Um cartão de título principal com o texto 'LFM2.5-24B-A2B vs Gemma 4 26B-A4B', com o subtítulo 'Dois modelos esparsos, dois orçamentos diferentes' e dois painéis rotulados com os textos 'LFM2.5-24B-A2B: 24,0B no total, 2,45B ativos, somente texto' e 'Gemma 4 26B A4B: 25,2B no total, 3,8B ativos, texto + imagem', com o logotipo do OrcaRouter composto no canto inferior direito.
Guides & Insights

LFM2.5-24B-A2B vs Gemma 4 26B-A4B: Dois modelos esparsos, duas teorias diferentes sobre para onde vai o poder computacional

Autor

jinhao.song

Data de publicação

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

LFM2.5-24B-A2B e o Gemma 4 26B-A4B parecem a mesma ideia duas vezes. O checkpoint da Liquid AI foi lançado em 13 de outubro de 2026 com 24,0 bilhões de parâmetros totais e 2,45 bilhões lidos por token. O Gemma 4 26B-A4B do Google DeepMind traz 25,2 bilhões no total, com 3,8 bilhões ativos por token, publicado no Hugging Face em 11 de março de 2026. Ambos são misturas de especialistas, ambos são aproximadamente um checkpoint de 25 bilhões de parâmetros atrelado a um orçamento computacional de dois a quatro bilhões de parâmetros, e ambos os fornecedores recorrem à mesma frase ao explicar o trade-off — você paga em memória por um modelo grande e em latência por um modelo pequeno. É exatamente por causa dessa aritmética quase idêntica que vale a pena fazer a comparação como deve ser, porque os dois modelos depois gastam esse orçamento em coisas completamente diferentes: o Gemma 4 26B-A4B gasta-o em visão, um contexto de 256K e uma ampla base de conhecimento; o LFM2.5-24B-A2B gasta-o num traço de raciocínio, um harness de chamada de ferramentas e aprendizado por reforço agêntico. Mesma forma, prioridades opostas.

Há mais uma assimetria por cima: a tabela de benchmark do LFM2.5-24B-A2B usa o Gemma-4-26B-A4B-it como uma de suas três baselines, então, pela primeira vez, não estamos alinhando duas tabelas de lançamento e chutando — a Liquid executou ambos, no mesmo ambiente vLLM, e publicou as linhas.

Ambos carecem da mesma coisa, e é a coisa que todo mundo assume.

Comece pelo equívoco que esses dois modelos têm maior probabilidade de gerar, porque é o mesmo para ambos. Uma mistura esparsa de especialistas não reduz seu requisito de memória. Todos os parâmetros no checkpoint precisam estar residentes; o que 2,45B ou 3,8B ativos lhe proporcionam é throughput por token, não uma pegada de memória menor. Um leitor que vê "2,45B ativos" e recorre a uma máquina de 4 GB terá uma tarde ruim.

No nosso próprio catálogo, o checkpoint Gemma 4 26B A4B está listado com um contexto de 262.144 tokens, e a ficha do LFM2.5-24B-A2B indica 131.072. Em disco, a diferença é maior do que os números de parâmetros sugerem: o LFM2.5-24B-A2B publica um GGUF Q4_K_M de 14,5 GB e um QAT QAD-Q4_0 de 13,6 GB, com 48 GB em BF16; o Gemma 4 26B A4B publica safetensors bfloat16 como um shard de 49,9 GB mais um shard de 1,7 GB, com um GGUF de 4 bits com reconhecimento de quantização que emparelha um ficheiro de pesos compacto com um ficheiro separado de projeção multimodal. Números redondos: cerca de 14 GB contra cerca de 50 GB sem compressão, de dois checkpoints cujas contagens totais de parâmetros diferem em mil milhões. Essa diferença vem do vocabulário, do layout dos especialistas e da pilha multimodal, não do número de parâmetros em destaque, e é a linha mais prática de todo este texto.

O contraste de especificações, uma linha por dimensão

• Parâmetros totais / ativos — LFM2.5-24B-A2B 24,0B / 2,45B, 64 especialistas com roteamento top-4 em 40 camadas. Gemma 4 26B-A4B 25,2B / 3,8B, 8 especialistas ativos de 128 mais um especialista compartilhado em 30 camadas.

A capture of the Hugging Face model page for google/gemma-4-26B-A4B-it, showing the image-text-to-text pipeline tag, the Transformers and Safetensors formats, the gemma4 and conversational tags, the Apache 2.0 licence, and the card text stating that Gemma 4 models are multimodal, handling text and image input with audio supported on the E2B, E4B and 12B models, that the family spans a context window of up to 256K tokens across five sizes, and the architecture list covering reasoning, extended multimodalities, dense and MoE variants, and on-device optimisation.

