Dessa vs LFM2.5 2.6B Base: Checkpoint, który możesz mieć na własność, kontra głos, który możesz jedynie usłyszeć

LFM2.5-2.6B-Base to plik liczący 2,69 miliarda parametrów, który mieści się w około 2,5 GB, działa na telefonie i jest objęty licencją pozwalającą na jego dostrajanie i wdrażanie uzyskanego rezultatu. Dessa to model mowy w trybie pełnego dupleksu, który Block ogłosił 23 października 2026 r., trenowany wyłącznie na ludzkich rozmowach i według doniesień wystarczająco szybki, by działać na MacBooku Pro M4 Max. Nie można pobrać Dessy, dostroić jej, zmierzyć ani wywołać. To lista oczekujących.

Stawianie tych dwóch w jednym zdaniu jest w oczywisty sposób nieuczciwe: jedno to wstępnie wytrenowany checkpoint tekstowy, drugie to gotowe zachowanie konwersacyjne. Ale ta nieuczciwość jest właśnie tym, co użyteczne. Pytanie, przed którym faktycznie stoi zespół, nie brzmi „który model jest lepszy” — brzmi „na którym modelu mogę zbudować biznes”, a w tym pytaniu przepaść między dostępnym do pobrania bazowym checkpointem a zamkniętym podglądem badawczym jest większa niż jakakolwiek różnica w benchmarkach.

Czym właściwie jest LFM2.5-2.6B-Base

Liquid AI udostępniło rodzinę LFM2.5 4 sierpnia 2026 roku. Przyrostek Base ma większe znaczenie niż liczba parametrów: to wstępnie wytrenowany checkpoint, a nie dostrojony do instrukcji asystent. Przeczytał 34 biliony tokenów i nauczył się statystycznej struktury 16 języków, ale nie nauczono go wykonywania instrukcji, prowadzenia dialogu ani korzystania z narzędzi. Jeśli zapytasz go na zimno, otrzymasz dokończenie tekstu, a nie rozmowę.

Architektura jest hybrydowa. Trzydzieści warstw, z których 22 to dwubramkowe bloki krótkiej konwolucji, a osiem to uwaga z grupowaniem zapytań — projekt, który Liquid dopracowuje od pierwszej generacji LFM2. Słownik ma 128 000 tokenów, dwukrotnie więcej niż w poprzedniej generacji dzięki rozszerzeniu tokenizatora w miejscu ukierunkowanemu na pisma niełacińskie. Kontekst wynosi 131 072 tokeny i jest osiągany dzięki dedykowanemu rozszerzeniu podczas treningu pośredniego, a nie na etapie pretreningu.

Dostrojony do instrukcji model siostrzany, LFM2.5-2.6B, to ten z opublikowaną tabelą benchmarków: AIME25 51.87, LiveCodeBench v6 59.41, IFBench 59.17, BFCLv4 56.88, ToolSandbox 77.83, Claw-Eval English 62.85. Są to wyniki raportowane przez dostawcę i dotyczą modelu po treningu, a nie modelu bazowego. Sam Liquid odradza używanie tej rodziny do kodowania agentowego lub prac wymagających dużej wiedzy, co jest przydatnym sygnałem uczciwości na rynku, gdzie każdy mały model jest opisywany jako wypadający lepiej, niż wynikałoby to z jego rozmiaru.

Dlaczego wciąż warto porównywać bazowy checkpoint z gotowym zachowaniem

Model bazowy to punkt wyjścia. Jego wartość tkwi w tym, co można z niego zrobić: dalsze pretrenowanie na własnej domenie, nadzorowane dostrajanie na własnych transkryptach, destylowany uczeń do wąskiego zadania. Dessa to artefakt przeciwnego rodzaju. Przychodzi jako zachowanie — naprzemienność mówienia, backchannel, wyczucie emocji w czasie — i nic z tego nie jest udostępnione do modyfikacji.

