Clef vs LFM2.5 2.6B Base: 55 GB na H200 lub 5,4 GB na laptopie

Oto porównanie, w którym sprzęt rozstrzyga spór, zanim zrobią to modele. Cloudflare/clef to 27-miliardowy multimodalny model decyzyjny, dostrojony na bazie Qwen3.8-27B, którego repozytorium ma nieco ponad 55 GB i obejmuje dwanaście shardów szkieletu oraz niewielką wspólną głowicę schematu. LiquidAI/LFM2.5-2.6B-Base to 2,69-miliardowy checkpoint wyłącznie tekstowy, którego wagi to pojedynczy plik o rozmiarze 5,4 GB, opublikowany przez Liquid AI 1 sierpnia 2026 r. na licencji LFM Open License. Własne, opublikowane przez Cloudflare opóźnienie dla Clef — mediana 209,3 ms, p95 238,6 ms — zmierzono na pojedynczym H200. Docelowym wdrożeniem Liquid AI dla jej rodziny LFM2.5 jest laptop, telefon lub przenośna konsola Ryzen. Obaj dostawcy opisują swój model jako mały, szybki i wydajny, a obaj mówią prawdę o innej maszynie.

Za pierwszą luką kryje się druga i to właśnie ona faktycznie zmienia plany. Ani Clef, ani LFM2.5 2.6B Base nie odpowiada na pytanie od razu po wyjęciu z pudełka w sposób, jakiego prawdopodobnie oczekujesz. Clef trafia do nas w pełni wytrenowany do zadania, od którego nie może odstąpić: odpowiada na wpisywane pytania i nie zrobi niczego innego. Checkpoint Liquid trafia bez wytrenowania do czegokolwiek — to model bazowy, celowo pozbawiony dostrajania instrukcyjnego, a sama karta Liquid AI mówi, że zaleca się go wyłącznie do intensywnego dostrajania. Prawdziwe pytanie nie brzmi więc: który z nich jest tańszy w eksploatacji. Brzmi ono: czy kupujesz gotowy komponent, czy materiał wyjściowy — a odpowiedź jest inna dla każdego z nich.

Gdzie każde z nich działa i dlaczego na tym polega całe porównanie

Forma wdrożenia nie jest dla tych dwóch modeli przypisem. W przypadku modelu decyzyjnego to architektura, ponieważ przejście w przód w 209 ms i historia „działa na maszynie, którą masz przed sobą” to to samo twierdzenie opowiedziane z dwóch różnych końców.

• Parametry — 27B dla Clef, z zachowanym enkoderem wizyjnym Qwen3.8-27B; 2.69B w wersji wyłącznie tekstowej dla LFM2.5 2.6B Base.

• Dysk — repozytorium o wielkości 55 GB dla Clef; jeden plik safetensors o wielkości 5,4 GB dla checkpointu Liquid, a wraz z nim opublikowano skwantyzowane kompilacje GGUF, ONNX i MLX.

• Sprzęt — Cloudflare przetestował Clef z torch 2.11 i transformers 5.10.2 na pojedynczym H200, a jego dane dotyczące opóźnień pochodzą z tego przebiegu. Model siostrzany tego checkpointu po treningu końcowym od Liquid AI działa z szybkością 220 tokenów na sekundę na Apple M5 Max i 113 tok/s na procesorze AMD Ryzen, przy zużyciu poniżej 2,5 GB pamięci, a producent zauważa, że na telefonie można osiągnąć 30 tok/s.

• Kontekst — 65 536 tokenów dla Clef, zgodnie ze stroną modelu Workers AI i postem o premierze; 131 072 tokenów dla LFM2.5 2.6B Base.

• Dane wejściowe — Clef odczytuje tekst, JSON, obrazy i klatki wideo oraz ocenia je łącznie. Checkpoint Liquid obsługuje wyłącznie tekst.

• Licencja — Apache-2.0 dla Clef. LFM Open License v1.0 dla LFM2.5, która jest dostępna źródłowo, a nie open source według OSI: użycie komercyjne jest uwarunkowane tym, że Twoja organizacja pozostaje poniżej 10 milionów dolarów rocznego przychodu, a powyżej tego progu licencja po prostu na to nie pozwala. Ten próg to fakt zakupowy, a nie przypis.

