Dessa vs LFM2.5 2.6B Base: Um checkpoint que você pode possuir vs uma voz que você só pode ouvir

LFM2.5-2.6B-Base é um ficheiro de 2,69 mil milhões de parâmetros que ocupa cerca de 2,5 GB, funciona num telemóvel e vem com uma licença que permite ajustá-lo e distribuir o resultado. Dessa é um modelo de fala full-duplex que a Block anunciou em 23 de outubro de 2026, treinado apenas com conversas humanas e, segundo informações, rápido o suficiente para funcionar num MacBook Pro M4 Max. Não é possível descarregar a Dessa, ajustá-la, medi-la ou invocá-la. É uma lista de espera.

Colocar esses dois na mesma frase é injusto de uma forma óbvia: um é um checkpoint de texto pré-treinado, o outro é um comportamento conversacional acabado. Mas a injustiça é a parte útil. A pergunta que uma equipe realmente enfrenta não é "qual modelo é melhor" — é "sobre qual modelo posso construir um negócio", e, nessa questão, a diferença entre um checkpoint base que pode ser baixado e uma prévia de pesquisa fechada é maior do que qualquer diferença de benchmark.

O que o LFM2.5-2.6B-Base realmente é

A Liquid AI lançou a família LFM2.5 em 4 de agosto de 2026. O sufixo Base importa mais do que a contagem de parâmetros: este é o checkpoint pré-treinado, não o assistente ajustado por instruções. Ele leu 34 trilhões de tokens e aprendeu a estrutura estatística de 16 idiomas, mas não foi ensinado a seguir instruções, manter um diálogo ou usar ferramentas. Se você lhe der um prompt sem contexto, obtém uma continuação, não uma conversa.

A arquitetura é híbrida. Trinta camadas, das quais 22 são blocos de convolução curta com duplo gate e oito são atenção de consulta agrupada (grouped-query attention), um design que a Liquid vem refinando desde a primeira geração do LFM2. O vocabulário tem 128.000 tokens, o dobro da geração anterior por meio de uma extensão in-place do tokenizador voltada a escritas não latinas. O contexto é de 131.072 tokens, alcançado por meio de uma extensão dedicada de mid-training, e não no momento do pré-treinamento.

O irmão ajustado por instrução, LFM2.5-2.6B, é o que tem a tabela de benchmarks publicada: AIME25 51.87, LiveCodeBench v6 59.41, IFBench 59.17, BFCLv4 56.88, ToolSandbox 77.83, Claw-Eval English 62.85. Esses números são relatados pelo fornecedor e pertencem ao modelo pós-treinado, não ao base. A própria Liquid desaconselha o uso da família para codificação agêntica ou trabalho intensivo em conhecimento, o que é um sinal útil de honestidade num mercado em que todo modelo pequeno é descrito como entregando acima do seu peso.

Por que ainda vale a pena comparar um checkpoint base com um comportamento finalizado

Um modelo base é um ponto de partida. Seu valor está no que você consegue fazer a partir dele: pré-treinamento contínuo no seu domínio, um ajuste fino supervisionado nas suas transcrições, um modelo aluno destilado para uma tarefa restrita. Dessa é o tipo oposto de artefato. Ele chega como um comportamento — alternância de turnos, backchannel, timing emocional — e nada disso é exposto para modificação.

Então, a comparação é realmente sobre controle. O LFM2.5-2.6B-Base oferece os pesos, a licença e a obrigação de fazer o trabalho. A Dessa oferece uma demo e a possibilidade de acesso. Para um laboratório de pesquisa, a segunda pode ser mais valiosa. Para uma equipe de produto, a primeira é a única que produz um entregável.

A ficha técnica, com ambos os lados em uma única linha

Os números da LFM vêm do model card e do anúncio da Liquid; os números da Dessa vêm da página da Block. Todos os números reportados pelos fornecedores estão identificados como tal.

• Parâmetros — LFM2.5-2.6B-Base com 2,69B no total vs. Dessa não divulgado.

• Arquitetura — LFM2.5-2.6B-Base, um híbrido de convolução curta e atenção com consultas agrupadas, 30 camadas, versus Dessa, fala para fala ponta a ponta, arquitetura não publicada.

• Contexto — LFM2.5-2.6B-Base 131.072 tokens vs Dessa não informado.

• Modalidade — LFM2.5-2.6B-Base entrada de texto, saída de texto vs Dessa entrada de áudio, saída de áudio.

• Pesos — LFM2.5-2.6B-Base disponível para download, incluindo builds GGUF, ONNX e MLX vs nenhum da Dessa.

• Licença — LFM2.5-2.6B-Base sob a LFM Open License v1.0, uso comercial com condições vs Dessa sem licença publicada.

• Memória — LFM2.5-2.6B-Base abaixo de cerca de 2,5 GB em tempo de execução vs Dessa, um MacBook Pro M4 Max ou melhor, por Block.

• Velocidade — LFM2.5-2.6B-Base cerca de 220 tokens por segundo em um Apple M5 Max, cerca de 30 em telefones, segundo o fornecedor, contra "mais rápido que o tempo real" da Dessa, sem número.

• Preço — LFM2.5-2.6B-Base com pesos gratuitos vs Dessa sem preço.

• Disponibilidade — LFM2.5-2.6B-Base disponível em geral desde 4 de agosto de 2026 vs. Dessa, uma lista de espera.

