzeniu, trzy modele pokrewne znaczą więcej niż model podstawowy, a ten, którego faktycznie potrzebuje roadmapa ARTEMIS, nie jest tym oczywistym.

• LFM2.5-2.6B — agentowy brat po treningu wtórnym. Podawana przez producenta przepustowość wynosi około 30 tokenów na sekundę na sprzęcie klasy telefonu, 113 na Ryzen AI Max+ 395 i 220 na Apple M5 Max, mieszcząc się w mniej niż 2,5 GB.

• LFM2.5-VL-3B — wizyjno-językowy model brzegowy, zbudowany na tej samej bazie z enkoderem SigLIP2 400M NaFlex, ze zgłaszaną przez producenta precyzją ugruntowania precision@1 podniesioną z 57,1 do 87,9 na RefCOCO, a według Liquid wydajnością na elementach interfejsu wyświetlanych na ekranie, która przewyższa znacznie większe modele Gemma i zbliża się na 0,7% do modelu Qwen 3.5 o 4,7 mld parametrów. Niezweryfikowane, ale to jedyny członek tej rodziny, który widzi ekran.

• LFM2.5-230M — warstwa ekstrakcji i klasyfikacji, wyraźnie niezalecana do pracy wymagającej intensywnego rozumowania.

Jaki jest niewygodny wniosek dla bazowego checkpointu w tym zestawieniu: element roadmapy ARTEMIS jest wizyjnym wymogiem, baza jest tekstowa, a członkiem rodziny, który wypełnia to miejsce, jest wariant VL, w którym zastosowano już zarówno enkoder wizji, jak i post-training. Rola bazowego checkpointu w stosie automatyzacji Androida nie polega na sterowaniu telefonem. Ma być surowcem leżącym u podstaw dowolnego małego modelu, który ostatecznie to robi.

Tam, gdzie się jednak spotykają: koło zamachowe, którego nikt jeszcze nie zbudował

Oto jedyne połączenie, które jest rzeczywiste, a nie retoryczne — i biegnie w odwrotnym kierunku niż zwykle. Najbardziej niedocenianą funkcją ARTEMIS nie jest agent, lecz spaliny. Każde uruchomienie rejestruje stosy awarii, zrzuty ekranu klatek kluczowych, dziennik sesji skompresowanych kroków i raport diagnostyczny, a Pro otwiera „incydent wykonania”, gdy dowolna akcja się nie powiedzie, i utrzymuje go w kontekście, dopóki nie rozwiąże go późniejszy sukces. To oznaczony korpus dokładnie tych momentów, w których percepcja agenta UI była błędna.

Połącz to z checkpointem, którego całym celem jest post-training, a otrzymasz oczywistą pętlę: uruchom zestaw testowy na modelu hostowanym, zbierz ślady, w których potknął się na Twojej aplikacji, i dostrój model 2.6B dokładnie na tych ramkach. To właśnie ten rodzaj własnościowego zbioru danych, który sama karta modelu Liquid podaje jako uzasadnienie w ogóle wydania bazowego checkpointu — „trenowanie na własnych danych” — a licencja uzależniona od przychodu oznacza, że jest to ścieżka, która ma sens dla zespołów poniżej progu, a dla zespołów powyżej niego wymaga rozmowy.

Aby było jasne, jaki jest status tego pomysłu: nikt nie opublikował tej pętli, żaden z dostawców jej nie sugeruje i nie ma dowodów, że którakolwiek ze stron ją testowała. To propozycja, a nie wynik, i tak należy ją odczytywać. Ale to jedyne ujęcie, w którym te dwa artefakty są współpracownikami, a nie błędem kategorialnym.

Jeśli dojdziesz aż do fine-tuningu, zestaw porównawczy to druga połowa problemu. LFM2.5-2.6B-Base nie ma w naszym katalogu — nie ma żadnego wariantu LFM2.5 — więc ten checkpoint pochodzi z własnej dystrybucji Liquid i zwykłych hostów zewnętrznych. Routowany katalog zasługuje na swoje miejsce właśnie przy benchmarkowaniu twojego fine-tune'u względem modeli, które musi pokonać pod kątem użycia narzędzi, na jednym kluczu i jednym rachunku, z mechanizmem failover, żeby zły dzień dostawcy nie stał się złym dniem twojej ewaluacji. To naprawdę przydatna rzecz, gdy cały sens tego ćwiczenia polega na bezpośrednim starciu, na którym zamierzasz oprzeć działania.

Więc który z nich jest twoim problemem

Jeśli masz aplikację na Androida i chcesz, żeby w tym kwartale była testowana automatycznie, potrzebujesz ARTEMIS, a LFM2.5-2.6B-Base nie jest częścią odpowiedzi — uruchomisz ARTEMIS na hostowanym modelu wizyjnym, będziesz płacić za krok, a punkt roadmapy dotyczący VLM-ów na urządzeniu pojawi się w końcu i rozwiąże problem kosztowy, którego jeszcze nie zmierzyłeś.

Jeśli budujesz produkt, który musi działać na urządzeniu przenośnym bez sieci, potrzebujesz ścieżki małego modelu, a LFM2.5-2.6B-Base to początek tego projektu, a nie jakakolwiek część jego rozwiązania: poddasz go post-trainingowi, przeczytasz LFM Open License w świetle swojej prognozy przychodów, zanim napiszesz pierwszy skrypt treningowy, a jeśli twój agent musi widzieć ekran, zamiast tego skończysz na wariancie VL.

Jedyne, czego nie należy robić, to stawiać te dwie rzeczy obok siebie, ogłaszać, że harness ma większe możliwości, i iść dalej. Użyteczne porównanie dotyczy dwóch kompletnych stosów — model hostowany plus harness kontra dostrojony mały model plus framework, który sam zbudujesz — a tylko jeden z nich ma opublikowany wskaźnik skuteczności na publicznym benchmarku, co jest warte dokładnie tyle samo, ile fakt, że ten drugi nie ma w ogóle rachunku za chmurę.

Katalog z routingiem zasługuje na swoje miejsce tam, gdzie chodzi o benchmarkowanie twojego fine-tune'u z modelami, które musi pokonać w użyciu narzędzi, przy jednym kluczu i jednym rachunku, z mechanizmem failover, dzięki któremu zły dzień dostawcy nie staje się złym dniem twojej ewaluacji.

LFM2.5-2.6B-Base nie znajduje się w naszym katalogu — nie ma żadnego wariantu LFM2.5 — więc ten checkpoint pochodzi z własnej dystrybucji Liquid i zwykłych hostów firm trzecich.