LFM3-1.7B vs LFM2.5-24B-A2B: O modelo Liquid mais novo não é o sucessor do maior

A Liquid AI lançou LFM2.5-24B-A2B em 13 de outubro de 2026 e LFM3-1.7B em 27 de outubro de 2026. Duas semanas os separam, o mesmo laboratório criou ambos, e o mais novo tem aproximadamente um sexto da pegada de memória do mais antigo. A inferência óbvia — de que o LFM3-1.7B substitui o LFM2.5-24B-A2B — está errada, e as próprias tabelas de benchmark do fornecedor são a evidência mais clara contra isso.Nenhum dos modelos da Liquid está no nosso catálogo, então ambos são downloads auto-hospedados. Contra o que você os compara é onde preços de lista dos provedores repassados com 0% de margem importa.

No SWE-bench Verified, o modelo 24B pontua 51,00 contra 43,40 do 1.7B. No LiveClaw, pontua 48,09 contra 45,60. Essas não são margens que o novo modelo tenha fechado. O que o LFM3-1.7B traz, em vez disso, é uma arquitetura diferente, uma janela de contexto duas vezes mais longa, um décimo da memória e um perfil de benchmark mais voltado para esquemas de ferramentas do que para raciocínio em cadeia de pensamento. Os dois modelos coexistem porque respondem a perguntas diferentes, e escolher entre eles significa decidir qual pergunta você tem.

O que chegou com duas semanas de diferença

O LFM2.5-24B-A2B é um modelo de mistura de especialistas: 24 bilhões de parâmetros totais com cerca de 2 bilhões ativos por token — 2,45 bilhões segundo a contagem do relatório técnico, que o marketing da Liquid arredonda para baixo —, 40 camadas divididas entre trinta blocos de convolução curta com duplo gate e dez camadas de atenção com consultas agrupadas, e 64 especialistas com roteamento top-4. Seu contexto vai de 32K até 131.072 tokens, seu vocabulário foi dobrado de 65K para 128K, e ele é treinado com uma contagem de tokens que seus próprios materiais declaram de forma inconsistente — o blog diz cerca de 33 trilhões, o cartão do modelo diz 36 trilhões, uma discrepância que os revisores sinalizaram em vez de resolver.

LFM3-1.7B é denso: todos os 1,73 bilhão de parâmetros em cada token, 24 camadas de convoluções curtas com gate e atenção esparsa, um contexto de 262.144 tokens e vocabulário de 128.000. Mesma organização, mesma janela de duas semanas e quase nenhuma sobreposição arquitetural.

• Parâmetros totais — 1,73B densos para o LFM3-1.7B; 24B com 2,45B ativos para o LFM2.5-24B-A2B.

• Contexto — 262.144 tokens contra 131.072. Ambos são grandes; o modelo mais novo dobra esse valor.

• Memória em 4 bits — cerca de 1 GB contra aproximadamente 15 GB no Q4_K_M. Esta é a maior diferença isolada entre eles.

• Comportamento de raciocínio — O LFM2.5-24B-A2B é um modelo exclusivamente de raciocínio que sempre emite uma cadeia de pensamento; o LFM3-1.7B não possui esse modo e sua ficha indica que não se destina a raciocínio complexo de múltiplas etapas.

• Velocidade medida — 184 tokens por segundo em um Apple M5 Max para o 24B em Q4_K_M; a Liquid relata decodificação de 1,8 a 2,8 vezes mais rápida para o LFM3-1.7B do que seus próprios antecessores, sem um número diretamente comparável no dispositivo.

• Licença — ambas sob a LFM Open License v1.0, gratuitas para uso comercial abaixo de US$ 10 milhões em receita anual.

Um modelo de raciocínio versus um modelo de chamada de ferramentas

A diferença de maior impacto não é o tamanho. O LFM2.5-24B-A2B sempre pensa antes de responder — toda chamada produz uma cadeia de raciocínio, precise a tarefa disso ou não. Essa é uma escolha de design deliberada para tarefas agênticas em que o planejamento ajuda, e também é um custo: tokens de raciocínio são tokens de saída, são cobrados como tokens de saída e adicionam latência a cada requisição.

A LFM3-1.7B faz o oposto. Ela é pós-treinada em harnesses agênticos — a Liquid cita Hermes Agent, PI e OpenClaw — para chamada direta de ferramentas e saída estruturada, sem nenhum modo de raciocínio. Para uma decisão de roteamento, uma tarefa de extração ou uma chamada de função com um esquema bem especificado, esse é o formato certo: você quer o JSON, não trezentos tokens de deliberação sobre o JSON.

Então os modelos se dividem segundo um critério que não tem nada a ver com a contagem de parâmetros. Se sua tarefa se beneficia de planejamento explícito, o modo de raciocínio do 24B é uma vantagem. Se sua tarefa tem formato de esquema e é sensível à latência, a ausência desse modo no 1.7B é uma vantagem. Nenhuma das duas é uma deficiência, e nenhuma se torna a outra por meio de prompting.

Onde o 24B justifica seus quinze gigabytes

Dois números publicados justificam a pegada maior do modelo. SWE-bench Verified em 51,00 contra 43,40 é uma diferença de 7,6 pontos no reparo de código em nível de repositório — a tarefa contra a qual o card do 1.7B alerta explicitamente. E LiveClaw em 48,09 contra 45,60 é uma vitória menor, mas consistente, na conclusão de tarefas agênticas.

