LFM3-1.7B vs Qwen3.8-Flash: Quando Não Há um Placar para Comparar

Dez milhões de tokens por mês, divididos 70/30 entre entrada e saída, custam US$ 2,46 no Qwen3.8-Flash ao preço de tabela da Alibaba de US$ 0,15 e US$ 0,47 por milhão. O mesmo volume no LFM3-1.7B custa cerca de US$ 1,16, se a tarifa hospedada reportada de US$ 0,08 e US$ 0,20 se mantiver — e nada por token se você o auto-hospedar, porque os pesos são abertos e a LFM Open License não exige royalties abaixo de US$ 10 milhões em receita. Isso representa uma diferença de 2× na conta entre dois modelos cuja qualidade relativa ninguém consegue estabelecer no momento. O que torna esta comparação menos sobre benchmarks do que a maioria das páginas de comparativos, e mais sobre qual formato de implantação você está comprando.

Os dois modelos dificilmente poderiam ser mais diferentes. O LFM3-1.7B é um tri-híbrido denso de 1,73B que a Liquid AI lançou em 27 de outubro de 2026 para executar uma tarefa especializada no hardware à sua frente. O Qwen3.8-Flash é o modelo esparso de mistura de especialistas da Alibaba, com cerca de 6B parâmetros ativos por token de um pool muito maior, disponibilizado em agosto de 2026 como uma camada hospedada com janela de 1M tokens e entrada de imagem e vídeo. Compará-los por uma pontuação de inteligência é como comparar uma van de entrega a um trem de carga: a pergunta útil é o que você está transportando e a que distância.

Duas arquiteturas otimizadas para restrições opostas

As 24 camadas do LFM3-1.7B combinam 13 convoluções curtas com gate, 5 camadas de atenção com janela deslizante de 256 tokens e 6 camadas de atenção global. As convoluções são baratas e paralelas; uma faixa fina de atenção global mantém todo o contexto de 256K acessível. O resultado é um cache KV de 128K de 1,6 GB e um modelo que cabe em cerca de 1 GB em 4 bits. A Liquid o treinou com 22 trilhões de tokens de pré-treinamento e, depois, com 3,5 trilhões em treinamento intermediário com forte ênfase em rastros agênticos e chamadas de ferramentas.

O Qwen3.8-Flash faz o outro trade-off. A ativação esparsa significa que um grande pool de parâmetros fica acessível por token sem pagar por todo ele, e é assim que a Alibaba obtém contexto nativo de 262K extensível a 1M em um modelo com preço na mesma faixa de modelos densos muito menores. Ele aceita texto, imagem e vídeo como entrada e retorna texto, oferece suporte a chamadas de ferramentas e saída JSON, e é explicitamente posicionado como uma prévia arquitetural da linha Qwen4.

• Parâmetros ativos — LFM3-1.7B com 1,73B densos vs Qwen3.8-Flash, aproximadamente 6B por token em um MoE esparso.

• Contexto — 256K em pesos abertos, 128K na API hospedada da Liquid vs. 262K nativo, 1M no nível hospedado.

• Saída máxima — não especificada separadamente para o LFM3, em comparação com 131K para o Qwen3.8-Flash.

• Modalidades de entrada — apenas texto vs. texto, imagem e vídeo.

• Onde ele é executado — no seu dispositivo, com uma pegada de 1 GB em 4 bits vs os servidores da Alibaba.

• Pesos — abertos sob a LFM Open License v1.0 vs. somente hospedado, sem checkpoint aberto para este SKU.

Essa última linha é a que reenquadra todo o resto. Qwen3.8-Flash não é um modelo que você possui. Há um irmão de pesos abertos, Qwen3.8-Flash-Next, sob uma licença comunitária, mas ele é um checkpoint diferente, com pontuações diferentes, e não é o que a tarifa de $0.15 compra. LFM3-1.7B é um arquivo que você baixa. Um deles pode ser isolado em air-gap, auditado e ajustado com seus próprios dados; o outro não.

O placar que falta de um lado e é contraditório do outro

Aqui está a parte desconfortável. Em 28 de outubro de 2026, o LFM3-1.7B não tem registro na Artificial Analysis — nenhum Índice de Inteligência, nenhuma velocidade de saída medida de forma independente, nenhum valor neutro de latência. Todos os números de desempenho atribuídos a ele vêm da própria tabela de 27 benchmarks da Liquid, na qual ele tem média de 49,37 e supera o próprio LFM2.5-2.6B da Liquid por uma margem ampla. Relatado pelo fornecedor, não reproduzido.

