LFM3 vs Qwen3.8-27B: Uma diferença de tamanho de 16× que se reduz a 9% no seguimento de instruções

LFM3-1.7B tem 1,73 bilhão de parâmetros. Qwen3.8-27B tem 27,78 bilhões, além de um codificador de visão — 16,1 vezes mais peso. Coloque-os na mesma linha de benchmark e a aritmética se recusa a se comportar. No IFBench, que testa se um modelo obedece a restrições para as quais nunca foi ajustado, a diferença entre eles é inferior a nove por cento. No Terminal-Bench 2.1, é de 5,6 vezes. Dois modelos, uma diferença de tamanho fixa e um resultado que oscila entre "por que você pagaria pelo grande" e "o pequeno não consegue fazer isso de jeito nenhum", dependendo da linha que você lê.

Essa oscilação é o que decide tudo. Não é uma história sobre um modelo pequeno alcançando um modelo grande, nem sobre um modelo grande sendo desperdiçado em tarefas pequenas. É uma história sobre uma fronteira de tarefa que se estabelece, de forma muito consistente, entre seguir uma instrução e executar um plano — e sobre um termo de licença que reordena discretamente a comparação de preços para qualquer pessoa que trabalhe em uma empresa acima de um determinado patamar de receita.

O que cada um destes realmente é

A Liquid AI anunciou a família LFM3 em 2026-10-27 — um dia antes de este texto ser escrito — como seis modelos de pesos abertos da classe de aproximadamente 2B, derivados de um backbone compartilhado LFM3-1.7B-Base. O LFM3-1.7B é o membro de texto: uma arquitetura tri-híbrida de 24 camadas (13 convoluções curtas com gate, 5 camadas de atenção de janela deslizante com uma janela de 256 tokens e 6 camadas de atenção completa), pré-treinado em 22 trilhões de tokens com uma passada final de mid-training de 3,5 trilhões de tokens que incluiu rastros de agentes e chamadas de ferramentas. Os pesos estão no Hugging Face, o Ollama o disponibiliza como lfm3:latest em um download de 1,7 GB, e a própria ficha do modelo do fornecedor desaconselha codificação agêntica ou raciocínio complexo de várias etapas. Essa última frase importa mais do que qualquer outra coisa na ficha, e voltaremos a ela.

O Qwen3.8-27B não é novo. A Alibaba publicou seus pesos em meados de agosto de 2026 sob a licença Apache 2.0, e ele teve dez semanas para acumular downloads, quantizações e relatos reais de usuários que um lançamento de um dia simplesmente não tem. É um modelo denso de 27,78B construído sobre um bloco repetido de camadas Gated DeltaNet e Gated Attention, com 64 camadas de profundidade, com entrada nativa de visão e vídeo e um contexto de 262.144 tokens que se estende a 1M com YaRN. O modo de raciocínio vem ativado por padrão e é ajustável por meio de uma configuração de esforço de raciocínio.

A forma honesta de enquadrar este pareamento é assimétrica de uma maneira que importa: um modelo tem uma tabela de benchmarks do fornecedor e nenhum relato de campo; o outro tem ambos. Trate qualquer coisa abaixo sobre o LFM3-1.7B como uma alegação sobre a suíte de testes da Liquid AI, não sobre sua carga de trabalho.

A linha de especificação em que o modelo pequeno não perde

Comece pelas dimensões em que 16× os parâmetros não acrescenta absolutamente nada, porque há mais delas do que a diferença de tamanho sugere.

• Janela de contexto — 262.144 tokens nativos em ambos. O LFM3-1.7B a alcança durante o treinamento intermediário; o Qwen3.8-27B já a traz nativamente e a estende para 1M com YaRN.

• Idiomas — 16 declarados para o LFM3-1.7B (incluindo inglês, chinês, japonês, coreano, árabe e híndi); o Qwen3.8-27B é treinado amplamente em diversos idiomas, sem uma contagem de destaque.

• Modalidade — entrada de texto, saída de texto para o LFM3-1.7B; entrada de texto, imagem e vídeo, saída de texto para o Qwen3.8-27B. Este é o único ponto em que o 27B faz um trabalho categoricamente diferente, em vez de ser uma versão maior do mesmo trabalho.

• Memória em 4 bits — cerca de 1 GB para o LFM3-1.7B, contra cerca de 14–16 GB para o Qwen3.8-27B.

• Memória em BF16 — 3,46 GB contra aproximadamente 56 GB, que é a diferença entre um laptop e uma máquina multi-GPU.

• Licença — LFM Open License v1.0 contra Apache 2.0. Guarde essa ideia.

