Sakana Namazu vs LFM2.5-2.6B-Base: O Preço Real dos Pesos Gratuitos

LFM2.5-2.6B-Base custa $0,00 para baixar. Sakana Namazu custa $0,95 por milhão de tokens de entrada e $4,00 por milhão de tokens de saída. Ao ler essas duas etiquetas de preço, você concluiria que a comparação termina antes de começar — mas a diferença real de preço vai na direção oposta. LFM2.5-2.6B-Base, o checkpoint pré-treinado de 2,69 bilhões de parâmetros da Liquid AI, lançado no Hugging Face em 4 de agosto de 2026, não é um produto: nenhum provedor de inferência o hospeda, não há nenhuma avaliação publicada sobre ele, e sua própria ficha o classifica como material para fine-tuning. Sakana Namazu, em contraste, é uma API acabada, servida e com ferramentas. A questão é o que você está realmente disposto a pagar — em dinheiro ou em trabalho.

O que cada um realmente é

Sakana Namazu é um Kimi K2.6 pós-treinado, ajustado para a linguagem empresarial japonesa, envolto em uma API compatível com OpenAI, com busca na web e execução de código integradas. Você muda um `base_url`, define uma chave, e funciona. LFM2.5-2.6B-Base é o checkpoint bruto de pré-treinamento por trás da família LFM2.5-2.6B da Liquid — a base da qual o irmão agêntico pós-treinado é construído. A própria ficha da Liquid é explícita: a base existe para fine-tuning pesado, e sua tabela de benchmarks pertence à versão pós-treinada, não a esta.

A ficha técnica

• Preço — Sakana Namazu $0,95 / $4,00 por 1M de tokens vs LFM2.5-2.6B-Base $0 para download, tudo self-service

• Tamanho — Namazu herda o MoE de 1T / 32B ativos do Kimi K2.6 vs o híbrido denso de 2,69B do LFM2.5-2.6B-Base (22 blocos de convolução + 8 camadas de atenção)

• Contexto — Namazu não divulgado vs LFM2.5-2.6B-Base 128K tokens (131.072 por configuração)

• Hospedagem — Namazu servido por Sakana vs LFM base hospedada por ninguém — você constrói o stack de serving

• Avaliações — Namazu relatado pelo fornecedor vs pontuações publicadas de base zero da LFM

• Idioma — Namazu ajustado para negócios japoneses vs LFM base multilíngue (16 idiomas, vocabulário de 128K tokens)

Fazendo as contas do custo total

"Pesos livres" é um preço real, só que é denominado em trabalho. Para que o LFM2.5-2.6B-Base execute um trabalho, você precisa de: uma execução de ajuste fino (a própria matemática da Liquid — cerca de $10 em tokens para um conjunto supervisionado de 100K exemplos, cerca de $100 para 1M exemplos), uma pilha de inferência (vLLM, SGLang ou llama.cpp em um dispositivo seu) e serviço contínuo. A recompensa é que o medidor para: após a construção, cada token é gratuito, o que torna a base a vencedora disparada para cargas de trabalho de alto volume, sempre ativas e tolerantes à latência. O medidor da Namazu nunca para, mas começa instantaneamente — sem execução de treinamento, sem GPU, sem operações. Para uma integração única, ou uma carga de trabalho onde o tempo da sua equipe é o item de custo mais caro, o modelo "gratuito" é o caro.

Licenças que vinculam

As letras miúdas também vão contra o modelo gratuito. O LFM2.5-2.6B-Base é distribuído sob a Licença Aberta LFM v1.0, que limita o uso comercial a US$ 10 milhões de receita anual — e aplica esse limite a obras derivadas, o que significa que seu fine-tuning a herda. Ultrapasse o limite e você deverá uma licença comercial à Liquid. O Sakana Namazu não tem esse limite, mas é fechado, e seus padrões de tratamento de dados (treinamento com suas entradas, a menos que você opte por não participar, sem processamento garantido apenas no Japão) são o preço da conveniência hospedada. Nenhum dos dois é gratuito no sentido que o rótulo sugere.

A lacuna de agentes

A diferença mais acentuada é para que servem os dois modelos. LFM2.5-2.6B-Base é uma base — o substrato bruto do qual o modelo agêntico pós-treinado da Liquid é derivado. Não é um agente; não é nem mesmo um modelo de instrução. Sakana Namazu é um produto agêntico: busca na web integrada, execução de código e um loop autodirigido demonstrado (na demo da Sakana, ele planeja um relatório de pesquisa de mercado, faz buscas, faz verificações cruzadas e o escreve sem supervisão). Se a tarefa é "executar um modelo de 2.6B que você ajustou para uma tarefa estreita e de alto volume", a base vence. Se a tarefa é "ter um agente fazendo trabalho de conhecimento", Namazu é o único dos dois que vem com ferramentas.

Então, qual é o mais barato?

A resposta honesta é que os dois não são substitutos — a base é um componente, e o Namazu é um produto — portanto, a verdadeira decisão é o que a sua stack precisa em seguida. Na prática, nenhum deles vive sozinho: um especialista de 2,6B ajustado acaba ficando ao lado de um modelo de agente generalista, e uma camada de roteamento é como você mantém essa realidade multi-modelo sob controle. A fusão de modelos e o DSL de roteamento do OrcaRouter permitem compor vários modelos em uma única chamada — o caminho do meio pragmático entre "servir um checkpoint de 2,6B você mesmo" e "comprar a API de um único fornecedor" — e, como repassamos os preços dos provedores sem nenhuma margem, a cobrança permanece previsível enquanto o mix muda. Comece com o Sakana Namazu se você quiser um agente de negócios japonês funcional hoje; comece com o LFM2.5-2.6B-Base se você estiver preparado para construir o produto você mesmo e amortizar a construção em bilhões de tokens gratuitos.