Więc porównanie tak naprawdę dotyczy kontroli. LFM2.5-2.6B-Base daje ci wagi, licencję i obowiązek wykonania pracy. Dessa daje demonstrację i możliwość dostępu. Dla laboratorium badawczego to drugie może być cenniejsze. Dla zespołu produktowego to pierwsze jest jedynym, które daje produkt końcowy.

Karta specyfikacji, obie strony w jednej linii

Liczby dotyczące LFM pochodzą z karty modelu i ogłoszenia Liquid; liczby dotyczące Dessa pochodzą ze strony Block. Wszystkie wartości podane przez dostawcę są oznaczone jako takie.

• Parametry — LFM2.5-2.6B-Base: łącznie 2,69 mld vs Dessa: nieujawnione.

• Architektura — LFM2.5-2.6B-Base to hybryda krótkiej konwolucji i uwagi z grupowanymi zapytaniami, 30 warstw w porównaniu z Dessa end-to-end speech-to-speech, architektura niepublikowana.

• Kontekst — LFM2.5-2.6B-Base 131 072 tokeny vs Dessa: nie podano.

• Modalność — LFM2.5-2.6B-Base: tekst na wejściu, tekst na wyjściu vs Dessa: audio na wejściu, audio na wyjściu.

• Wagi — LFM2.5-2.6B-Base do pobrania, w tym wersje GGUF, ONNX i MLX, w porównaniu z Dessa: brak.

• Licencja — LFM2.5-2.6B-Base na licencji LFM Open License v1.0, użycie komercyjne pod warunkami vs Dessa: nie opublikowano licencji.

• Pamięć — LFM2.5-2.6B-Base poniżej około 2,5 GB w czasie działania w porównaniu z Dessa, MacBookiem Pro M4 Max lub lepszym, na Block.

• Szybkość — LFM2.5-2.6B-Base około 220 tokenów na sekundę na Apple M5 Max, około 30 na telefonach; dane producenta kontra Dessa: „szybciej niż w czasie rzeczywistym”, bez podania liczby.

• Cena — LFM2.5-2.6B-Base darmowe wagi vs Dessa brak ceny.

• Dostępność — LFM2.5-2.6B-Base ogólnie dostępny od 4 sierpnia 2026 r., a Dessa — tylko lista oczekujących.

Budżet na urządzenie to cały argument

Sedno propozycji Liquid to ekonomika wdrożenia: model wystarczająco mały dla Raspberry Pi, wystarczająco szybki dla telefonu i wystarczająco tani, by działać bez rachunku za GPU. Deklarowana przepustowość — około 220 tokenów na sekundę na M5 Max, 113 na Ryzen AI Max+ 395 i około 30 na telefonie — to liczba, która decyduje o tym, czy asystent działający na urządzeniu sprawia wrażenie natychmiastowego, czy zepsutego. Trzydzieści tokenów na sekundę to szybciej niż prędkość czytania, czyli istotny próg dla interfejsu czatu.

Twierdzenie Dessa o wdrożeniu dotyczy laptopa kosztującego znacznie ponad 2000 USD z najwyższej klasy układem Apple. To nadal rozwiązanie lokalne, a lokalność ma realne zalety: brak opłaty za token, brak rundy sieciowej, brak danych opuszczających urządzenie. To jednak inny rynek. Model z 2,6 miliarda parametrów można dostarczyć w aplikacji; model wymagający M4 Max to narzędzie dla programistów albo funkcja desktopowa. Jeśli Twój produkt działa na telefonach, to porównanie kończy się na linii pamięci.

Licencjonowanie to prawdziwa linia podziału

LFM Open License v1.0 nie jest licencją open source zatwierdzoną przez OSI i warto powiedzieć to wprost. Użycie komercyjne jest dozwolone, ale organizacje powyżej progu przychodów — według warunków Liquid wynosi on 10 mln USD rocznego przychodu — potrzebują odrębnej licencji komercyjnej. To realne ograniczenie. Jest to również ograniczenie znane — z dokumentem, progiem i kimś, z kim można negocjować.

