LFM2.5-24B-A2B vs Gemma 4 12B: Rzadki agent przeciw gęstemu multimodalnemu

Liquid AILFM2.5-24B-A2B i Google DeepMindGemma 4 12B to dwa checkpointy o otwartych wagach, które najprawdopodobniej już w tym miesiącu trafią do tej samej kolejki pobierania — a ich twórcy wyszli z zupełnie przeciwnych założeń. LFM2.5-24B-A2B zadebiutował 13 października 2026 roku, mając 24,0 mld parametrów, z których na każdy token odczytywane jest tylko 2,45 mld, tekst na wejściu i tekst na wyjściu, kontekst 131 072 tokenów oraz tabelę benchmarków zbudowaną w całości wokół korzystania z narzędzi. Gemma 4 12B zadebiutowała 3 czerwca 2026 roku jako gęsty model o 11,95 mld parametrów, który czyta tekst, obrazy i dźwięk, a pisze tekst, na licencji Apache 2.0, bez żadnego limitu przychodów. Jeden z nich to wyspecjalizowany silnik agentowy, który działa na laptopie, którego już używasz. Drugi to generalista, który widzi i słyszy, działa na tym samym laptopie w około 7 GB i ma licencję, której nigdy nie musisz czytać dwa razy.

Zatem pytanie, na które odpowiada ta strona, nie brzmi „który jest lepszy”, ponieważ nigdy nie zostały stworzone do tego samego zadania. Jest węższe i bardziej użyteczne: jeśli umieszczasz prywatnego agenta na maszynie, którą kontrolujesz, który z tych dwóch pobierasz i z czego rezygnujesz w obu przypadkach?

Odpowiedź w jednym akapicie, dla osób, które już wiedzą, czego chcą.

Wybierz LFM2.5-24B-A2B, jeśli agent wykonuje wieloetapowe wywoływanie narzędzi i nic więcej — własne wyniki agentowe dostawcy są znacznie lepsze niż wyniki G​emma 4 12B w przypadku garstki wierszy na tyle porównywalnych, by można je było zestawić, a model zawsze tworzy jawny ślad rozumowania, zanim podejmie działanie. Wybierz G​emma 4 12B, jeśli zadanie obejmuje zrzut ekranu, sfotografowany dokument, zeskanowaną stronę lub klip audio, jeśli chcesz wyłączyć ślad rozumowania ze względu na opóźnienia, albo jeśli Twoja firma jest blisko progu 10 mln USD przychodu, przy którym licencja Liquid przestaje być darmowa. Czytaj dalej, jeśli chcesz poznać liczby stojące za tymi dwoma zdaniami, ponieważ spora część porównania zależy od tego, jak obaj dostawcy mierzyli.

Gdzie dwa punkty kontrolne rzeczywiście się różnią

• Ekonomia parametrów — LFM2.5-24B-A2B to mieszanka ekspertów: łącznie 24,0 mld parametrów, 2,45 mld aktywnych na token, 64 ekspertów z routingiem top-4 w 40 warstwach (30 podwójnie bramkowanych bloków krótkiej konwolucji, 10 warstw grouped-query attention). G​emma 4 12B jest modelem gęstym: 11,95 mld łącznie w 48 warstwach, każdy parametr odczytywany przy każdym tokenie.

• Co zmieści się na dysku — Liquid publikuje Q4_K_M GGUF o rozmiarze 14,5 GB oraz QAT QAD-Q4_0 o rozmiarze 13,6 GB, z 4-bitową kompilacją MLX o rozmiarze 13,6 GB; 48 GB w BF16. GGUF QAT od Google dla 12B to około 6,98 GB wag plus plik projekcji multimodalnej o rozmiarze 0,18 GB, a kompilacje społeczności Unsloth mają od około 4,2 GB przy 2 bitach do 7,12 GB przy Q4_K_M.

• Kontekst — 131 072 tokeny dla LFM2.5-24B-A2B, czyli dwukrotnie więcej niż 32 768 w poprzedniej generacji. G​emma 4 12B dysponuje oknem 256K (262 144), z przesuwnym oknem o rozmiarze 1024 tokenów i hybrydową uwagą, która przeplata warstwy lokalne i globalne.

• Modalność — LFM2.5-24B-A2B obsługuje wyłącznie tekst i jest to zamierzone. G​emma 4 12B przyjmuje tekst, obrazy i dźwięk, nie mając żadnych enkoderów multimodalnych: surowe fragmenty obrazu i przebiegi fal dźwiękowych są rzutowane bezpośrednio w tę samą przestrzeń co tokeny tekstowe.