O orçamento do dispositivo é todo o argumento.

A proposta da Liquid gira em torno da economia de implantação: um modelo pequeno o bastante para um Raspberry Pi, rápido o bastante para um celular, barato o bastante para rodar sem uma conta de GPU. A taxa de transferência alegada — cerca de 220 tokens por segundo em um M5 Max, 113 em um Ryzen AI Max+ 395 e aproximadamente 30 em um celular — é o tipo de número que determina se um assistente no dispositivo parece instantâneo ou quebrado. Trinta tokens por segundo é mais rápido que a velocidade de leitura, que é o limiar relevante para uma interface de chat.

A afirmação de implantação da Dessa é um laptop que custa bem mais de US$ 2.000 com um chip Apple de ponta. Isso ainda é local, e o local tem vantagens reais: nenhuma cobrança por token, nenhuma ida e volta pela rede, nenhum dado saindo do dispositivo. Mas é um mercado diferente. Um modelo de 2,6 bilhões de parâmetros pode ser distribuído dentro de um app; um modelo que precisa de um M4 Max é uma ferramenta de desenvolvedor ou um recurso de desktop. Se o seu produto roda em celulares, esta comparação termina na linha da memória.

O licenciamento é a verdadeira divisão.

A LFM Open License v1.0 não é uma licença de código aberto aprovada pela OSI, e vale dizer isso claramente. O uso comercial é permitido, mas organizações acima de um limite de receita — os termos da Liquid estabelecem US$ 10 milhões em receita anual — precisam de uma licença comercial separada. Isso é uma restrição real. Também é uma restrição conhecida, com um documento, um limite e alguém com quem negociar.

A Dessa não tem licença porque a Dessa não tem distribuição. Não é possível cumprir termos que não existem, nem construir um caso de aquisição em torno de uma lista de espera. Para uma empresa, “licença personalizada com limite de receita” é uma análise jurídica. “Nenhum termo publicado” é um impedimento.

Se você quiser um agente de voz em um telefone hoje

Nenhum dos modelos é uma resposta completa, mas o lado do LFM é, pelo menos, um ponto de partida. Um agente de voz para telefone precisa de três componentes: reconhecimento de fala, um modelo de linguagem e síntese de fala. O LFM2.5-2.6B-Base pode ser o componente do meio se você o ajustar finamente — o checkpoint base é um modelo de texto, então ele não ouvirá nada por conta própria, e seu contexto de 131K é suficiente para manter um longo histórico de conversa mais notas recuperadas.

O ajuste fino é a opção interessante. Com os pesos em mãos, você pode treinar em conversas do seu próprio domínio e avaliar o resultado nos seus próprios termos. Esse é exatamente o experimento que o anúncio da Dessa convida e não permite: pegar uma pilha pequena com capacidade de fala, treiná-la em conversas reais e ver se emerge uma temporalidade emocional. A Block diz que fez isso do zero em um rack GB200 NVL72. Uma equipe com algumas GPUs pode executar a versão barata da pergunta sobre uma base LFM e aprender algo em uma semana.

Se você preferir não executar o modelo de linguagem no dispositivo, o OrcaRouter coloca uma única API na frente de mais de 200 modelos com 0% de margem e failover automático, para que a etapa de raciocínio possa ficar na nuvem enquanto o áudio permanece local. Para deixar o escopo claro: o LFM2.5 2.6B Base não está no nosso catálogo — ele é um download, e esse é o objetivo dele. Nós roteamos modelos hospedados; este foi feito para rodar onde você o colocar.

Quem deve escolher qual?

• Você precisa ser dono do modelo, dos pesos e do roteiro — LFM2.5-2.6B-Base e, em seguida, fazer o ajuste fino.

• Você precisa de operação offline em hardware barato — LFM2.5-2.6B-Base.

• Você precisa de um núcleo de texto ou agêntico com menos de alguns gigabytes — o LFM2.5-2.6B pós-treinado, não o base.

• Você precisa de fala ao vivo, interrompível e emocionalmente expressiva — a Dessa é a única das duas voltada para isso, e não está disponível.

• Você precisa de uma licença que possa assinar neste trimestre — LFM2.5-2.6B-Base, com a cláusula de receita verificada.

• Você precisa publicar um resultado reproduzível — LFM2.5-2.6B-Base, porque a reprodutibilidade exige um arquivo.

O experimento que resolveria isso

Pegue 1.000 horas de áudio de conversação com transcrições, faça fine-tuning do LFM2.5-2.6B-Base no lado textual e acople um reconhecedor e um sintetizador de fala robustos. Meça a recuperação de interrupções e a adequação emocional em relação a uma linha de base por turnos. Se o resultado se aproximar do que os clipes da Block sugerem, então a vantagem da Dessa é menor do que o vídeo de demonstração implica: pode ser uma vitória de arquitetura, mas não uma vantagem imbatível.

Se não for o caso, o argumento a favor do treinamento nativo em fala se fortalece, e a ausência de um arquivo de pesos da Dessa passa a ser o fato mais importante desta comparação. De qualquer forma, o teste é executável no lado aberto e não no fechado. Essa assimetria é a resposta à pergunta principal, e continuará sendo a resposta até que a Block entregue algo que um cliente possa ter em mãos.