O Qwen3.8-Flash tem, sim, uma entrada na Artificial Analysis, e lê-la é instrutivo pelo motivo errado. As páginas de comparação ao vivo o mostram com um Index de 40. Diversos textos secundários, incluindo resenhas e imprensa regional, relatam o mesmo modelo com 56. Os números de velocidade de saída também divergem: valores entre o início dos 50 e o início dos 80 tokens por segundo aparecem em diferentes fontes. Não vamos escolher um e apresentá-lo como fato, porque os dois números não podem descrever a mesma execução de avaliação e a diferença é grande o suficiente para mudar uma decisão de compra.

A consequência prática é que nenhum dos modelos pode ser classificado em relação ao outro quanto à qualidade com um mínimo de confiança. Um lado tem um número que varia dezesseis pontos dependendo de onde você o lê; o outro não tem nenhum número independente que possa variar. Qualquer pessoa que lhe apresente um veredito sobre "qual é mais inteligente" a partir desses dados está inventando. O que pode ser comparado é todo o resto: quanto custa o modelo, onde ele roda, quão rápido ele responde e o que acontece quando ele falha.

O medidor, funcionou

O custo é o eixo no qual ambos os lados são de fato mensuráveis, portanto merece mais do que uma lista por token.

• Preço de tabela do Qwen3.8-Flash — US$ 0,15 por milhão de tokens de entrada, US$ 0,47 por milhão de saída, leitura de cache US$ 0,018, gravação de cache US$ 0,230.

• LFM3-1.7B hospedado — informado a US$ 0,08 de entrada e US$ 0,20 de saída por milhão, não publicado na própria tabela de preços da Liquid.

• LFM3-1.7B auto-hospedado — sem custo por token; a LFM Open License é isenta de royalties para receita anual inferior a US$ 10 milhões.

Com 10 milhões de tokens por mês em uma divisão 70/30, o Qwen3.8-Flash cobra US$ 2,46. Ative o cache de prompt em um prompt de sistema estável e isso cai para perto de US$ 2,00, porque leituras em cache custam aproximadamente um oitavo da entrada nova. O LFM3-1.7B, na taxa relatada, cobra cerca de US$ 1,16 para o mesmo volume, e a auto-hospedagem cobra zero por token, com um custo fixo de máquina por cima.

Agora coloque isso em escala. Com um bilhão de tokens por mês, a diferença é de $246 contra $116 — ainda pequena em termos absolutos, que é o ponto que costuma se perder nessas comparações. A diferença por token entre uma camada hospedada barata e um modelo auto-hospedado barato é ruído para a maioria das equipes. O custo que realmente domina é o tempo de engenharia: um modelo hospedado é uma chamada HTTP, e um auto-hospedado é uma implantação, uma escolha de quantização, uma stack de serving e um rodízio de plantão. A vantagem de preço de 2× do LFM3 precisa valer isso. Para um modelo 2B em um celular ou em um dispositivo de borda, obviamente vale — não há alternativa hospedada que rode no dispositivo. Para um serviço de backend que lida com chamadas de classificação, geralmente não vale.

Quão rápido cada um responde, com números reais de um lado

É aqui que os nossos próprios dados superam os do fornecedor. O OrcaRouter roteia o Qwen3.8-Flash e, nos últimos sete dias, a nossa telemetria entre os provedores que o atendem mostra um p50 de tempo até o primeiro token de 4,82 segundos, p95 de 10,00 segundos, uma velocidade de saída de 155 tokens por segundo e uma taxa de erro de 3,3% em 883,7 milhões de tokens. Esses são números agregados de uma camada de roteamento, e não de um teste de laboratório de endpoint único, e é por isso que a vazão aparece mais alta do que os números na faixa dos 50 baixos publicados em outros lugares: a solicitação vai para onde houver capacidade.

O p50 de 4,82 segundos é o número para se considerar. Para uma interface de chat, tudo bem. Para um agente fazendo quinze chamadas sequenciais, é um minuto de espera antes que qualquer trabalho aconteça, e nenhuma quantidade de tokens por segundo resolve isso. A alta latência do primeiro token em um modelo esparso grande é o custo oculto da camada barata, e é o motivo pelo qual algumas equipes encaminham turnos curtos e críticos em latência para algo menor.

O LFM3-1.7B não tem uma medição equivalente. A alegação de velocidade da Liquid é que, em Q4_0 e contexto de 32K, ele foi de 1,8× a 2,8× mais rápido que o próximo modelo em três dispositivos de teste com o menor uso de memória, e que uma única NVIDIA B300 executando SGLang em BF16 atendeu 3,6 bilhões de tokens por dia com 1.024 solicitações simultâneas. Esses são números em dispositivo e de nó único, respectivamente; nenhum deles corresponde a “qual será meu p50 a partir de Frankfurt”. A velocidade é o eixo em que o caso do LFM3 é mais forte em princípio e menos verificável na prática.