• Contexto — 131.072 tokens versus 262.144, com o Gemma 4 26B A4B usando uma janela deslizante de 1.024 tokens e atenção híbrida que intercala camadas locais e globais, mantendo a última camada global.

• Modalidade — O LFM2.5-24B-A2B é texto na entrada, texto na saída. O Gemma 4 26B A4B recebe texto e imagem, com um codificador de visão de aproximadamente 550M de parâmetros; o áudio está limitado aos tamanhos menores do Gemma 4.

• Raciocínio — LFM2.5-24B-A2B sempre emite uma cadeia de raciocínio explícita dentro de um bloco <think>. O Gemma 4 26B A4B é um generalista ajustado a instruções, sem traço obrigatório.

• Vocabulário — 128.000 tokens, o dobro da geração anterior por meio de expansão in-place do tokenizer, em comparação com um vocabulário de família de 262K compartilhado entre todos os cinco tamanhos do Gemma 4.

• Licença — lfm1.0, gratuita para uso comercial até US$ 10 milhões de receita anual, e uma licença comercial a partir disso. O Gemma 4 26B A4B é Apache 2.0, com o texto padrão da licença em ai.google.dev/gemma/apache_2, e a política de usos proibidos do Google ao lado dele como documento de uso aceitável, e não como restrição de licença.

• Formatos publicados — GGUF (Q4_K_M até BF16), FP8, ONNX e MLX de 4/5/6/8 bits para o modelo Liquid; safetensors bfloat16, um checkpoint pré-treinado, uma compilação QAT de 4 bits e um GGUF pronto para llama.cpp, além de um drafter de previsão de múltiplos tokens, para o tamanho Gemma.

A Liquid rodou ambos, e os resultados não são uma varredura completa.

O post de lançamento do LFM2.5-24B-A2B coloca Gemma-4-26B-A4B-it na coluna de baseline da sua tabela de dezesseis benchmarks, ao lado de Qwen3.6-35B-A3B e Nemotron-3.5-Lightning, com todas as quatro colunas executadas no vLLM sob configurações de geração por benchmark. Tudo abaixo é reportado pelo fornecedor de ambos os lados — os números da Liquid, numa tabela montada pela Liquid. Não é uma avaliação independente, mas é pelo menos um único harness, o que é mais do que a maioria das páginas de modelo versus modelo consegue.

As linhas agênticas parecem uma derrota esmagadora: AutomationBench 27,69 contra 5,46, ToolSandbox 80,71 contra 72,09, LiveClaw 48,09 contra 41,25, τ³-Bench Banking 8,04 contra 4,54, BFCLv4 65,01 contra 57,09. O seguimento de instruções é a mesma história — IFEval 96,75 contra 92,00, IFBench 74,69 contra 47,44, Multi-IF 84,38 contra 82,19.

Então, a outra metade da tabela, que a Liquid publicou de qualquer forma: PinchBench 83,18 contra 77,12 vai no sentido oposto, e o mesmo acontece com três linhas que importam mais do que qualquer uma das vitórias em chamadas de ferramentas. GPQA Diamond — 74,42 contra 74,90, essencialmente empatados no extremo superior da ciência de pós-graduação. SWE-Bench Verified via OpenCode — 51,00 contra 25,80, uma margem de dois para um a favor do modelo Liquid, que é o número isolado mais surpreendente em qualquer uma das duas tabelas. SciCode — 32,71 contra 35,42, com o modelo de porte Gemma à frente. E AA-Omniscience — −24,90 contra −59,39, em que ambos os modelos têm um desempenho ruim e o modelo de porte Gemma tem uma pontuação mais de duas vezes pior.

Duas leituras disso, e a honesta é a segunda. A primeira é que um modelo agente com 2,45B ativos supera um generalista com 3,8B ativos em agentes, que é para o que ele foi construído. A segunda é que a coluna Gemma 4 26B A4B parece anormalmente fraca em todos os aspectos — 25,2B de parâmetros totais e 3,8B ativos ficando abaixo de um modelo com 2,45B ativos em seguimento de instruções, uso de ferramentas e conhecimento não é o que a própria tabela da família do Google preveria, e é um lembrete de que um harness compartilhado não torna um benchmark comparável se os modelos forem conduzidos por configurações de geração e prompting diferentes. Trate a direção dessas linhas como informativa, e não as magnitudes.

