LFM2.5-24B-A2B kontra LFM2.5-8B-A1B-DSpark: Jeden z nich nie jest modelem, który możesz uruchomić

Umieść LFM2.5-24B-A2B i LFM2.5-8B-A1B-DSparkw tabeli porównawczej, a ta tabela będzie kłamstwem, zanim wypełnisz choćby jedną komórkę. LFM2.5-24B-A2B od Liquid AI, wydany 13 października 2026 roku, to model językowy: 24,0 mld parametrów, 2,45 mld aktywnych na token, 131 072 tokeny kontekstu, i odpowiada na polecenia. LFM2.5-8B-A1B-DSpark, wydany 20 sierpnia 2026 roku, to liczący 327,7 miliona parametrów checkpoint roboczy (draft), który nie potrafi samodzielnie na nic odpowiedzieć — istnieje po to, by zgadywać kolejne tokeny dla innego modelu, LFM2.5-8B-A1B, i być przez niego weryfikowany. Pomylenie tych dwóch to najczęstszy sposób błędnego odczytania tego wydania i warto to wyjaśnić już w pierwszym akapicie, ponieważ cała reszta tej strony od tego zależy: jeden z nich ma cenę za milion tokenów i kartę na Hugging Face, na którą można wskazać agenta, a drugi żyje wewnątrz cudzego stosu inferencyjnego.

To jednak, co sprawia, że to zestawienie naprawdę zasługuje na osobną stronę, to fakt, że jest to porównanie, które Liquid AI przygotowało samo dla siebie. Karta modelu LFM2.5-24B-A2B zapowiada, że draft DSpark do dekodowania spekulatywnego dla wersji 24B pojawi się wkrótce. Gdy się pojawi, dokładnie to pytanie, na które odpowiada ta strona, będzie tym, które ludzie zadadzą na jego temat — czy trik z draftem, który uczynił model 8B nawet 3,18× szybszym na GPU w centrum danych, rzeczywiście się opłaci w modelu 24B, którego cały sens istnienia to laptop? Liczby dla 8B już zawierają zarys odpowiedzi — i nie jest to zarys, na jaki wskazuje nagłówek.

Czym właściwie jest punkt kontrolny wersji roboczej – w trzech zdaniach

Dekodowanie spekulatywne stawia tani model przed drogim: model szkicujący proponuje blok kandydatów na tokeny, właściwy model weryfikuje cały blok w pojedynczym przebiegu w przód i zachowuje to, z czym się zgadza. Ponieważ model docelowy sprawdza każdy zaproponowany token, wynik przy dekodowaniu zachłannym jest bitowo identyczny z uruchomieniem samego modelu docelowego — określenie Liquid to „bezstratne z założenia” i właśnie dlatego szkic można bezpiecznie podpiąć do produkcyjnego stosu. LFM2.5-8B-A1B-DSpark to celowo mały model szkicujący: pięć warstw zawierających wyłącznie mechanizm uwagi, blok dziewięciu proponowanych tokenów na krok oraz głowa Markowa nad słownikiem modelu docelowego liczącym 128 000 tokenów, trenowany przez 15 epok na danych czatowych, kodzie i danych do wywoływania funkcji, z punktami kontrolnymi wybieranymi na podstawie współczynnika akceptacji, a nie straty walidacyjnej.

Ten ostatni szczegół nie jest błahostką. Sam Liquid w swoim materiale zauważa, że w przypadku większych draftów strata walidacyjna „wciąż się poprawia po tym, jak akceptacja benchmarku, na której nam zależy, przestała się zmieniać” — a to właśnie rodzaj zdania, który pojawia się tylko wtedy, gdy zespół wdraża to do serwowania, a nie publikuje artykułu.

Dwa stosy, po jednej linii na wymiar.

• Co to jest — LFM2.5-24B-A2B to gotowy do wdrożenia model rozumujący, tekst na wejściu i tekst na wyjściu. LFM2.5-8B-A1B-DSpark to akcelerator dekodowania spekulatywnego i nic więcej.

• Rozmiar — łącznie 24,0 mld / 2,45 mld aktywnych na token, 64 ekspertów z routingiem top-4 w 40 warstwach, w porównaniu z 327,7 mln parametrów szkicu w pięciu warstwach opartych wyłącznie na uwadze.

• Kontekst — 131 072 tokeny dla modelu 24B, dwukrotnie więcej niż w poprzedniej generacji; model roboczy nie ma własnego kontekstu, ponieważ działa na strumieniu modelu docelowego.

