Cartão de título principal para o artigo 'Clef-Flash vs LFM2.5 2.6B Base', com o subtítulo 'Dois modelos chamados pequenos, duas máquinas de distância'. O logotipo do OrcaRouter é composto no canto inferior direito.
Guides & Insights

Clef-Flash vs. LFM2.5 2.6B Base: Dois modelos chamados "pequenos", separados por três ordens de magnitude

Autor

Elias Hawthorne

Data de publicação

Modelos mais recentes · 20Ver todos os modelos →
Benchmarks: Artificial Analysis · atualizado diariamente
Voltar para todas as publicações

A build do clef-flash que a maioria das pessoas realmente baixa tem 11 GB. LiquidAI/LFM2.5-2.6B-Base é executado em menos de 2,5 GB de memória. Ambos os modelos são descritos como pequenos, rápidos e eficientes pelos laboratórios que os criaram, e ambas as descrições são precisas — e é exatamente por isso que a comparação é útil, porque as duas palavras fazem um trabalho completamente diferente. Cloudflare/clef-flash é um modelo de decisão multimodal de 9B que responde a perguntas digitadas com probabilidades calibradas e nunca escreve um token; ele precisa de uma GPU da classe H200 para atingir a latência mediana de 38,8 ms em sua própria placa, e a proposta da Cloudflare para ele é inferência de borda dentro de sua rede. O LFM2.5 2.6B Base é um checkpoint de texto pré-treinado que a Liquid AI publicou em 1º de agosto de 2026 para que outra pessoa possa fazer fine-tuning nele, e seu alvo de implantação pretendido é um laptop.

Nenhum dos dois é um modelo de linguagem que você colocaria em uma janela de chat. Ambos são baratos. Escolher entre eles não é bem uma questão de qualidade — é uma questão de qual é o seu orçamento de hardware e se aquilo que você está construindo já sabe como são as suas respostas.

A conversa sobre a pegada, em números

Comece pelo que as máquinas realmente precisam, porque é neste eixo que os dois estão mais distantes.

• Parâmetros — Clef-Flash é um backbone congelado Qwen3.5-9B com seu codificador de visão mais uma cabeça de esquema conjunta de 243,5 MB; LFM2.5 2.6B Base tem 2,69 bilhões de parâmetros, somente texto.

• Disco e memória — a build comunitária clef-flash ocupa 11 GB; o repositório completo do Hugging Face tem cerca de 18,8 GB, distribuídos por quatro shards de backbone mais a head. O LFM2.5 2.6B Base é indicado com menos de 2,5 GB de memória para inferência, e builds quantizadas em GGUF, ONNX e MLX são publicadas juntamente com ele.

• Latência — Clef-Flash: mediana de 38,8 ms, p95 de 122,4 ms, medida pela Cloudflare em uma única H200. O LFM2.5 2.6B, o irmão pós-treinado deste checkpoint base, roda a 220 tokens por segundo em um Apple M5 Max e 113 tok/s em uma CPU AMD Ryzen.

• Contexto — 65.536 tokens para o Clef-Flash, conforme a documentação do Workers AI da Cloudflare; 131.072 tokens para o LFM2.5 2.6B Base.

• Licença — Apache-2.0 para o clef-flash; a licença LFM 1.0 para o LFM2.5, que tem pesos abertos mas não é uma licença de código aberto aprovada pela OSI, e a diferença é importante se você está lançando um produto em vez de apenas experimentar.

Essas duas linhas de latência não estão medindo a mesma unidade, e você não deveria subtraí-las. Mas, lidas em conjunto, elas dizem claramente o óbvio: Clef-Flash é um componente de datacenter cujo runtime vendorizado também acontece de estar em uma rede de borda, e LFM2.5 2.6B é um componente para a máquina na sua mesa.