O que não está na tabela de forma alguma é a metade multimodal do Gemma 4 26B A4B. Um benchmark de visão é impossível aqui porque o LFM2.5-24B-A2B não consegue ver. Se qualquer parte da sua carga de trabalho envolver uma imagem vinda de um usuário, esta comparação tem um vencedor antes mesmo de começar, e não é o modelo mais novo.

Preço, e quanto custa a cada um realmente manter

O LFM2.5-24B-A2B tem um preço por token: US$ 0,10 por milhão de tokens de entrada (US$ 0,05 em cache) e US$ 1,00 por milhão de tokens de saída no próprio Console da Liquid, com US$ 2 de crédito para começar. O Gemma 4 26B A4B não tem nenhum preço de tabela de fornecedor — o Google não publica nenhum —, então o único valor de custo honesto é o que as plataformas que hospedam os pesos abertos cobram, o que varia de host para host e de dia para dia.

Essa assimetria é o argumento para passar por um roteador em vez de conectar o endpoint de um fornecedor ao seu código. Deixando a geometria de lado, este é o ponto em que um checkout para os dois lados importa: disponibilizamos o checkpoint Gemma 4 26B A4B sob dois ids — google/gemma-4-26b-a4b-it e obsidian/gemma-4-26B-A4B — e ambas as referências de preço que a Liquid usa em sua tabela, qwen/qwen3.6-35b-a3b entre elas, por trás de uma única chave, com 0% de markup sobre o preço de lista do provedor. Não servimos o LFM2.5-24B-A2B. A versão prática desta página, portanto, é: baixe o checkpoint da Liquid e execute-o localmente, e chame o modelo do tamanho do Gemma 4 e a linha de base do Qwen pela mesma chave enquanto você decide, para que você compare nas suas próprias tarefas, e não na escolha de harness de qualquer um dos fornecedores.

A two-column scoreboard titled 'LFM2.5-24B-A2B vs Gemma 4 26B A4B — the scoreboard'. The left column, LFM2.5-24B-A2B, lists 24.0B total and 2.45B active parameters, a 131,072-token context, text-only input, SWE-Bench Verified 51.00, AutomationBench 27.69, and a Q4_K_M download of 14.5 GB. The right column, Gemma 4 26B A4B, lists 25.2B total and 3.8B active parameters, a 262,144-token context, text and image input, SWE-Bench Verified 25.80, AutomationBench 5.46, and bfloat16 weights of about 50 GB, above a footer reading 'Benchmark rows from Liquid AI's 2026-10-13 vLLM table, which ran both models; vendor-reported and unreproduced.' and the OrcaRouter logo composited bottom-right.A capture of OrcaRouter's own model page for google/gemma-4-26b-a4b-it, showing the 'Gemma 4 26B A4B' heading and the google/gemma-4-26b-a4b-it identifier, the vision, tools, JSON and reasoning chips, Google as the vendor with a 2026-04-03 date, the summary noting 25.2B total parameters with only 3.8B activating per token, and the 262K-token context row listing text, image and video input with a p50 time-to-first-token figure.

Qual deles, e quando a pergunta é realmente sobre a sua máquina

Se a sua carga de trabalho for texto e o seu agente precisar de planejar, chamar ferramentas e se explicar, o checkpoint mais recente é o que você deve baixar: 14,5 GB em Q4_K_M, um contexto de 131K, raciocínio explícito e uma tabela de benchmarks em que ele vence as linhas agênticas contra esse exato oponente. Se qualquer parte do seu trabalho envolver imagens, ou se você precisar de 256K de contexto em vez de 128K, ou quiser uma licença Apache 2.0 sem cláusula de receita para acompanhar, o Gemma 4 26B A4B responde a uma pergunta que o LFM2.5-24B-A2B nem sequer faz — com cerca de três vezes e meia a pegada de disco descomprimida.

O que nenhum dos dois modelos resolve é que ambos são limitados pela memória, e não pela computação, e que ambos os fornecedores precisam ser lidos da mesma forma. O post de lançamento da família do Google descreve os dois tamanhos maiores do Gemma 4 como pesos bfloat16 que "cabem eficientemente numa única GPU NVIDIA H100 de 80 GB" — verdade, e também o enquadramento do próprio fornecedor, e não uma medição desta build específica. Os 184 tokens por segundo da Liquid num Apple M5 Max e "até 1,7× mais rápido do que MoEs comparáveis no dispositivo" também não trazem reprodução. Dois modelos esparsos, dois fornecedores, uma instrução partilhada: a aritmética no nome diz-lhe algo sobre a velocidade, e nada no nome diz-lhe algo sobre a memória.

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.