• Rozumowanie — model 24B zawsze emituje jawny łańcuch myśli wewnątrz bloku <think>. Wersja robocza nie emituje niczego, co użytkownik kiedykolwiek zobaczy.

• Cena — 0,10 USD za milion tokenów wejściowych (0,05 USD z pamięci podręcznej) i 1,00 USD za milion tokenów wyjściowych w Liquid's Console, z 2 USD początkowego kredytu, dla modelu 24B. Wersja robocza nie ma ceny, ponieważ żaden dostawca inferencji jej nie obsługuje.

• Licencja — lfm1.0 dla obu: bezpłatna do pobrania, dostrajania i wdrażania komercyjnego, dopóki firma nie osiągnie $10M rocznego przychodu, w którym to momencie obowiązuje licencja komercyjna.

• Opublikowane formaty — GGUF od Q4_K_M o rozmiarze 14,5 GB aż do 48 GB BF16, QAT QAD-Q4_0 o rozmiarze 13,6 GB, FP8, ONNX oraz MLX 4/5/6/8-bitowy dla 24B; Safetensors i GGUF dla draftu, ze wsparciem dla SGLang i llama.cpp od pierwszego dnia.

Wymiar, który decyduje o wszystkim, to ostatni zmodyfikowany przez piąty: jeden z nich ma cenę za token, a drugi to coś, co instalujesz, aby samodzielnie hostowany model był tańszy w przeliczeniu na token. Nigdy nie konkurują. Nakładają się.

Liczby, które mają znaczenie, i ta, która powinna cię zaniepokoić.

Liquid zmierzył wersję roboczą DSpark przy rozmiarze partii 1 i temperaturze 0 na pięciu zbiorach danych — na H100 80GB w BF16 w środowisku SGLang oraz na M4 Max MacBook Pro w FP16 GGUF w środowisku llama.cpp z eksperymentalnymi jądrami Metal. Każde przyspieszenie porównano z tym samym modelem docelowym działającym samodzielnie na tym samym sprzęcie. Wszystko to pochodzi od dostawcy i po trzech miesiącach wciąż nie zostało odtworzone.

Na H100, w porównaniu z LFM2.5-8B-A1B:

• MATH500 — 3.18× (428 → 1,362 tokenów/s, akceptacja 8.27) — najważniejsza liczba.

• MT-Bench — 3,02× (426 → 1 288 tokenów/s, akceptacja 8,52).

• MBPP — 2,64× (426 → 1 122) i HumanEval — 2,58× (426 → 1 100).

• GSM8K — 1,29× (385 → 496, akceptacja 4,02) — słaby przypadek, i zwróć uwagę, że to właśnie ten, w którym cel już na starcie był szybszy.

• Średnia — 2,54× (418 → 1074 tokenów/s).

Na M4 Max ten sam szkic wobec tego samego celu to inny produkt: MATH500 1,21× (93 → 112), GSM8K 1,44× (90 → 129), HumanEval 1,12× (91 → 101), MBPP 1,09× (89 → 97), MT-Bench 1,04× (87 → 90), średnia 1,18× (90 → 106).

Przeczytaj te dwie listy razem, a wniosek jest nieunikniony: draft checkpoint przyspiesza ten sprzęt, pod który model nie był budowany, a ledwie poprawia ten, pod który był. To nie jest błąd w implementacji Liquid — to miejsce, w którym znajduje się wąskie gardło: dekodowanie spekulatywne opłaca się, gdy brakuje obciążenia obliczeniowego, a cierpisz na niedobór pamięci, a M4 Max uruchamiający skwantyzowany MoE z 1,5B aktywnych parametrów jest już blisko sufitu przepustowości pamięci. Liquid sami opublikowali tę gorszą połowę wyniku, dlatego wartość 3,18× była cytowana samodzielnie znacznie częściej niż 1,18×, którego w praktyce doświadczyłaby większość ich czytelników.

Dlaczego parowanie 24B to rzeczywiście otwarte pytanie

Wszystko o nadchodzącym szkicu LFM2.5-24B-A2B jest nieogłoszone poza słowami „coming soon” na karcie modelu, więc to, co następuje, to rozumowanie o kształcie problemu, a nie raport.