Uma janela de contexto de 256K em ambos os lados é a linha genuinamente surpreendente. O comprimento do contexto historicamente acompanhou a contagem de parâmetros, e aqui um modelo que você consegue executar com cerca de um gigabyte oferece a mesma janela nominal que um que exige uma estação de trabalho. “Nominal” está fazendo trabalho de verdade nessa frase — uma janela de 256K em um modelo de 1.7B só é útil se o modelo conseguir encontrar coisas nela, que é exatamente o que as linhas de contexto longo abaixo testam.

Onde 16× os parâmetros rendem nove por cento

A Liquid executou uma suíte de 27 linhas e publicou a tabela completa, incluindo as colunas em que um concorrente vence. Ambos os modelos relatam IFBench, que é a linha mais limpa de comparação equivalente em toda a comparação, porque é uma única versão de benchmark relatada pelos dois fornecedores.

O LFM3-1.7B obtém 73,03. O Qwen3.8-27B obtém 79,5. São 6,5 pontos, menos de nove por cento da pontuação do modelo maior — num modelo 16,1 vezes menor. Para uma carga de trabalho que é basicamente "pegue esta entrada bagunçada, emita exatamente este formato JSON, nunca quebre o esquema", essa diferença é praticamente ruído, e a diferença de implantação é um gigabyte contra dezesseis.

A própria tabela da Liquid reforça o mesmo ponto contra um concorrente mais próximo. Contra o Qwen3.5-9B — um modelo cinco vezes maior que o LFM3-1.7B — o modelo pequeno vence no IFBench por 24 pontos (73,03 a 48,84), no IFStruct por 4,5 (93,72 a 89,20) e no Multi-IF por 4,7 (89,10 a 84,44). Independentemente do resto, a adesão a instruções não é uma capacidade que escala de forma suave com a contagem de parâmetros, e um 1,7B bem treinado pode superar um 9B medíocre nisso.

As linhas de contexto longo são mais ambíguas e vale a pena declará-las abertamente, em vez de arredondar a favor da Liquid. No AA-LCR, o LFM3-1.7B registra 52,83 — uma pontuação real para o seu tamanho, e praticamente no mesmo nível dos 52,67 do Qwen3.5-4B. No RULER 128K, marca 65,56, bem à frente dos 37,96 do MiniCPM5-2B, mas muito atrás dos 87,11 do Qwen3.5-9B. Portanto, a janela de 256K não é decorativa, mas também não equivale à de um modelo maior. O Qwen3.8-27B não aparece nessa tabela de forma alguma, o que significa que não há um número de contexto longo comparável para este pareamento específico — apenas uma forte expectativa prévia de que um 27B com 262K nativos superará um 1.7B com a mesma janela nominal.

Onde 16× os parâmetros rendem cinco vezes e meia

Agora, as linhas sobre as quais o model card alertava. Cada uma delas é uma versão de benchmark que ambos os fornecedores reportam, portanto não há subtração entre versões.

• Terminal-Bench 2.1 — 12,92 para o LFM3-1.7B contra 73,0 para o Qwen3.8-27B. Uma diferença de 5,6×.

• Humanity's Last Exam, sem ferramentas — 7,17 contra 30,8. Uma diferença de 4,3×.

• GPQA Diamond — 63,37 contra 89,2. Uma diferença de 1,4×.

• LiveCodeBench v6 — 73,46 contra 90,3. Uma diferença de 1,2×.

A ordenação dessa lista é a constatação. A diferença é menor na geração de código em uma única tentativa, em que o LFM3-1.7B fica cerca de 19% abaixo de um modelo dezesseis vezes maior. Ela é maior no Terminal-Bench, em que a tarefa não é “escrever código”, mas “operar uma máquina ao longo de muitas etapas, recuperar-se dos próprios erros e parar quando o trabalho estiver concluído”. Essa é precisamente a capacidade que a própria ficha da Liquid diz que o modelo não tem, e os números concordam com a ficha. No GPQA e no HLE, a diferença é de conhecimento, que é o resultado menos surpreendente aqui — um modelo de 1,7B treinado em 22T tokens simplesmente viu menos do que um modelo de 27B treinado em mais, e nenhuma quantidade de arquitetura compensa.

Há uma linha que aponta na direção oposta, e é o número mais interessante de qualquer um dos dois cartões. Na divisão pública do AA-Omniscience, o LFM3-1.7B registra 7,07 de precisão e 92,93 de não alucinação. Esse par significa que o modelo, na maioria das vezes, se recusa a responder em vez de responder errado. É o maior índice de não alucinação na própria tabela comparativa da Liquid, à frente de todos os modelos maiores listados. O 30,8 do Qwen3.8-27B no HLE é a postura oposta: ele sabe mais e se compromete com isso.