• Sposób rozumowania — LFM2.5-24B-A2B w ujęciu producenta służy wyłącznie rozumowaniu: zawsze najpierw myśli w bloku <think>, a dopiero potem odpowiada. Karta G​emma 4 12B opisuje model dostrojony do instrukcji, bez obowiązkowego śladu rozumowania, co na laptopie oznacza zysk na opóźnieniu i stratę na przejrzystości.

• Licencja — lfm1.0 można bezpłatnie pobierać, dostrajać i wykorzystywać komercyjnie do 10 mln USD rocznego przychodu, powyżej tego progu obowiązuje licencja komercyjna. G​emma 4 12B jest objęta licencją Apache 2.0 bez progu przychodowego; Warunki korzystania z usług Google oraz Zasady dotyczące zabronionych zastosowań towarzyszą wagom jako dokumenty określające dopuszczalne użycie, a nie jako ograniczenia licencyjne.

• Słownictwo i skala treningu — LFM2.5-24B-A2B powiększył swój słownik z 65 tys. do 128 tys. poprzez rozszerzenie tokenizatora w miejscu i zwiększył pretrening z 17 bln do 33 bln tokenów, z 300 mld tokenów treningu pośredniego przy pełnym kontekście oraz etapem RL agentowego w rzeczywistych środowiskach. G​emma 4 12B ma słownik 262 tys. współdzielony w całej rodzinie i była pretrenowana na ponad 140 językach, z deklarowanym wsparciem od razu po wyjęciu z pudełka dla ponad 35.

Jedyny benchmark, który przeprowadzili obaj dostawcy

Porównywanie dwóch różnych tabel startów to zwykle pułapka. Tutaj jest dokładnie jeden wiersz, w którym obie firmy zmierzyły to samo na porównywalnych zasadach, i warto go wyodrębnić właśnie dlatego, że jest tak samotny.

GPQA Diamond — Liquid podaje 74,42 dla LFM2.5-24B-A2B; tabela rodziny Gemma 4 firmy Google podaje 78,8 dla dostrojonego na instrukcjach modelu Gemma 4 12B. Oba wyniki pochodzą od dostawcy i nie zostały odtworzone. Gęsty model 12B wysuwa się na prowadzenie w pytaniach naukowych na poziomie magisterskim, co odpowiada własnemu ujęciu Liquid, że jego model nie jest tym, któremu należy zadawać pytania wiedzowe — wpis premierowy zaleca łączenie go z wyszukiwaniem informacji lub wyszukiwaniem internetowym, zamiast ufać jego wagom.

Wszystko inne trzeba odczytywać w obrębie własnej tabeli, a uczciwe podsumowanie jest takie, że te dwie tabele mierzą niemal rozłączne rzeczy. Tabela szesnastu benchmarków Liquid obejmuje AutomationBench (27,69), BFCLv4 (65,01), ToolSandbox (80,71), LiveClaw (48,09), PinchBench (83,18), τ³-Bench Banking (8,04), WebArena Verified (26,75), IFEval (96,75), IFBench (74,69), Multi-IF (84,38), MATH-500 (96,04), SWE-Bench Verified przez OpenCode (51,00), SciCode (32,71), AA-Omniscience (−24,90) i HLE (7,40). Tabela rodziny Google obejmuje MMLU Pro (77,2), AIME 2026 bez narzędzi (77,5), LiveCodeBench v6 (72,0), wynik ELO 1659 w Codeforces, MMMU Pro (69,1) oraz MRCR v2 przy 128K z ośmioma igłami (43,4).

Tylko jeden wspólny element i brak wspólnego środowiska testowego. Każdy, kto publikuje zbiorczą tabelę wyników na podstawie tych dwóch tabel, wymyśla porównanie, którego nie przeprowadziła żadna z firm.

Niezależnie, i to jest ostrzejsza krawędź

Artificial Analysis przyznało G​emma 4 12B ocenę: Intelligence Index wynoszący 14, 20. miejsce spośród 141 modeli w swojej klasie porównawczej, przy zmierzonej prędkości 110,9 tokena na sekundę i łącznym koszcie zewnętrznym wynoszącym 0,10 USD za milion tokenów wejściowych i 0,30 USD za milion tokenów wyjściowych. To niezależne liczby dotyczące modelu, który jest publicznie dostępny od czterech miesięcy i ma za sobą ekosystem.

