Kolibri против LFM2.5 2.6B Base: суверенное развёртывание на 78B против чекпоинта размером с телефон

Поставьте Kolibri рядом с LFM2.5 2.6B Base — и очевидное прочтение — Давид и Голиаф: 78,1 млрд параметров против 2,69 млрд, порог развёртывания в два GPU против модели, которая, как утверждает Liquid AI, работает на телефоне. Очевидное прочтение неверно, причём не в том направлении, в каком вы могли бы ожидать. Ни одна из них не является моделью, которую сегодня можно просто применить к задаче. Kolibri была выпущена Aleph Alpha 3 октября 2026 года как полноценный, прошедший посттренировку немецко-английский ассистент с вызовом инструментов, с плагином для обслуживания и рекомендованной конфигурацией сэмплирования. LFM2.5 2.6B Base, опубликованный Liquid AI в начале августа 2026 года, — это предобученный чекпойнт вообще без инструкционной настройки, выпущенный специально для дообучения. Одна — это продукт, который вы развёртываете. Другая — сырьё. Сравнивать их качество — категориальная ошибка, и интересный вопрос в том, какой именно вид сырья на самом деле нужен вашему проекту.

Разрыв между этими двумя, который решает большинство реальных закупок, — не параметры. Это лицензия. Kolibri распространяется под лицензией Apache 2.0. LFM2.5 2.6B Base распространяется под LFM Open License v1.0 — индивидуальной лицензией (в карточке модели она указана как "license: other"), и именно это различие уходит к юридической команде, а не к инженерной.

Два разных значения термина «открытые веса»

Обе модели позволяют скачать веса и запустить их. А вот что вам разрешено делать после этого — здесь их пути расходятся.

• Kolibri — Apache 2.0, без оговорки о допустимом использовании, без порога по числу пользователей, без отдельных коммерческих условий. В карточке Aleph Alpha отмечено лишь, что лаборатория является подписантом Кодекса практики ЕС по GPAI.

• LFM2.5 2.6B Base — LFM Open License v1.0, которая является собственной лицензией Liquid AI, а не стандартной лицензией OSI. Это та же лицензия, что распространяется на постобученную LFM2.5 2.6B и остальную часть семейства.

Для исследовательской команды подойдёт любой вариант. Для предприятия, которое должно указать свою лицензионную позицию в закупочном документе, один — известная величина, а другой — документ, который кому-то придётся читать. Это реальные затраты, они оплачиваются до генерации первого токена, и они не видны ни в одной таблице бенчмарков.

В той же категории есть и второе различие, и именно его карточка самой Liquid AI старательно подчёркивает. Base — не ассистент. В нём нет instruction tuning, а значит, он не будет следовать промпту, не будет воздерживаться от ответа, не будет генерировать вызов инструмента и не будет придерживаться темы — не потому, что он слаб, а потому, что его этому никогда не обучали. В карточке прямо сказано, что он рекомендуется только для задач, требующих серьёзного дообучения: ассистентов для конкретного языка или предметной области, обучения на проприетарных данных или экспериментов с новыми подходами к постобучению. Всё, что идёт после базового чекпоинта — обучение с учителем, специализация учителя, on-policy дистилляция, агентное обучение с подкреплением — становится проблемой покупателя. Kolibri поставляется со всем этим уже выполненным, на четырёх уровнях усилий для рассуждений, с парсером вызовов инструментов в стиле Hermes, поставляемым вместе с весами.

Что на самом деле дают размеры

Уберите обрамление — и обе модели оптимизированы под противоположные ограничения.

• Параметры — всего 78 103 074 560, при этом 3 457 573 120 активных параметров на токен в Kolibri, против 2,69 млрд всего у LFM2.5 Base, которая использует гибридный стек из 22 блоков короткой свёртки с двойным гейтированием и 8 слоёв внимания с группированными запросами, а не трансформер из однородных блоков.

• Контекст — 131 072 токена на LFM2.5 Base, против 262 144-токенного нативного окна на Kolibri и подтверждённых 1 048 576 токенов за его пределами.

• Обучающие данные — 34 триллиона токенов на LFM2.5 Base против 20 триллионов на Kolibri, отобранных из необработанного пула объёмом более 200 триллионов после фильтрации и дедупликации, из которых 13,6 процента составлял код.

• Языки — шестнадцать на LFM2.5 Base, включая арабский, китайский, японский, корейский, тайский и вьетнамский, против ровно двух на Kolibri — немецкого и английского — по явному замыслу.

• Память — у LFM2.5 Base опубликованы сборки GGUF, ONNX и MLX, и она создана для развёртывания на периферийных устройствах; веса Kolibri в формате FP8 занимают около 78 ГБ и требуют как минимум двух карт A100 80 ГБ, двух H100 SXM5, одного H200, одного B200 или одного B300.

