LFM2.5-24B-A2B vs Granite 4.2 30B: Modelo esparso para laptop ou modelo denso para estação de trabalho

"Pesos abertos" está desempenhando dois papéis diferentes em LFM2.5-24B-A2B e Granite 4.2 30B. O modelo da Liquid AI, anunciado em 13 de outubro de 2026, é uma mistura de especialistas de 24 bilhões de parâmetros que ativa 2,45 bilhões de parâmetros por token e é distribuído sob a própria licença lfm1.0 do fornecedor. O Granite 4.2 30B da IBM, publicado no Hugging Face em 25 de agosto de 2026, é um modelo de raciocínio denso apenas com decodificador — cerca de 29 bilhões de parâmetros em seus safetensors BF16, todos eles ativos em cada token — e é distribuído sob a Apache 2.0. Uma dessas licenças é uma concessão Apache padrão sem restrições. A outra não é, e essa diferença sobrevive a qualquer argumento de benchmark que você possa ter sobre os dois.

A segunda diferença é aritmética que nenhuma avaliação consegue esconder. Um MoE com 2,45B de parâmetros ativos é dimensionado para uma máquina que você já tem. Um modelo denso de 29B precisa de uma GPU com memória suficiente para acomodá-lo, o que torna a comparação menos uma questão de "qual é mais inteligente" do que de "qual destes você consegue realmente executar no hardware à sua frente".

Onde os parâmetros vão

O LFM2.5-24B-A2B tem 40 camadas divididas entre 30 blocos de convolução curta com duplo gate e 10 camadas de atenção com consultas agrupadas, com 64 especialistas por bloco e roteamento top-4. A Liquid o treinou em 33 trilhões de tokens segundo a contagem do post de lançamento — ou 36 trilhões segundo a contagem do model card do Hugging Face para o mesmo lançamento, uma discrepância que nenhum dos dois documentos resolve —, depois passou por treinamento intermediário em duas etapas e finalizou com um pipeline de pós-treinamento de cinco etapas que termina em aprendizado por reforço agêntico dentro de harnesses de agentes reais. Ele tem 131.072 tokens de contexto e um vocabulário de 128.000 tokens.

O Granite 4.2 30B é uma única pilha densa, sem roteamento a fazer, construída sobre o checkpoint Granite-4.1-30B-Base e treinada com três modos de raciocínio selecionáveis: pensamento completo envolvido em tags <think>, pensamento de baixo esforço e nenhum pensamento. Ele traz um contexto nativo de 128K com uma extensão de contexto longo documentada para 512K, oferece suporte a doze idiomas testados, e seu cartão de modelo recomenda temperatura 1.0 com top_p 0.95 em todas as tarefas.

A consequência prática é o formato do throughput, não apenas o throughput. O roteamento esparso significa que o LFM2.5-24B-A2B lê um arquivo de pesos de 24B para realizar o equivalente a 2,45B de aritmética por token — bom para largura de banda de memória, ruim para nada em particular. Denso significa que o Granite 4.2 30B realiza todo o trabalho de 29B para cada token que emite. Se sua carga de trabalho for um longo loop de agente com muitos turnos curtos, essa diferença se acumula.

Números de fornecedores, lado a lado, com a ressalva anexada.

Ninguém colocou esses dois frente a frente. Os números da IBM vêm do model card do Granite 4.2; os da Liquid vêm da sua tabela de vLLM do dia de lançamento, na qual o Granite não aparece como uma coluna. As linhas abaixo são, portanto, duas alegações separadas de fornecedores colocadas lado a lado, e não um confronto direto, e dois dos quatro benchmarks usam harnesses sobrepostos, mas não idênticos.

• Parâmetros — 24,0B no total com 2,45B ativos versus ~29B densos, todos ativos. O único número que decide o seu hardware.

• Contexto — 131.072 tokens versus 128K nativos e 512K estendidos. Praticamente empatado na janela nativa; o Granite vai mais longe se precisar.

• Licença — lfm1.0 versus Apache 2.0. O Apache 2.0 não tem gatilho de receita nem questão de campo de uso. Leia os termos da Liquid em comparação com os seus próprios números.

• Uso de ferramentas agênticas — BFCLv4 65,01 versus BFCL v4 61,39.O número da Liquid vem do seu próprio harness; o da IBM, do cartão 4.2. É uma diferença pequena o bastante para que o harness importe mais do que a lacuna.

• Programação — SWE-Bench Verified 51,00 versus 57,00. A liderança do Granite, e isso segue o padrão: LFM2.5-24B-A2B é um chamador de ferramentas, Granite 4.2 30B é um modelo de raciocínio que também chama ferramentas.