Por que o checkpoint base é um tipo diferente de objeto

A palavra "Base" no nome é crucial, e o próprio cartão da Liquid AI é incomumente franco sobre isso. LFM2.5-2.6B-Base é o checkpoint pré-treinado apenas texto, 30 camadas organizadas como 22 blocos de convolução curta com portão duplo e 8 blocos de atenção de consulta agrupada, treinado em 34 trilhões de tokens em um vocabulário de 128.000 tokens em dezesseis idiomas. É "recomendado apenas para tarefas que exigem ajuste fino intenso" — trabalho específico de idioma, assistentes específicos de domínio, treinamento com dados proprietários. Seu cartão diz isso com todas as letras.

Clef-Flash é o oposto disso. Ele está pronto. O treinamento foi concluído, o head de schema está acoplado, o contrato da API foi publicado, e o modelo está hospedado na própria rede de borda do fornecedor por um preço tabelado. Você não o ajusta; você o chama, ou o baixa e o chama localmente. Há um produto de ajuste fino atrelado à família — a Cloudflare lançou um junto com os modelos —, mas usar o clef-flash não exige isso, e é esse o ponto.

Então, a forma honesta de enquadrar isto é que se trata de duas etapas de dois pipelines diferentes. Um é um ingrediente e o outro é um componente. Se a sua tarefa é "tenho 40 000 tickets de suporte etiquetados e quero um classificador rápido e específico para o domínio que corra nas nossas próprias máquinas", o LFM2.5 2.6B Base é um ponto de partida plausível e o clef-flash não o é, porque não se pode ajustar a cabeça de decisão do clef-flash para uma capacidade linguística que ele não tem — não tem sequer um caminho de saída de linguagem. Se a sua tarefa é "preciso de encaminhar um pedido para um de seis compartimentos em menos de 50 milissegundos, com uma probabilidade que eu possa aplicar um limiar", o clef-flash responde a essa questão de imediato e o LFM2.5 2.6B Base não a responde de forma alguma.

A two-column comparison scoreboard titled 'Clef-Flash vs LFM2.5 2.6B Base — the scoreboard'. The left column, 'Clef-Flash', has rows reading 'Parameters: 9B with vision encoder', 'Context: 65,536 tokens', 'Output: calibrated probabilities', 'Footprint: 18.8 GB, H200-class', 'Latency: 38.8 ms median' and 'Licence: Apache 2.0'. The right column, 'LFM2.5 2.6B Base', has rows reading 'Parameters: 2.69B text only', 'Context: 131,072 tokens', 'Output: generated text', 'Footprint: under 2.5 GB, laptop', 'Latency: 220 tok/s on M5 Max' and 'Licence: LFM 1.0'. The footer reads 'Clef-Flash figures vendor-reported; LFM2.5-2.6B-Base figures per Liquid AI.' The OrcaRouter logo is composited in the bottom-right corner.

A parte que é genuinamente compartilhada

Há uma sobreposição real, e vale a pena ser preciso quanto a ela, porque é aí que a comparação deixa de ser trivial.

Um generalista pós-treinado — LFM2.5 2.6B, ou qualquer modelo instruct pequeno — pode receber um prompt para retornar uma classificação estruturada. Dê a ele um esquema JSON, peça um rótulo e uma confiança, faça o parse da saída. As pessoas fazem isso o tempo todo. A questão é o que você obtém quando faz isso.

O que você recebe é uma sequência de tokens que, por acaso, contém um rótulo que você pode extrair, mais um número que o modelo escreveu sobre si mesmo. Essa confiança é um token amostrado, não um softmax sobre respostas candidatas, e não significa o que uma probabilidade calibrada significa. O cartão do Clef-Flash é explicitamente cuidadoso quanto ao valor análogo na sua própria API — a confiança "mostra quão concentradas as probabilidades estão. Não é a probabilidade de a resposta estar certa" — e pode permitir-se sê-lo, porque a quantidade subjacente é uma distribuição real sobre as opções que você forneceu. Um generalista via prompt não tem uma distribuição dessas para expor. Tem uma frase que diz 0,85.