LFM2.5-24B-A2B nie ma niczego równoważnego. Ma dopiero jeden dzień, żadna strona trzecia nie opublikowała wyniku, a własne wyniki Liquid dla przetwarzania brzegowego — 184 tokeny na sekundę na Apple M5 Max, 114 na AMD Ryzen AI Max+ 395, „do 1,7× szybciej niż porównywalne MoE lokalnie” — nie mają punktu odniesienia ani reprodukcji. W zestawieniu modelu mierzonego przez dostawcę z modelem zmierzonym niezależnie to asymetria jest wnioskiem: jedną z tych dwóch liczb możesz sprawdzić samodzielnie już dziś, i nie jest to ta nowsza.

Jeśli wolisz nie opierać ścieżki produkcyjnej na czterodniowej tabeli dostawcy, właśnie do tego służy automatyczne przełączanie awaryjne. Skieruj agenta na LFM2.5-24B-A2B, trzymaj za nim oceniany model i pozwól routerowi przenieść żądanie, gdy harness zacznie zawodzić — bez drugiej umowy, bez zmian w kodzie poza listą fallbacków.

Koszt, w dwóch walutach, w których to działa

Oba to modele typu local-first, więc prawdziwym rachunkiem jest sprzęt i energia elektryczna. Po stronie hostowanej Liquid wycenia dostęp do API na 0,10 USD za milion tokenów wejściowych (0,05 USD w przypadku tokenów z pamięci podręcznej) i 1,00 USD za milion tokenów wyjściowych za pośrednictwem własnej konsoli Console, z 2 USD kredytu na start. G​oogle nie podaje w ogóle ceny za token dla G​emma 4 12B — wspomniana powyżej mieszanka 0,10 USD/0,30 USD to mediana podmiotów trzecich z platform udostępniających otwarte wagi, a nie cena katalogowa, i traktowanie jej jako ceny katalogowej byłoby błędem.

Oto część, która ma znaczenie dla zespołu oceniającego oba modele: żaden z tych checkpointów nie znajduje się dziś w naszym katalogu. Udostępniamy jednak punkty odniesienia, do których ta decyzja wciąż wraca — qwen/qwen3.6-35b-a3b, model, względem którego Liquid dokonywał pomiarów, mający o połowę więcej parametrów, a także google/gemma-4-26b-a4b-it, obsidian/gemma-4-26B-A4B i google/gemma-4-31b-it z tej samej rodziny Gemma 4 — wszystko za jednym kluczem, wszystko z 0% narzutu względem ceny katalogowej samego dostawcy, więc zmiana ceny u dostawcy dociera do Ciebie w dniu, w którym następuje, a nie w dniu, w którym ktoś odnawia umowę. Uruchom własne zadanie na hostowanych rozmiarach Gemma 4, a potem zdecyduj, czy 12B na Twoim laptopie jest zbędne.

Co tak naprawdę bym zrobił

Pobierz obie kwantyzacje. Gemma 4 12B w Q4_K_M ma około 7 GB i w ciągu godziny powie ci, czy twoje zadanie wymaga oczu i uszu — jeśli tak, decyzja jest przesądzona i LFM2.5-24B-A2B w ogóle nie wchodzi w grę, ponieważ nie widzi. Jeśli nie, wczytaj LFM2.5-24B-A2B QAD-Q4_0 o rozmiarze 13,6 GB i uruchom na nim swój prawdziwy harness, ponieważ cały argument za tym checkpointem to wieloetapowe wywoływanie narzędzi i żaden statyczny benchmark nie rozstrzygnie tego za twoje narzędzia.

Dwie rzeczy warto mieć na uwadze, gdy to robisz. Po pierwsze, tabele obu dostawców nie zostały odtworzone, a jedynym niezależnie ocenionym modelem w tym porównaniu jest starszy, gęstszy model — co jest powodem, by bardziej ufać liczbom Gemma 4 12B, a nie powodem, by zakładać, że nowszy model jest słabszy. Po drugie, różnica w licencjach jest realna i asymetryczna w sposób, który rzadko pojawia się w postach o benchmarkach: Gemma 4 12B pozostaje na licencji Apache 2.0 na zawsze, podczas gdy LFM2.5-24B-A2B staje się rozmową o komercji w momencie, gdy twoja firma przekroczy $10M przychodu. Dla indywidualnego twórcy jest to niewidoczne. Dla zespołu produktowego, który wdraża agenta działającego na urządzeniu, jest to pozycja w budżecie w kolejnym cyklu planowania i jedyny wymiar, w którym mniejszy, starszy, multimodalny model jest jednoznacznie bezpieczniejszym domyślnym wyborem.

Właśnie przy takich porównaniach ujawniają się też tryby awarii: udokumentowane incydenty związane z AI i awarie agentów stojące za modelami z tej klasy zebrano w Archiwum Incydentów AI OrcaRouter, gdzie każdy wpis ma własne źródła, wagę, ocenę wiarygodności i flagę sporu.