LFM3-1.7B kontra Gemma 4 26B A4B: Dwie recepty na tani token, a tylko jedna mieści się w telefonie

Na papierze te dwa modele podchodzą w ten sam sposób do tego samego problemu. LFM3-1.7B, ogłoszony przez Liquid AI 27 października 2026 r., oraz Gemma 4 26B A4B, wydany przez Google DeepMind 2 kwietnia 2026 r., istnieją po to, by odpowiedzieć na jedno pytanie: jak zmieścić zdolny model w małym budżecie pamięci? Dają przeciwne odpowiedzi. Liquid pomniejszył model. Google pozostawił model dużym i płaci tylko za jego wycinek na token. Wagi są darmowe, więc rachunek jest taki, jaki wystawi najtańszy kompetentny hosting. Przekazujemy ceny katalogowe dostawców z 0% marży.

Ta różnica brzmi jak ciekawostka architektoniczna, dopóki nie wycenisz wdrożenia — wtedy staje się jedyną rzeczą, która ma znaczenie. Gemma 4 26B A4B aktywuje 3,8 miliarda parametrów na token, ale nadal musisz gdzieś trzymać 25,2 miliarda z nich. LFM3-1.7B aktywuje wszystkie 1,73 miliarda swoich parametrów i przechowuje dokładnie tyle. Jeden jest tani obliczeniowo. Drugi jest tani, jeśli chodzi o posiadanie.

Dwa przepisy na tani token

Gemma 4 26B A4B to model typu mieszanina ekspertów: 128 ekspertów kierowanych plus jeden ekspert wspólny, 30 warstw, przy czym dla każdego tokenu uruchamia się około ośmiu ekspertów. Daje mu to pojemność wiedzy modelu gęstego o 25,2B parametrów i koszt obliczeniowy bliższy modelowi 4B. Według samego Google osiąga około 97% wyniku MMLU-Pro gęstego modelu Gemma 4 31B przy około 12% FLOP-ów.

LFM3-1.7B idzie inną drogą. Jest w pełni gęsty — każdy parametr działa na każdym tokenie — a oszczędności wynikają z przeprojektowanej architektury, a nie z rzadkości. Tri-hybrydowy stos Liquid ma 24 warstwy: 13 bramkowanych krótkich konwolucji, pięć warstw uwagi z oknem przesuwnym i sześć warstw pełnej uwagi. Większość modelowania sekwencji wykonują konwolucje, które są tanie, a pełna uwaga pojawia się tylko sześć razy. W ten sposób model o 1,73 mld parametrów obsługuje kontekst 262 144 tokenów i słownik 128 000 tokenów, bez tego, by pamięć podręczna KV pożerała maszynę.

• Łączna liczba parametrów — 1,73 mld dla LFM3-1.7B; 25,2 mld dla Gemma 4 26B A4B.

• Aktywne na token — 1,73 mld wobec około 3,8 mld. To jedyny wiersz, w którym oba są w tej samej lidze.

• Pamięć przy 4 bitach — około 1 GB w porównaniu z około 18 GB. To ten wiersz decyduje o wdrożeniu.

• Kontekst — 262,144 tokeny w obu przypadkach, znów prawdziwy remis.

• Modalność — tylko tekst w zestawieniu z wejściem tekstowym i obrazowym, z natywnym wywoływaniem funkcji i konfigurowalnym trybem myślenia.

• Licencja — LFM Open License v1.0, bezpłatna poniżej 10 mln USD rocznego przychodu; Apache 2.0 bez progu dla Gemma 4 26B A4B.

Dlaczego 3,8B aktywnych parametrów nie oznacza 3,8B pamięci

To najczęstszy błąd przy czytaniu karty specyfikacji modelu mixture-of-experts, więc warto powiedzieć to wprost. Aktywne parametry rządzą obliczeniami i — ogólnie rzecz biorąc — szybkością. Nie rządzą rozmiarem pobieranego pliku ani rezerwowanej pamięci VRAM. Gemma 4 26B A4B wymaga obecności wszystkich swoich 25,2 miliarda parametrów, aby routować między ekspertami; przy 4 bitach daje to około 18 GB. Możesz ją hostować na jednej karcie 24 GB, a Google udostępnia kompilacje FP8 i NVFP4, aby było to praktyczne, ale nie możesz jej umieścić na telefonie.