• Aderência a instruções — IFEval 96.75 e IFBench 74.69 versus IFBench 77.17.Ambos são fortes; os dois fornecedores usam pares de linhas diferentes, então compare a linha compartilhada.

Onde o card do Granite acrescenta detalhes que o da Liquid não publica, tome isso como o argumento do raciocinador: AIME 2025 em 89,17, GPQA em 66,41, LiveCodeBench v6 em 75,77, MMLU-Pro em 77,60, SciCode em 38,76 e RULER em 89,96 para 64K e 81,38 para 128K. Esse último par é o tipo de evidência de contexto longo que o LFM2.5-24B-A2B simplesmente ainda não tem — a Liquid não publicou nenhuma métrica de recuperação em nenhum comprimento de contexto para sua janela de 131K.

Quanto cada um custa a você para manter

Acesso à API de preços do Liquid a $0,10 por milhão de tokens de entrada — $0,05 em cache — e $1,00 por milhão de tokens de saída em seu próprio Console, com $2 de crédito inicial. Mas o endpoint hospedado não é realmente o produto; o produto é o próprio arquivo 24B-A2B, e as alegações de throughput do fornecedor são todas no dispositivo: 184 tokens por segundo em um Apple M5 Max e 114 tokens por segundo em um AMD Ryzen AI Max+ 395. Ambas são relatadas pelo fornecedor e não reproduzidas, e independentemente de se elas se sustentam, o argumento arquitetural se sustenta: um MoE com 2,45B ativos roda em memória unificada de uma forma que um modelo denso de 29B não roda.

A IBM não publica preço por token no model card — o Granite 4.2 30B é posicionado como um checkpoint auto-hospedado, distribuído como BF16, além de quantizações FP8, NVFP4/MXFP4 e GGUF. O custo total é a GPU que você precisa comprar ou alugar para manter cerca de 29B de pesos densos, e um modelo denso de 30B em FP8 exige consideravelmente mais memória do que um MoE quantizado com 2,45B ativos. Com base em tokens servidos, o modelo esparso é mais barato de operar; em termos de cold start e latência de pior caso, o modelo denso não tem roteamento para aquecer. Qual desses aspectos é importante para você depende inteiramente de o endpoint estar sempre ativo.

Se quiser testar qualquer um dos dois sem se comprometer com nenhum deles, ambas as rotas existem. O Granite 4.2 30B pode ser auto-hospedado sob a Apache 2.0, sem teto de receita, e o lado servido de cada número acima — qwen/qwen3.6-35b-a3b e google/gemma-4-26b-a4b-it entre eles — está no nosso catálogo com uma única chave, a 0% de markup sobre o preço de tabela de cada fornecedor, de modo que uma alteração de preço de um fornecedor chega ao endpoint no mesmo dia em que é anunciada, e não no próximo ciclo de faturamento.

Qual escolher

Escolha o LFM2.5-24B-A2B se a máquina for a restrição e a carga de trabalho for chamadas de ferramentas. Ele vence onde trabalho no formato de harness é medido, sustenta 131K de contexto numa pegada que um laptop consegue carregar, e a Liquid o treinou contra scaffolds reais de agente em vez de um conjunto de testes estático — um detalhe que importa mais para um roteador do que para um raciocinador. Aceite duas coisas ao fazer isso: a licença lfm1.0 não é Apache 2.0, e ninguém fora da Liquid ainda pontuou este checkpoint.

Escolha o Granite 4.2 30B se tiver o hardware, precisar de um modelo que raciocine antes de agir ou precisar que a licença seja uma que a sua equipa jurídica já conheça. Lidera em programação, é o único dos dois com números publicados de recuperação de contexto longo, e a sua extensão de 512K é documentação real, e não uma jogada de mercado. Os seus números agênticos são mais fracos — 61.39 no BFCL v4 contra 65.01 da Liquid —, o que é exatamente o contrário do que a contagem de parâmetros sugeriria, e um lembrete de que a densidade compra raciocínio, não automaticamente disciplina no uso de ferramentas.

O resumo honesto é que estes dois não são substitutos um do outro. O LFM2.5-24B-A2B foi criado para ser o modelo que executa o loop em um dispositivo sem conexão com a nuvem. O Granite 4.2 30B foi criado para ser o modelo que pensa a fundo sobre um problema e tem a licença para provar que pode ser lançado. Se você tem os dois, a questão do roteamento é qual deles recebe a requisição — e essa é uma decisão que uma camada de roteamento existe para tomar, não uma tabela de benchmark.

Acompanhe interrupções e degradações de modelos ao vivo em nosso arquivo de incidentes e veja quais rotas fizeram failover de forma limpa.