Koszt na decyzję to nie to samo pytanie co koszt na token

Kuszącym ruchem jest tutaj podzielenie dwóch cen i wskazanie zwycięzcy. To nie wytrzymuje zderzenia z tym, co robią oba modele.

Clef kosztuje $0.24 za milion tokenów wejściowych w Cloudflare Workers AI. Jego dane wyjściowe nie są prozą, więc zwykłej pozycji rozliczeniowej za tokeny wyjściowe nie ma; płacisz za stan — jednorazowo — i dostajesz z powrotem rozkład. Dla warstwy routingu podejmującej miliony małych decyzji dziennie ta liczba to cały koszt operacyjny, a jest to liczba, którą można uzyskać tylko od dostawcy, a nie z własnego rachunku za prąd.

LFM2.5 2.6B Base nie kosztuje nic za wywołanie i nie potrafi podjąć decyzji. Aby uzyskać z niego koszt przypadający na decyzję, najpierw trzeba dostroić go do swojego zadania, co oznacza zebranie danych, uruchomienie zadania treningowego, ocenę wyniku i dopiero potem odkrycie, ile kosztuje cię to w kVA i czasie pracy inżynierów. Atrakcyjna ekonomika checkpointu 2.6B jest realna, ale są to efekty pracy, która jeszcze się nie wydarzyła, a osoba porównująca ceny za token całkowicie ją pominęła.

Uczciwe ujęcie sprawy jest takie, że to dwa różne zakupy. Clef to komponent z ceną katalogową i rachunkiem za hosting. Checkpoint Liquid to surowiec, którego kosztem jest przebieg treningu, za który i tak zapłacisz — a którego korzyścią jest to, że potem posiadasz artefakt na własność, i wtedy koszt krańcowy decyzji to naprawdę prąd. W przypadku wąskiego, masowego, stabilnego zadania taki wybór jest często słuszny. W przypadku zadania, którego jeszcze nie określiłeś, jest odwrotnie, ponieważ nie możesz dostroić modelu do celu, którego nie potrafisz opisać.

Nieprzeszkolona baza nie jest gorszym modelem, to inna linia startowa.

Kusi, by brak tabeli benchmarków dla checkpointu Liquid odczytywać jako ukrytą słabość. Tak jednak nie jest. Ocenianie wstępnie wytrenowanego modelu bazowego na benchmarkach dotyczących podążania za instrukcjami mierzyłoby brak dostrajania, a nie jakość podłoża — i właśnie dlatego Liquid AI przeprowadza benchmarki dla dostrojonego LFM2.5-2.6B, a model bazowy pozostawia bez oceny. Ten brak można zweryfikować z twojej strony i o to właśnie chodzi: pobierz 5,4 GB, przeprowadź własną ocenę na własnym zadaniu i poznaj odpowiedź, zanim zobowiążesz się do serwowania czegokolwiek.

Tabela Clef ma odwrotny kształt dowodów i odwrotny problem. Cloudflare publikuje około 40 wierszy benchmarków, pełny zestaw ewaluacji przepływu pracy i rozkład opóźnień, a każdy z nich został wytworzony przez Cloudflare na własnym Decision Index firmy Cloudflare, przy czym żadna strona trzecia nie odtworzyła żadnego z nich. Kolumna Clef jest znacznie bardziej informacyjna niż kolumna Liquid, a ani jedna liczba w niej nie została sprawdzona przez nikogo innego. To teza mocniejsza niż puste pole, ale słabsza, niż się wydaje.

To, co możesz zmierzyć samodzielnie, dzieli się w ten sam sposób. W przypadku checkpointu Liquid możesz zmierzyć wszystko — ma 5,4 GB na twoim własnym dysku. W przypadku Clef wagi Apache-2.0 również należą do ciebie, możesz je pobrać i uruchomić, ale dorównanie medianie 209 ms Cloudflare wymaga klasy GPU, jakiej używa Cloudflare, więc w praktyce większość zespołów będzie mierzyć to przez hostowany endpoint i odziedziczy dostępność dostawcy wraz z jego opóźnieniem.

Gdzie mieści się warstwa routingu, dla każdego z nich

Ani Clef, ani żaden wariant LFM2.5 nie jest trasą w OrcaRouter, a ten artykuł nie jest twierdzeniem o dostępności — katalog zwraca 404 dla obu, więc Clef pochodzi z Cloudflare Workers AI lub z Twojego własnego GPU, a checkpoint Liquid pochodzi z własnej dystrybucji.