LFM3-1.7B ma około 1 GB przy 4 bitach — karta modelu Liquid mówi, że mieści się na telefonie lub laptopie, a przy tym rozmiarze to twierdzenie jest wiarygodne, a nie marketingowe. Utrzymuje również 1,6 GB pamięci podręcznej KV przy 128 tys. tokenów, co jest liczbą, która faktycznie określa, ile równoczesnych żądań z długim kontekstem można utrzymać.

Praktyczna konsekwencja: wdrożenie 26B-A4B to decyzja dotycząca serwera wnioskowania, a wdrożenie 1.7B to decyzja dotycząca dostarczenia aplikacji. To różne projekty z różnymi zespołami i różnymi strukturami kosztów, a żaden benchmark nie zasypuje dzielącej ich luki.

Co opublikował każdy z dostawców i co to dla ciebie oznacza

Google opublikowało szeroką tabelę dla Gemma 4 26B A4B: 82,6 w MMLU-Pro, 82,3 w GPQA Diamond, 88,3 w AIME 2026 bez narzędzi, 77,1 w LiveCodeBench v6, Elo 1718 w Codeforces, 73,8 w MMMU-Pro oraz 44,1 w MRCR v2 przy 128K z ośmioma igłami. Wszystkie dane zgłoszone przez producenta, żadne nie zostały niezależnie odtworzone. Zewnętrzne monitorowanie szacuje jego Elo w LMArena na około 1438.

Liquid opublikował węższą tabelę dla LFM3-1.7B, nastawioną na pracę agentową: 71,39 w BFCL V4, 80,36 w ToolSandbox, 68,01 w τ³-bench, 45,60 w LiveClaw, 38,42 w WebArena-Verified. Podaje także 96,66 w IFEval, 73,03 w IFBench, 63,37 w GPQA Diamond, 73,46 w LiveCodeBench v6 i 65,56 w RULER przy 128K. Liquid nie publikuje wyniku MMLU-Pro dla LFM3-1.7B, a ten brak nie jest zerem — po prostu go nie zmierzono.

Tylko LiveCodeBench v6 i GPQA Diamond pokrywają się w czysty sposób. Gemma 4 26B A4B wygrywa oba, odpowiednio o 3,6 i 18,9 punktu. Tam, gdzie zestaw Liquid staje się agentowy, nie ma wyniku Gemmy do porównania — Google podaje τ²-bench na poziomie 68,2, a τ² to nie τ³, więc umieszczenie 68,01 obok niego byłoby sfabrykowanym porównaniem przebranym za staranne.

Gdzie 1.7B pozostaje w rozmowie

Różnica 3,6 punktu w LiveCodeBench jest mniejsza, niż przewidywałby stosunek parametrów 14 do 1, a powód jest architektoniczny. Programowanie konkursowe nagradza zdolność utrzymania wzorca i wygenerowania poprawnej funkcji — umiejętność, która bardziej korzysta z czystego sygnału treningowego niż z surowej pojemności. Gdyby pytania dotyczące kodowania stanowiły całą pracę, wygrałby model 26B, a ta sekcja byłaby krótka.

To, co tak naprawdę utrzymuje LFM3-1.7B w grze, to połączenie kontekstu 262 144 tokenów i zajętości 1 GB. Model, który potrafi pomieścić duży dokument i działać na urządzeniu, które go czyta, to inny produkt niż model, który potrafi pomieścić ten sam dokument na serwerze. Liquid podaje 65,56 w RULER przy 128K, co nie jest spektakularnym wynikiem w długim kontekście — Gemma 4 26B A4B podaje 81,4 w tej samej rodzinie benchmarków — ale jest w ogóle mierzony, na urządzeniu, przy jednym gigabajcie.