Dessa nie ma licencji, ponieważ Dessa nie ma dystrybucji. Nie można spełnić warunków, które nie istnieją, ani zbudować uzasadnienia zakupowego wokół listy oczekujących. Dla przedsiębiorstwa „niestandardowa licencja z progiem przychodów” oznacza przegląd prawny. „Brak opublikowanych warunków” to przeszkoda blokująca.

Jeśli chcesz dziś agenta głosowego w telefonie

Żaden z modeli nie jest kompletnym rozwiązaniem, ale strona LFM jest przynajmniej punktem wyjścia. Agent głosowy w telefonie potrzebuje trzech elementów: rozpoznawania mowy, modelu językowego i syntezy mowy. LFM2.5-2.6B-Base może być środkowym elementem, jeśli go dostroisz — bazowy checkpoint to model tekstowy, więc sam niczego nie usłyszy, a jego kontekst 131K wystarcza do przechowania długiej historii rozmowy oraz pobranych notatek.

Dostrojenie to interesująca opcja. Mając wagi w ręku, możesz trenować na rozmowach z własnej dziedziny i ocenić wynik według własnych kryteriów. To dokładnie ten eksperyment, do którego zaprasza ogłoszenie Dessa, ale na który nie pozwala: weź niewielki stos obsługujący mowę, wytrenuj go na prawdziwych rozmowach i sprawdź, czy wyłania się wyczucie czasu emocjonalnego. Block twierdzi, że zrobił to od zera na jednej szafie GB200 NVL72. Zespół z kilkoma GPU może uruchomić tanią wersję tego pytania na bazie LFM i nauczyć się czegoś w tydzień.

Jeśli wolisz nie uruchamiać modelu językowego na urządzeniu, OrcaRouter stawia jeden interfejs API przed ponad 200 modelami z 0% marży i automatycznym przełączaniem awaryjnym, dzięki czemu etap rozumowania może działać w chmurze, podczas gdy dźwięk pozostaje lokalnie. Żeby było jasne co do zakresu: LFM2.5 2.6B Base nie ma w naszym katalogu — to plik do pobrania i właśnie o to chodzi. Kierujemy ruch do modeli hostowanych; ten jest przeznaczony do uruchamiania tam, gdzie go umieścisz.

Kto powinien wybrać, które

Musisz mieć na własność model, wagi i plan rozwoju — LFM2.5-2.6B-Base, a następnie go dostroić.

• Potrzebujesz pracy offline na tanim sprzęcie — LFM2.5-2.6B-Base.

• Potrzebujesz rdzenia tekstowego lub agentowego o rozmiarze poniżej kilku gigabajtów — wersji LFM2.5-2.6B po treningu, a nie bazowej.

• Potrzebujesz mowy na żywo, którą można przerwać i która wyraża emocje — Dessa jest jedyną z tych dwóch, która jest do tego ukierunkowana, a nie jest dostępna.

• Potrzebujesz licencji, którą możesz podpisać w tym kwartale — LFM2.5-2.6B-Base, ze sprawdzoną klauzulą dotyczącą przychodów.

• Musisz opublikować powtarzalny wynik — LFM2.5-2.6B-Base, ponieważ powtarzalność wymaga pliku.

Eksperyment, który by to rozstrzygnął

Weź 1000 godzin rozmównego audio z transkrypcjami, dostrój LFM2.5-2.6B-Base po stronie tekstowej i dołóż do tego mocny recognizer mowy oraz syntezator. Zmierz odzyskiwanie po przerwaniu i adekwatność emocjonalną względem baseline'u opartego na turach. Jeśli wynik zbliży się do tego, co sugerują klipy Blocka, to przewaga Dessy jest mniejsza, niż wynika to z demo: może to być wygrana architektury, ale nie taka, której nie da się podważyć.

Jeśli tak się nie stanie, argument za treningiem natywnym dla mowy staje się silniejszy, a brak pliku wag Dessa staje się najważniejszym faktem w tym porównaniu. Tak czy inaczej, test można przeprowadzić po stronie otwartej, a nie po zamkniętej. Ta asymetria jest odpowiedzią na główne pytanie i pozostanie nią, dopóki Block nie dostarczy czegoś, co klient będzie mógł wziąć do ręki.