Saber se essa distinção vale 11 GB e uma H200 depende inteiramente do que você faz com o número. Se o rótulo vai para um painel, um modelo de 2,6 B com prompt é suficiente e mais barato em todos os aspectos. Se o rótulo condiciona uma ação irreversível — emitir um reembolso, bloquear uma conta, escalar um incidente de segurança —, a diferença entre uma pontuação calibrada e uma string aparentemente plausível é a diferença entre um limite que você consegue justificar para um auditor e um limite que você não consegue.

A screenshot of the Hugging Face model card for LiquidAI/LFM2.5-2.6B-Base, a text-generation checkpoint of 3B parameters under the LFM 1.0 licence, tagged lfm2, liquid, fm2.5, edge and conversational, described as a hybrid model family designed for on-device deployment with quantizations derived from it and a note that no inference provider is deployed for it. A downloads-last-month figure reads 16,541.

Onde você pode obter cada um deles

Nenhum dos dois modelos está no OrcaRouter. Nosso catálogo não inclui clef-flash, e não inclui o LFM2.5 2.6B Base nem qualquer outro checkpoint da Liquid AI — você pode verificar ambos acessando nossa API de modelos e obtendo um 404. Nada neste artigo constitui uma declaração de disponibilidade da nossa parte.

O Clef-Flash está disponível no Workers AI da Cloudflare a US$ 0,09 por milhão de tokens de entrada, ou como pesos Apache-2.0 que você mesmo executa. O LFM2.5 2.6B Base está no Hugging Face com builds quantizadas para llama.cpp, ONNX Runtime e MLX, além do playground e da documentação da própria Liquid AI para a família. Se você quer um modelo de decisão que já está ativo em nosso catálogo hoje, o que está lá é o Jev 1.13 da TypeSafe — mesma forma de requisição, contexto de 65.536 tokens, US$ 0,042 por milhão de tokens de entrada — e o clef-flash foi criado para ser um substituto direto dele, o que significa que testar qualquer um dos dois é uma mudança de configuração, não uma reescrita. Ambos chamam a mesma classe de endpoint, então se você já roteia por meio de uma única chave com o preço de tabela do provedor repassado sem markup, a comparação é um experimento que você pode executar hoje à tarde, em vez de uma migração que você precisa planejar.

A screenshot of the OrcaRouter model page for TypeSafe's Jev 1.13 (typesafe/jev-1.13), showing a 65K token context, text input, structured JSON output, a p50 TTFT of 148 ms, a $0.04 per million input token price, 174.0M tokens of throughput, and the POST /v1/systemone request shape.

Qual deles se encaixa na sua stack

A árvore de decisão é curta. Se suas respostas são uma lista finita que você pode escrever com antecedência, e você precisa de uma probabilidade que signifique algo, e você tem o hardware ou a disposição de pagar por chamada — clef-flash é o componente pronto e LFM2.5 2.6B Base não é candidato. Se suas respostas são abertas, ou o que você realmente precisa é de um modelo de linguagem pequeno que você possa moldar com seus próprios dados e executar em um laptop, LFM2.5 2.6B Base é o ponto de partida e clef-flash não pode ajudar você em nada.

O caso em que as pessoas erram é o do meio: construir um classificador delimitado por meio de prompts para um pequeno generalista, porque é o caminho de menor resistência e funciona na demonstração. Funciona na demonstração. Deixa de funcionar no momento em que você precisa que o número seja um número, e a essa altura o esquema, os prompts e o código de parsing já são todos estruturais.

Uma ressalva quanto ao lado do clef-flash, dita sem rodeios porque é o próprio número mais fraco do fornecedor: no CLINC150 com tratamento de casos fora de escopo, em que a resposta correta às vezes é "isto não se encaixa em nenhuma das suas categorias", o clef-flash obtém 66,8 de macro-F1 contra 97,4 do seu irmão maior de 27B. Um esquema delimitado é uma força até que a entrada não se encaixe nele, e o modelo vai classificar de qualquer forma. Qualquer que seja o caminho que você siga, construa a classe residual de propósito e audite o que cai nela.