Se o modo de falha do seu pipeline é um valor errado e confiante chegando a um banco de dados, um modelo que se abstém 93% das vezes é uma vantagem, e o teto de precisão é o preço. Se o modo de falha do seu pipeline é um nulo onde deveria haver um valor, esse mesmo comportamento é o bug. Este é o ponto mais decisivo desta comparação, e nenhuma pontuação agregada captura isso.

Três números que você não deve subtrair

As páginas de comparação direta sobre esta combinação sentirão a tentação de alinhar todos os benchmarks que os dois fornecedores publicam. Três dessas linhas não resistem ao contato com a metodologia.

SWE-bench. A Liquid relata o LFM3-1.7B em 43,40 no SWE-bench Verified com o harness OpenCode. A Alibaba relata o Qwen3.8-27B em 61,7 no SWE-bench Pro. Benchmark diferente, harness diferente, distribuição de tarefas diferente. A diferença de 18 pontos entre esses dois números não é a medição de nada. Se você quer ter uma ideia aproximada da dimensão da lacuna, use o Terminal-Bench 2.1, no qual ambas relatam a mesma versão.

Qualquer índice agregado. O Artificial Analysis atribui ao Qwen3.8-27B uma pontuação de 33,7 no seu Intelligence Index na configuração de raciocínio xhigh. Em 2026-10-28, não há nenhuma entrada do LFM3 no Artificial Analysis. Um lançamento de um dia ainda não passou por avaliação independente, e a afirmação honesta é que o LFM3-1.7B tem zero números reproduzidos de forma independente. Todo número atribuído a ele neste artigo — e em todos os outros lugares nesta semana — origina-se da própria suíte de testes da Liquid AI nos benchmarks escolhidos pela Liquid AI.

Configurações de esforço de raciocínio.As pontuações publicadas do Qwen3.8-27B variam substancialmente entre os modos baixo, médio, xhigh e sem raciocínio; o índice 33,7 é o valor de xhigh, e o valor sem raciocínio é significativamente menor. Qualquer comparação que associe um número do Qwen a um número do LFM3 sem indicar a configuração de esforço está comparando um modelo que delibera com um modelo rápido e chamando a diferença de arquitetura.

O que resolveria isso é simples: uma execução independente do LFM3-1.7B nos mesmos harnesses, com uma configuração de esforço declarada, idealmente depois que a comunidade tiver tido algumas semanas com os pesos. Até lá, o resumo justo é que a diferença relatada pelo fornecedor no cumprimento de instruções é pequena e a diferença relatada pelo fornecedor na execução em várias etapas é grande, e ambas as alegações vêm da mesma parte interessada.

A licença é o verdadeiro preço.

Aqui está a parte que inverte a conclusão habitual de uma comparação entre pequeno e grande.

O LFM3-1.7B é distribuído sob a LFM Open License v1.0. Os pesos podem ser baixados e executados gratuitamente, e o uso comercial é vedado para entidades com receita anual de US$ 10 milhões ou mais. O Qwen3.8-27B é distribuído sob a Apache 2.0, sem gatilho de receita, sem restrição de área de uso e sem acordo separado.

Para uma startup de duas pessoas, a aritmética é óbvia: um modelo que cabe em um gigabyte, não custa nada por token e roda em hardware que você já possui é quase um almoço grátis. Para uma empresa que passou de US$ 10 milhões em receita — ou seja, a maioria das empresas com um orçamento de inferência em produção que vale a pena otimizar —, o modelo barato não é gratuito, e o caro tem licenciamento inequívoco. O modelo que parece a opção econômica é o que vem acompanhado da conversa jurídica.

Isso não é um argumento contra o LFM3-1.7B. É um argumento a favor de ler a licença antes de ler a tabela de benchmarks, porque a licença determina se a tabela de benchmarks está sequer disponível para você.

O que é preciso para realmente executar cada um

O LFM3-1.7B tem instalação em uma linha. Está na biblioteca do Ollama como lfm3:latest e lfm3:1.7b, ambos um download de 1.7 GB com uma janela de contexto de 256K declarada, e roda no Transformers com fine-tuning em GPU única. O lançamento no Hugging Face inclui notebooks para SFT, DPO e GRPO, incluindo um exemplo prático de treinar o modelo para escolher a ferramenta certa entre 108 em um app de celular. Se o seu objetivo é um extrator pequeno, especializado e com fine-tuning que fica na mesma máquina que os dados, este é um caminho genuinamente curto do download à implantação.