Onde cada um realmente se destaca

O LFM3-1.7B vence em controle e em custo na borda. Pesos abertos significam que você pode ajustá-lo em uma única GPU, congelar a versão, executá-lo sem rede e manter os dados no dispositivo. Seus números de seguimento de instruções são a parte de destaque da tabela da Liquid — IFEval 96,66, IFStruct 93,72, Multi-IF 89,10 — e suas linhas de chamada de ferramentas são respeitáveis para o tamanho, BFCL V4 em 71,39 e ToolSandbox em 80,36. Suas linhas fracas são igualmente claras: Terminal-Bench 2.1 em 12,92 e SWE-bench Multilingual em 23,00 mostram que este não é um modelo autônomo de programação, e o próprio cartão do modelo da Liquid diz isso.

O Qwen3.8-Flash vence em alcance. Uma janela de 1M de tokens com entrada de imagem e vídeo é uma capacidade que o LFM3 não possui de forma alguma: o modelo de texto não aceita imagens, a variante de visão não publica janela de contexto e a janela da variante omni não está documentada. Para uma carga de trabalho que ingere um contrato longo, um conjunto de capturas de tela ou uma hora de quadros, a comparação termina imediatamente. Ele também vence em simplicidade operacional: um único endpoint, sem GPU, sem implantação.

Roteando ambos, que é o objetivo.

Qwen3.8-Flash está no catálogo do OrcaRouter e o LFM3-1.7B não está. Essa frase é a versão honesta e completa desta seção. Roteamos o modelo hospedado pelo preço de lista do provedor com 0% de markup, então os US$ 0,15 e US$ 0,47 da Alibaba são o que você paga, e uma mudança de preço do fornecedor chega até você no mesmo dia, e não na próxima renovação de contrato. O LFM3 você mesmo executa ou chama na API própria da Liquid; não vamos sugerir uma relação de hospedagem que não existe.

O motivo pelo qual o roteamento importa nesse confronto específico é que os dois modelos ocupam modos de falha diferentes. O Qwen3.8-Flash falha por ser lento e caro nos turnos que não precisavam de 1M tokens de contexto. O LFM3 falha por esgotar a profundidade de raciocínio nos turnos que precisavam. Um pipeline que envia todas as requisições para um ou para o outro está errado em uma direção previsível. Com o DSL de roteamento, você pode enviar turnos de extração, classificação e chamadas curtas de ferramentas para o modelo local pequeno, manter o trabalho com documentos longos e multimodal na camada hospedada, e deixar o failover automático cobrir o caso em que o modelo pequeno retorna algo malformado — o que, em um modelo de 1,7B não verificado, é a preocupação realista.

Essa também é a forma mais barata de descobrir se o LFM3 merece a confiança que sua tabela de lançamento pede. Execute-o no tráfego que você já entende, por trás de um fallback, e compare suas decisões com as do modelo hospedado nas mesmas entradas. A taxa de divergência é um sinal de qualidade melhor do que qualquer benchmark de fornecedor, porque é medida nos seus dados.

A decisão, sem um veredito falso

Escolha o Qwen3.8-Flash se o trabalho envolver documentos longos, imagens ou vídeos, se você precisar de um único endpoint e nenhuma infraestrutura, ou se um primeiro token com p50 próximo de cinco segundos for aceitável. A qualidade dele é incerta, mas ao menos mensurável por alguém que não seja o seu criador, e o seu contexto de 1M não é algo que um modelo de 1,7B possa substituir.

Escolha o LFM3-1.7B se o modelo tiver de residir num dispositivo, se os dados não puderem sair da sua rede, se pretender fazer ajuste fino ou se a sua carga de trabalho for de turnos curtos de seguimento de instruções e chamadas de ferramentas, em que um modelo de 2B com 1 GB seja genuinamente suficiente. Aceite que está confiando cegamente na tabela de benchmarks da Liquid e que o primeiro mês envolverá mais medição do que um modelo hospedado exigiria.

O que você não deve fazer é escolher entre eles com base na inteligência. Um não tem pontuação independente; o outro tem uma pontuação que aparece como 40 ou 56 dependendo da página que você abre, e a diferença de dezesseis pontos entre essas duas leituras é maior do que toda a diferença de qualidade que qualquer um dos fornecedores está tentando vender. Custo, contexto, modalidade e localidade são fatos estabelecidos. Qualidade não é, e uma comparação que finge o contrário é apenas uma tabela de lançamento com o nome do fornecedor removido.