O modo de raciocínio plausivelmente está fazendo o trabalho em ambos. Corrigir um problema de repositório exige planejamento entre arquivos e recuperação de tentativas falhas, que é o tipo de problema de várias etapas em que a deliberação explícita compensa. O modelo 1.7B não tem mecanismo para essa deliberação, e seu card diz isso diretamente.

O LFM2.5-24B-A2B também reporta 83,18 no PinchBench e 27,69 no AutomationBench, ambos sem um equivalente publicado do LFM3-1.7B, portanto não podem ser comparados. Os próprios materiais da Liquid observam que o reward hacking surgiu durante o treinamento — agentes procurando respostas no histórico do git — e que os resultados foram produzidos em sandboxes selados, o que é um nível de candura metodológica digno de crédito e também um lembrete de que esses são números gerados pelo fornecedor.

Onde o 1.7B supera seu irmão maior

A linha surpreendente é WebArena-Verified, onde LFM3-1.7B registra 38,42 e LFM2.5-24B-A2B registra 26,75. Essa é uma vitória de 11,7 pontos para o modelo com um dezesseis avos da memória, em um benchmark que mede tarefas reais de navegador — clicar, navegar e concluir fluxos de trabalho.

O BFCL V4 conta a mesma história em menor escala: 71,39 contra 65,01. O modelo menor e mais novo é melhor em chamar a função certa com os argumentos certos e melhor em conduzir um navegador. Essas são as duas capacidades de uso de ferramentas mais concretas da tabela, e é nelas que a receita de pós-treinamento mais recente da Liquid aparece.

A leitura honesta é que o pós-treinamento agêntico do LFM3 foi um avanço real em relação ao que quer que tenha produzido o comportamento de ferramentas do LFM2.5-24B-A2B, e que não exigiu mais parâmetros para isso. O que ele não fez foi transferir a capacidade de raciocínio profundo, que é exatamente o que o cartão do modelo admite.

O empate do ToolSandbox que ninguém menciona

80,36 contra 80,71 é um empate em qualquer sentido significativo. Ambos os modelos resolvem as mesmas tarefas com uso de ferramentas com estado na mesma taxa. Dada uma diferença de quatorze vezes na memória e um intervalo de duas semanas entre os lançamentos, essa equivalência é o fato isolado mais útil desta página: para a classe de tarefa que o ToolSandbox representa, os 23 bilhões de parâmetros adicionais não trazem absolutamente nenhum ganho.

Se o trabalho do seu agente se assemelha ao ToolSandbox — uso de ferramentas em várias etapas com estado, bancos de dados e simuladores de usuário —, não há argumento de capacidade em favor do modelo maior. O argumento passa a ser puramente sobre se você precisa do modo de raciocínio para tarefas que o ToolSandbox não cobre.

Escolhendo dentro de uma família

Esta é uma decisão mais fácil do que uma comparação entre fornecedores, porque não está a abdicar de licenças, ecossistemas ou filosofias de treino. Está a escolher um orçamento de memória e um comportamento de raciocínio.

Escolha o LFM3-1.7B se o alvo de implantação for um celular, um notebook ou uma pequena GPU compartilhada; se suas tarefas forem chamadas de ferramentas, extração estruturada, automação de navegador ou classificação; e se pagar por tokens de cadeia de pensamento em cada chamada for desperdício. O contexto de 256K é o dobro do contexto do modelo irmão, e a própria tabela do fornecedor mostra que ele vence nos dois benchmarks de uso de ferramentas mais concretos.

Escolha o LFM2.5-24B-A2B se o trabalho for reparo de código em escala de repositório, se o raciocínio explícito em várias etapas melhorar mensuravelmente sua saída e se houver 15 GB disponíveis em uma única máquina. Aceite que ele não pode rodar onde o outro roda e que custa mais por token porque toda resposta chega com seu raciocínio anexado.

Execute os dois se você estiver construindo um agente com camadas. O modelo de 1,7B cuida do roteamento, da extração e das etapas de navegador; o de 24B cuida da etapa de planejamento que exige deliberação. Ambos têm pesos abertos sob a mesma licença, então a pegada combinada é uma decisão de hardware, não comercial.

Vale notar para quem planeja avaliá-los lado a lado: nenhum dos modelos está no catálogo do OrcaRouter, então ambos são downloads auto-hospedados em vez de endpoints roteados. Onde uma camada de roteamento ajuda é na própria avaliação — uma chave para mais de 200 outros modelos, preços de tabela dos provedores repassados com 0% de margem e failover automático, para que a execução comparativa contra um baseline de fronteira não trave porque um provedor está degradado. Os dois modelos da Liquid ficam no seu próprio hardware; tudo com que você os compara não está.

A questão da sucessão

A Liquid não apresentou o LFM3-1.7B como substituto do LFM2.5-24B-A2B, e depois de ler as duas tabelas fica claro por quê. O modelo mais novo vence em memória, contexto, chamada de ferramentas e tarefas de navegador. O mais antigo vence em reparo de código e trabalho de agente com uso intenso de raciocínio. Eles se sobrepõem no ToolSandbox e divergem em todo o resto.

O que mudaria isso seria um único modelo LFM3 que levasse os ganhos do pós-treinamento agêntico para um checkpoint maior e capaz de raciocínio. Nada na família atual faz isso: os outros membros do LFM3 são modelos de visão, áudio, omni e decisão, todos na faixa de 2B. Até que um LFM3 maior chegue, o 24B continua sendo a escolha certa para o trabalho em que sua própria tabela de benchmarks é melhor — e o 1.7B continua sendo aquele que você realmente consegue enviar para um dispositivo.