Wartość draftu zależy od współczynnika akceptacji, a współczynnik akceptacji zależy od tego, jak przewidywalny jest model docelowy. Model rozumujący, który zawsze generuje jawny łańcuch myśli — LFM2.5-24B-A2B jest dokładnie taki, a Liquid dostarcza go z zalecaną temperaturą 0,1 — emituje długie, lokalnie przewidywalne fragmenty tekstu. To idealny grunt dla bloku 9 tokenów. Pułap dla draftu 24B może więc być wysoki, a pomaga też uwaga o słowniku z samej karty modelu: 24B używa tego samego słownika 128 000 tokenów, na którym zbudowano głowę Markowa draftu 8B, więc głowy draftu nie trzeba przebudowywać w oparciu o inną przestrzeń tokenów.

Przeciwwagą jest sprzęt. Podawany wynik dla modelu 24B na brzegu to 184 tokeny na sekundę na Apple M5 Max, a większy cel oznacza większy przebieg weryfikacji, nawet gdy blok zostaje zaakceptowany w całości. Jeśli wzorzec dla 8B się utrzyma — duże zyski tam, gdzie masz zapas mocy obliczeniowej, małe zyski na laptopie — model szkicowy 24B może się okazać narzędziem dla centrów danych doczepionym do modelu brzegowego, co jest dziwnym kształtem jak na produkt. Ktokolwiek cytuje „3.18×” w oczekiwaniu na to, cytuje liczbę zmierzoną na innym modelu, na innym sprzęcie, z innym modelem szkicowym.

Koszt i argument za tym, by w ogóle nie hostować samodzielnie

Jedno uczciwe zastrzeżenie: cała propozycja wartości DSpark opiera się na przepustowości na token w przypadku samodzielnego hostowania, więc jej uzasadnienie ekonomiczne to koszt na token twojego własnego czasu GPU. Model 24B, dla kontrastu, ma publiczną cenę — 0,10 USD za milion tokenów wejściowych (0,05 USD z pamięci podręcznej) i 1,00 USD za milion tokenów wyjściowych — którą płacisz, jeśli w ogóle nie chcesz uruchamiać 14,5 GB skwantyzowanego checkpointu na własnym laptopie.

Żeby było jasne, co oferujemy, a czego nie: nie udostępniamy modeli LFM2.5-24B-A2B ani LFM2.5-8B-A1B-DSpark w OrcaRouter. Udostępniamy natomiast modele o otwartych wagach, na które ta decyzja nieustannie się natrafia — qwen/qwen3.6-35b-a3b, model, względem którego Liquid porównuje swój 24B, mający około pięćdziesiąt procent więcej parametrów całkowitych i aktywnych, a także google/gemma-4-26b-a4b-it, obsidian/gemma-4-26B-A4B i google/gemma-4-31b-it z tej samej klasy rzadkich modeli otwartych. Jeśli rozważasz pobranie 14 GB i stos dekodowania spekulatywnego wobec wywołania obsługiwanego modelu za jednym kluczem przy 0% narzutu względem ceny katalogowej dostawcy, to porównanie, które możesz przeprowadzić jeszcze dziś po południu po naszej stronie, a po ich stronie możesz je jedynie oszacować.

Co dzisiaj z nimi dwojgiem zrobić

Jeśli potrzebujesz modelu, który można wywołać, odpowiedź brzmi LFM2.5-24B-A2B, a checkpoint DSpark nie ma dla ciebie znaczenia — przyspiesza jeden konkretny model 8B, a żadnego z nich nie udostępnia żadna platforma zewnętrzna. Jeśli już samodzielnie hostujesz LFM2.5-8B-A1B na GPU, model draftowy jest darmowym mnożnikiem przepustowości, który nie zmienia niczego w twoich wynikach, a średnio 2,54× to realne zmniejszenie kosztów udostępniania. Jeśli hostujesz go na Macu, średnia wynosi 1,18×, a uczciwa interpretacja jest taka, że model draftowy jest wart około jednej dziesiątej tego, co sugeruje nagłówek premiery.

Nie chodzi o datę pojawienia się modelu szkicowego 24B, której nikt nie opublikował. Chodzi o to, w którym z dwóch reżimów wyląduje. Jeśli Liquid opublikuje średnią powyżej 2× na Apple silicon, dekodowanie spekulatywne przekroczyło granicę, a warstwa edge staje się naprawdę tańsza w eksploatacji. Jeśli opublikuje wynik szczytowy bez średniej dla laptopów, wynik dla 8B od początku był odpowiedzią: ta technika opłaca się tam, gdzie masz niewykorzystaną moc obliczeniową, a maszyna, która na baterii uruchamia 24B mieszaninę ekspertów, nie ma jej na zbyciu.

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.