Czym tak naprawdę jest tu warstwa routingu, najlepiej pokazuje wzorzec, który implikują oba modele. Mały, ograniczony scorer, który decyduje, i większy generalista, który działa na podstawie tej decyzji, to z samej konstrukcji architektura dwumodelowa — a własny backbone Clef ukonkretnia drugą połowę tego obrazu, bo model, na którym Cloudflare prowadził post-training, czyli Qwen3.8 27B, jest wymienioną trasą w cenie $0.33 za milion tokenów wejściowych i $2.40 za milion tokenów wyjściowych przy kontekście 262 144 tokenów. Jeden endpoint przed ponad 200 modelami oznacza, że tani decydent i zdolny wykonawca stoją za tym samym kluczem, złożonym w jedno wywołanie przez DSL routingu, a nie połączonym ręcznie, z automatycznym failoverem, dzięki czemu zły dzień u dostawcy nie pociąga za sobą ścieżki decyzyjnej. Jeśli natomiast samodzielnie hostujesz checkpoint Liquid i porównujesz swój fine-tune z modelami, które musi on pokonać, ten sam endpoint sprawia, że porównanie staje się zmianą konfiguracji, a nie cyklem zakupowym.

Jev 1.13 od TypeSafe warto wymienić konkretnie w przypadku self-hostingu: to model decyzyjny, względem którego Cloudflare przeprowadzał testy porównawcze, i celowo używa takiego samego kształtu żądania POST /v1/systemone co Clef, to trasa z cennika w cenie 0,042 USD za milion tokenów wejściowych przy kontekście 65 536 tokenów, a przy tym jest sposobem wymagającym najmniejszego wysiłku, by sprawdzić, czy ograniczony model decyzyjny pomaga Twojemu pipeline'owi, zanim poświęcisz przebieg treningowy na substrat, który może wcale nie musieć istnieć.

Który, po co

Sięgnij po checkpoint Liquid, gdy zadanie jest wąskie, o dużym wolumenie, wyspecyfikowane na tyle dobrze, by można było napisać dla niego dane treningowe, i ograniczone jednym z dwóch twardych ograniczeń, których routowane API nie rozwiąże: dane nie mogą opuścić twojej infrastruktury albo maszyna, na której ma działać, to ta na twoim biurku. Próg przychodów LFM 1.0 to pierwsza rzecz do sprawdzenia, ponieważ decyduje, czy licencja jest w ogóle dla ciebie dostępna.

Wybierz Clef, gdy decyzja jest już wyliczalna, stan mieści się w 64K, odpowiedź wymaga skalibrowanego prawdopodobieństwa, a nie zdania, a 209 ms w gorącej ścieżce to właściwość, którą kupujesz. Jego stały schemat to cecha — audytowalny, odtwarzalny, niewymagający parsera kształt wyjścia — a jego ślad 55 GB to cena szkieletu, który czyni go dokładnym za pierwszym razem, a nie dopiero po przebiegu treningowym.

Nie należy wybierać na podstawie liczby parametrów. Model 2,69B, który trzeba najpierw wytrenować, zanim będzie mógł odpowiadać, nie jest mniejszą wersją modelu 27B, który już to potrafi, a dwie liczby w tytule — 55 GB i 5,4 GB — opisują dwa różne budżety, a nie dwa punkty na jednej skali.

Otwarte pytanie, i jest ono takie samo dla obu.

Żaden z dostawców nie opublikował dowodów, które przetrwałyby niezależną weryfikację. Przeprowadzenie Decision Index przez Cloudflare jest samodzielne i niepowtórzone; wartości przepustowości Liquid AI to własne pomiary dostawcy na wybranym przez niego sprzęcie. LFM2.5 2.6B Base nie ma żadnego benchmarku — celowo, a tabela Clef ma ich bardzo wiele — z wyboru.

W przypadku checkpointu Liquid brakujące dowody można tanio uzupełnić i są całkowicie w twoich rękach — plik jest wystarczająco mały, by ocenić go na laptopie w jedno popołudnie. W przypadku Clef już nie: odtworzenie mediany 209 ms wymaga sprzętu, którego używał Cloudflare, oraz stanu, którego nikt poza Cloudflare nie złożył. To właśnie ta asymetria, bardziej niż cokolwiek w którejkolwiek ze specyfikacji, powinna decydować o tym, wokół którego z tych dwóch planujesz w tym miesiącu.