LFM2.5-24B-A2B vs Gemma 4 12B: O Agente Esparso Contra o Multimodal Denso

Da Liquid AI, o LFM2.5-24B-A2B e, do G​oogle DeepMind, o G​emma 4 12B são os dois checkpoints de pesos abertos com maior probabilidade de estarem na mesma fila de download este mês, e chegaram de direções opostas. O LFM2.5-24B-A2B foi lançado em 13 de outubro de 2026 com 24,0 bilhões de parâmetros, dos quais apenas 2,45 bilhões são lidos por token, texto de entrada e texto de saída, um contexto de 131.072 tokens e uma tabela de benchmarks construída inteiramente em torno do uso de ferramentas. O G​emma 4 12B foi lançado em 3 de junho de 2026 como um modelo denso de 11,95 bilhões de parâmetros que lê texto, imagens e áudio e escreve texto, sob a licença Apache 2.0, sem limite de receita associado. Um é um mecanismo de agente especializado que roda no laptop que você já tem. O outro é um generalista que vê e ouve, roda no mesmo laptop em cerca de 7 GB e vem com uma licença que você nunca precisa ler duas vezes.

Então, a pergunta que esta página responde não é "qual é melhor", porque eles nunca foram feitos para a mesma tarefa. Ela é mais restrita e mais útil: se você está colocando um agente privado em uma máquina que você controla, qual desses dois você baixa, e do que você abre mão de qualquer forma?

A resposta em um parágrafo, para pessoas que já sabem o que querem

Escolha o LFM2.5-24B-A2B se o agente faz chamadas de ferramentas em várias etapas e nada mais — os números agênticos do próprio fornecedor estão muito à frente dos números do G​emma 4 12B nas poucas linhas comparáveis o bastante para se alinhar, e o modelo sempre produz um traço explícito de raciocínio antes de agir. Escolha o G​emma 4 12B se a tarefa envolver uma captura de tela, um documento fotografado, uma página digitalizada ou um clipe de áudio, se você quiser desativar o traço de raciocínio para reduzir a latência, ou se sua empresa estiver em qualquer ponto próximo da linha de US$ 10 milhões de receita em que a licença da Liquid deixa de ser gratuita. Continue lendo se quiser os números por trás dessas duas frases, porque boa parte da comparação depende de como os dois fornecedores mediram.

Onde os dois pontos de verificação realmente diferem

• Economia de parâmetros — LFM2.5-24B-A2B é uma mistura de especialistas: 24,0B no total, 2,45B ativos por token, 64 especialistas com roteamento top-4 em 40 camadas (30 blocos de convolução curta com dupla porta, 10 de atenção de consultas agrupadas). G​emma 4 12B é denso: 11,95B no total em 48 camadas, cada parâmetro é lido a cada token.

• O que cabe no disco — A Liquid publica um Q4_K_M GGUF de 14,5 GB e um QAT QAD-Q4_0 de 13,6 GB, com uma build MLX de 4 bits de 13,6 GB; 48 GB em BF16. O QAT GGUF do G​oogle para o 12B tem cerca de 6,98 GB de pesos mais um arquivo de projeção multimodal de 0,18 GB, e as builds da comunidade Unsloth vão de aproximadamente 4,2 GB em 2 bits a 7,12 GB em Q4_K_M.

• Contexto — 131.072 tokens para o LFM2.5-24B-A2B, o dobro dos 32.768 da geração anterior. O G​emma 4 12B tem 256K (262.144), com uma janela deslizante de 1.024 tokens e atenção híbrida que intercala camadas locais e globais.

• Modalidade — O LFM2.5-24B-A2B é apenas texto, e deliberadamente assim. O G​emma 4 12B aceita texto, imagem e áudio, sem quaisquer codificadores multimodais: patches de imagem brutos e formas de onda de áudio são projetados diretamente no mesmo espaço que os tokens de texto.

• Comportamento de raciocínio — LFM2.5-24B-A2B é apenas de raciocínio na formulação do fornecedor: pensa sempre dentro de um bloco <think> antes de responder. A ficha do G​emma 4 12B descreve um modelo ajustado por instruções sem rasto obrigatório, o que num portátil é um ganho de latência e uma perda de transparência.

• Licença — lfm1.0 é gratuito para download, ajuste fino e uso comercial até US$ 10 milhões em receita anual, depois aplica-se uma licença comercial. G​emma 4 12B é Apache 2.0 sem gatilho de receita; os Termos de Uso e a Política de Uso Proibido do G​oogle acompanham os pesos como documentos de uso aceitável, não como restrições de licença.

• Vocabulário e escala de treinamento — O LFM2.5-24B-A2B aumentou seu vocabulário de 65K para 128K por meio de expansão in-place do tokenizador e escalou o pré-treinamento de 17T para 33T tokens, com 300B de tokens de mid-training em contexto completo e um estágio de RL agêntico dentro de harnesses reais. O G​emma 4 12B carrega um vocabulário de 262K compartilhado por toda a família e foi pré-treinado em mais de 140 idiomas, com suporte declarado pronto para uso para mais de 35.

O único benchmark que ambos os fornecedores executaram

Comparar duas tabelas de lançamento diferentes normalmente é uma armadilha. Aqui há exatamente uma linha em que as duas empresas mediram a mesma coisa em termos comparáveis, e vale a pena isolá-la justamente porque é tão solitária.

GPQA Diamond — A Liquid relata 74,42 para o LFM2.5-24B-A2B; a tabela da família Gemma 4 do Google relata 78,8 para o Gemma 4 12B ajustado por instruções. Ambos são relatos de fornecedor e não foram reproduzidos. O 12B denso leva vantagem em perguntas de ciências de nível de pós-graduação, o que corresponde à própria caracterização da Liquid de que seu modelo não é o mais indicado para responder a perguntas de conhecimento — a publicação de lançamento aconselha combiná-lo com recuperação ou pesquisa na web em vez de confiar em seus pesos.