A jeśli chodzi o podążanie za instrukcjami, mały model nie ma się czego wstydzić: 96,66 w IFEval i 73,03 w IFBench to mocne wyniki w tej klasie rozmiaru, oba raportowane przez producenta. W przypadku obciążeń związanych z wywoływaniem narzędzi lub generowaniem ustrukturyzowanych danych wyjściowych jest to bliższe metryce, która ma znaczenie, niż GPQA Diamond.

Co tak naprawdę zmienia warstwa routingu

Gemma 4 26B A4B jest w katalogu OrcaRouter — jeden klucz API daje do niego dostęp obok ponad 200 innych modeli, a ceny dostawców są przekazywane z marżą 0%, więc zmiana ceny przez dostawcę trafia tu tego samego dnia, zamiast czekać na cykl aktualizacji cen. Ma to tutaj większe znaczenie niż zwykle, ponieważ to model, którego ekonomia opiera się w całości na cenach dostawców: wagi są darmowe, więc rachunek równa się stawce najtańszego kompetentnego hosta, a ta liczba się zmienia.

Automatyczne przełączanie awaryjne to druga połowa całości. Model mixture-of-experts o 26B parametrów i kontekście 256K to dokładnie ten rodzaj obciążenia, który w szczycie napotyka ściany wydajności, a trasowanie między dostawcami oznacza, że zły dzień jednego hosta nie jest Twoją awarią. LFM3-1.7B nie potrzebuje niczego z tego, ponieważ działa na sprzęcie, który kontrolujesz, i nie ma dostawcy, od którego miałby przełączać się awaryjnie. To nie jest argument za nim ani przeciw niemu — to konsekwencja wyboru innego przepisu.

Uczciwe ujęcie naszej roli: kierujemy do dużego modelu rzadkiego, nie obsługujemy małego gęstego, a decyzja między nimi nie jest czymś, co router może podjąć za Ciebie.

Podejmowanie decyzji w jednym przebiegu

Jeśli docelowe środowisko wdrożenia ma mniej niż 20 GB pamięci — telefon, laptop, Jetson, AI PC — to Gemma 4 26B A4B nie jest kandydatem i porównanie się kończy. Wybierz LFM3-1.7B, zaplanuj pozyskiwanie informacji wokół luki w wiedzy, którą sygnalizuje sam Liquid, i używaj go do wywoływania narzędzi oraz ekstrakcji strukturalnej tam, gdzie jego wyniki są naprawdę konkurencyjne.

Jeśli serwujesz z GPU, a obciążenie jest mocno oparte na wiedzy, multimodalne lub wymaga rozumowania klasy 82.3 GPQA Diamond i 82.6 MMLU-Pro, Gemma 4 26B A4B jest lepszym modelem, a 18 GB to cena wejścia. Apache 2.0 całkowicie eliminuje temat licencjonowania, co dla dużej organizacji jest warte więcej niż kilka punktów w benchmarkach.

Jeśli budujesz produkt, który trafia do obu — asystenta na urządzeniu, który eskaluje trudne zapytania do serwera — te dwa rozwiązania wcale nie są konkurentami. To dwa poziomy jednej architektury, a ciekawym pytaniem inżynierskim jest to, gdzie wyznaczyć granicę eskalacji, a nie to, który model wygrywa w tabeli.

Otwarta kwestia to nie zdolności, które są rozstrzygnięte na korzyść Google, ale czy model 1 GB z kontekstem 256K jest wystarczająco dobry do wąskich zadań agentowych, których większość produktów działających na urządzeniu faktycznie potrzebuje. Karta modelu Liquid jest nietypowo szczera, że nie jest to model rozumujący. Ta szczerość jest warta więcej niż różnica w LiveCodeBench, ponieważ mówi ci, którą połowę swojego obciążenia wysłać gdzie.