Qwen3.8-27B é um tipo diferente de projeto. Com cerca de 56 GB em BF16, ele exige uma máquina com várias GPUs ou quantização agressiva; em 4 bits, cabe em 14–16 GB, o que corresponde a uma GPU única de alto padrão ou a um laptop bem equipado, com o KV cache elevando ainda mais o uso real de memória. Ele roda em Transformers, vLLM, SGLang e TokenSpeed. Se você não quiser ter esse hardware, ele está disponível hospedado — no OrcaRouter, é servido por dois provedores upstream, a US$ 0,33 por milhão de tokens de entrada e US$ 2,40 por milhão de tokens de saída pelo primeiro, e US$ 0,40 / US$ 4,21 pelo segundo.

Vale a pena parar para pensar nessa diferença entre dois provedores, porque é o tipo de coisa que só aparece quando você olha um catálogo ao vivo em vez de um comunicado de imprensa. Mesmos pesos, mesma janela de contexto, cerca de 75% mais caro na saída do segundo provedor. O OrcaRouter repassa o preço de tabela do provedor com 0% de margem, então os dois preços ficam visíveis lado a lado, e failover automático significa que um soluço de um provedor é contornado em vez de chegar aos seus usuários. Se você está avaliando o Qwen3.8-27B como caminho de escalonamento para um pipeline que começa com um modelo pequeno, é essa a etapa que você colocaria atrás de uma única chave.

Para ser explícito sobre a outra metade: o OrcaRouter não serve o LFM3-1.7B. É um download de pesos, e executá-lo é o seu próprio endpoint no seu próprio hardware. O motivo de nos mencionarmos neste artigo é a etapa de escalonamento, não o modelo pequeno.

Quem deve escolher qual?

A decisão não depende realmente da tabela de benchmark. Depende de duas perguntas que você pode responder antes de executar qualquer coisa.

Escolha o LFM3-1.7B se o trabalho for de turno único e vinculado a esquema — extração, classificação, roteamento, saída estruturada, seleção de ferramentas no dispositivo — e os dados não puderem sair do dispositivo. Também é a escolha certa se você pretende fazer fine-tune, porque um modelo de 1,7B com um caminho SFT/DPO/GRPO incluído e um orçamento de uma única GPU é um projeto de fim de semana, e não de um trimestre. A janela de 256K, os 16 idiomas e o comportamento de abstenção apontam todos para o mesmo caso de uso: um componente restrito, de alto volume e sensível à privacidade, em que uma resposta errada é pior do que nenhuma resposta, e em que a sua empresa está abaixo da linha de receita.

Escolha o Qwen3.8-27B se o modelo precisar planejar. Agentes de múltiplas etapas, trabalho em terminal, codificação de longo horizonte, qualquer coisa em que o modelo precise se recuperar dos próprios erros ao longo de uma dúzia de chamadas de ferramentas — a diferença de 5,6× no Terminal-Bench não é um problema de ajuste, é o model card dizendo a verdade. Também é a escolha certa quando você precisa de conhecimento em vez de formato, quando precisa de entrada de visão ou vídeo, e quando Apache 2.0 é um requisito em vez de uma preferência.

E escolha ambos se a resposta honesta for que seu pipeline tem duas metades. O padrão que se encaixa nesse pareamento é uma primeira passagem barata, local e vinculada a esquema, com um caminho de escalonamento para o 27B quando a primeira passagem recusa — que é exatamente o que um modelo que se abstém 93% das vezes foi feito para sinalizar. Essa arquitetura usa a melhor linha de cada modelo e não a pior de nenhum dos dois.

O que mudaria esta resposta

Duas coisas, e ambas merecem ser observadas em vez de adivinhadas.

A primeira é uma avaliação independente do LFM3-1.7B. Todas as alegações de capacidade acima se baseiam no próprio conjunto de testes da Liquid AI, e o checkpoint Base desta família foi lançado sem nenhuma tabela de benchmarks — o que mostra que os números da família são uma questão de pós-treinamento, não de arquitetura. Uma execução neutra no IFBench e no Terminal-Bench confirmaria ou dissolveria a divisão descrita neste artigo.

O segundo é se a Liquid lança um modelo de texto maior sobre essa base. Toda a comparação é enquadrada por uma diferença de parâmetros de 16×, e o resultado de seguir instruções sugere que a receita de treinamento está fazendo mais trabalho do que a contagem de parâmetros. Se um LFM3 de porte médio chegar, a pergunta interessante deixa de ser "um modelo de 1,7B consegue seguir instruções" — ele já consegue — e passa a ser "o que essa receita faz com quatro bilhões de parâmetros."

Até que uma dessas coisas aconteça, o resumo útil é mais restrito do que um placar: o LFM3-1.7B é um seguidor de instruções genuinamente bom que não consegue planejar, e o Qwen3.8-27B é um planejador genuinamente bom com uma licença sobre a qual você pode construir uma empresa. Escolher entre eles não é uma questão de benchmark. É uma questão sobre qual dessas duas frases descreve sua carga de trabalho.