Todo o resto tem de ser lido dentro de sua própria tabela, e o resumo honesto é que as duas tabelas medem coisas quase disjuntas. A tabela de dezesseis benchmarks da Liquid abrange 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 via OpenCode (51.00), SciCode (32.71), AA-Omniscience (−24.90) e HLE (7.40). A tabela da família do Google cobre MMLU Pro (77.2), AIME 2026 sem ferramentas (77.5), LiveCodeBench v6 (72.0), um ELO de 1659 no Codeforces, MMMU Pro (69.1) e MRCR v2 em 128K com oito agulhas (43.4).

Apenas uma sobreposição, e nenhum harness compartilhado. Qualquer pessoa que publique um placar combinado a partir dessas duas tabelas está inventando uma comparação que nenhuma das empresas realizou.

Independentemente, e este é o lado mais afiado

Artificial Analysis pontuou o G​emma 4 12B: um Intelligence Index de 14, classificado em 20º entre 141 modelos em sua classe de comparação, a 110,9 tokens por segundo medidos e um custo combinado de terceiros de US$ 0,10 por milhão de tokens de entrada e US$ 0,30 por milhão de tokens de saída. Esses são números independentes de um modelo que está disponível publicamente há quatro meses e tem um ecossistema por trás.

O LFM2.5-24B-A2B não tem nada equivalente. Tem um dia de vida, nenhum terceiro publicou uma pontuação, e os próprios números de desempenho em edge da Liquid — 184 tokens por segundo em um Apple M5 Max, 114 em um AMD Ryzen AI Max+ 395, "até 1,7× mais rápido que MoEs comparáveis no dispositivo" — não trazem linha de base nem reprodução. Para um modelo medido pelo fornecedor contra um medido de forma independente, a assimetria é o achado: um desses dois números você mesmo pode conferir hoje, e não é o mais novo.

Se você prefere não apostar um caminho de produção em uma tabela de fornecedor com quatro dias, é exatamente para isso que serve o failover automático. Aponte o agente para o LFM2.5-24B-A2B, mantenha um modelo pontuado por trás dele e deixe o roteador mover a requisição quando o harness começar a falhar — sem segundo contrato, sem alteração de código além da lista de fallback.

Custo, nas duas moedas em que eles operam

Ambos são modelos local-first, então a conta real é hardware e eletricidade. No lado hospedado, a Liquid precifica o acesso à API em US$ 0,10 por milhão de tokens de entrada (US$ 0,05 em cache) e US$ 1,00 por milhão de saída por meio do próprio Console, com US$ 2 de crédito inicial. A G​oogle não publica nenhum preço por token para o G​emma 4 12B — o blend de US$ 0,10/US$ 0,30 acima é uma mediana de terceiros entre plataformas que servem os pesos abertos, não um preço de tabela, e tratá-lo como tal seria errado.

Aqui está a parte que importa para uma equipe que avalia os dois: nenhum checkpoint está no nosso catálogo hoje. Nós oferecemos, sim, os pontos de referência aos quais esta decisão sempre retorna — qwen/qwen3.6-35b-a3b, o modelo que a Liquid usou como referência, com uma vez e meia a quantidade de parâmetros, além de google/gemma-4-26b-a4b-it, obsidian/gemma-4-26B-A4B e google/gemma-4-31b-it da mesma família G​emma 4 — todos atrás de uma única chave, todos com 0% de markup sobre o preço de tabela do próprio provedor, então uma alteração de preço do fornecedor chega até você no dia em que ela acontece, e não no dia em que alguém renova um contrato. Execute sua própria tarefa contra os tamanhos hospedados do G​emma 4, depois decida se o 12B no seu notebook é redundante.

O que eu realmente faria

Baixe os dois quants. O G​emma 4 12B em Q4_K_M tem cerca de 7 GB e, em uma hora, dirá se sua tarefa precisa de olhos e ouvidos — se precisar, a decisão está encerrada e o LFM2.5-24B-A2B está totalmente fora de cogitação, porque ele não consegue ver. Se não precisar, carregue o LFM2.5-24B-A2B QAD-Q4_0 com 13,6 GB e execute seu harness real contra ele, já que todo o argumento a favor desse checkpoint é a chamada de ferramentas em várias etapas, e nenhum benchmark estático vai resolver isso para as suas ferramentas.

Duas coisas a ter em mente enquanto você faz isso. Primeiro, as tabelas de ambos os fornecedores não são reproduzidas, e o único modelo avaliado de forma independente nesta comparação é o mais antigo e mais denso — o que é um motivo para confiar mais nos números do G​emma 4 12B, não um motivo para assumir que o modelo mais novo é mais fraco. Segundo, a diferença de licenças é real e assimétrica de uma forma que raramente aparece em posts de benchmark: o G​emma 4 12B é Apache 2.0 para sempre, enquanto o LFM2.5-24B-A2B se torna uma conversa comercial no momento em que sua empresa ultrapassa US$ 10 milhões em receita. Para um desenvolvedor individual, isso é invisível. Para uma equipe de produto que entrega um agente no dispositivo, é um item orçamentário no próximo ciclo de planejamento, e é a única dimensão em que o modelo menor, mais antigo e multimodal é, inequivocamente, a opção padrão mais segura.

É também em comparações como esta que os modos de falha aparecem: os incidentes de IA documentados e as falhas de agentes por trás dos modelos desta classe são reunidos no OrcaRouter AI Incident Archive, onde cada entrada traz as suas próprias fontes, severidade, grau de confiança e sinalizador de disputa.