Прочтите эти пять строк вместе — и картина перестанет быть однобокой. Модель Liquid AI охватывает в десять раз больше языков на оборудовании на три порядка меньшем. Модель Aleph Alpha охватывает два языка с контекстным окном в восемь раз длиннее и глубиной специализации, которая проявляется только в её собственных вертикальных оценках. Ни одна из них не является худшей версией другой; это ответы на разные вопросы, а вопросы таковы: «может ли это работать без сервера» и «может ли это рассуждать, разбирая немецкий регуляторный документ».

Только у одного из них есть измеренная оценка, и это не Base

Вот что скрывает это сопоставление. У Artificial Analysis действительно есть страница модели для LFM2.5-2.6B — но для дообученной модели, а не для Base. На этой странице указан Intelligence Index, равный 8, она занимает №9 среди 49 моделей своего класса, имеет контекст в 128 000 токенов, 2,7 миллиарда параметров и лицензию LFM Open License v1.0. Это скромная и честная оценка: модель измерена, её цена практически нулевая, и она оценена как то, чем является — небольшая модель рассуждений.

У базового чекпойнта нет оценки, и её не может быть. Индекс интеллекта вычисляется путём запуска модели на задачах рассуждения и знания; чекпойнт, который не был дообучен на инструкциях, не имеет осмысленного поведения на этих задачах. Liquid AI не публикует для него таблицу оценок, и это отсутствие — заявление об артефакте, а не пробел в релизе.

Позиция Kolibri снова иная, и её стоит сформулировать точно, потому что её легко понять неправильно. Страницы Artificial Analysis для Kolibri тоже нет — мы проверяли, и эта модель полностью отсутствует в том сравнении. Что есть — это собственная таблица постобучения Aleph Alpha, где Kolibri набирает 75,5 по среднему показателю для английского и 70,8 по среднему для немецкого в рамках их тестового стенда, против 54,1 и 46,4 у её собственного предшественника Kolibri Origin. Это числа, полученные вендором на созданном вендором наборе для оценки, и их нельзя преобразовать в Intelligence Index. Так что из двух моделей в этом заголовке у одной есть независимая оценка для родственной версии, у другой — таблица от вендора, и ни у одного из точных артефактов, которые сравниваются, вообще нет независимого измерения.

Родственный элемент, который изменяет рекомендацию

Оценивать LFM2.5 2.6B Base сам по себе — неправильный способ судить о релизе Liquid AI, потому что Base существует, чтобы обслуживать прошедшую постобучение LFM2.5 2.6B, и они выпускаются вместе. Если вы не собираетесь писать пайплайн тонкой настройки, Base — не ваша модель; ваша — прошедший постобучение собрат, и именно у него есть публичная оценка и опубликованная цена — практически ничего за токен, если вы хостите его самостоятельно.

Это та же связь, что у Kolibri с Kolibri Origin, и сравнение стоит провести, потому что Aleph Alpha опубликовала хронологию. Origin завершила предварительное обучение при 30,6 млрд параметров и 3,27 млрд активных 11 июня 2026 года и так и не была выпущена; Kolibri завершила 11 сентября 2026 года при 78,1 млрд и была выпущена 3 октября. Две модели, три месяца, одна из них только для внутреннего использования. У Liquid AI аналогичное разделение публично в обе стороны: Base и прошедшая постобучение, рядом друг с другом, с квантованными сборками для llama.cpp, ONNX Runtime и Apple MLX, опубликованными вместе с нативным чекпойнтом. Если вы планируете дообучение, эта сопутствующая обвязка стоит больше, чем строка в бенчмарке, потому что она определяет, какую часть работы вам придётся делать самому.

Что развертывать, в зависимости от требований

Этот вариант сводится к короткому списку решений, а не к победителю.

• Если модель должна работать без сервера — на телефоне, ноутбуке, устройстве на заводе — LFM2.5 2.6B Base — единственная из двух, которая вообще является кандидатом, а дообученная LFM2.5 2.6B — это та, с которой вы бы реально начали. Kolibri не может работать там ни при каком квантовании.

• Если рабочая нагрузка — это рассуждение по документам на немецком или английском внутри вашего собственного периметра, с ограничениями по регулируемым данным и необходимостью поведения с воздержанием от ответа, то LFM2.5 Base — не та форма артефакта, и Kolibri нацелен именно на это — при условии, что вы можете предоставить два 80-ГБ ускорителя и принять лицензионную позицию, которую можно сформулировать одной строкой.

• Если вам нужно больше, чем немецкий и английский, семейство Liquid AI охватывает шестнадцать языков при 2,6B, и при таком размере аргумент о языковом покрытии меняется на противоположный.

• Если вам нужен готовый к развёртыванию ассистент в этом квартале и вы не хотите запускать конвейер постобучения, Kolibri уже прошёл постобучение; LFM2.5 Base — нет, а постобученная модель LFM2.5 — это гораздо меньший ассистент, чем Kolibri, а не более дешёвая его версия.

Для команд, чья нагрузка действительно находится где-то посередине — несколько миллиардов токенов в месяц, умеренный контекст, отсутствие регуляторных требований владеть собственным оборудованием, — ни то, ни другое не является первым выбором. Модели размером менее 4B дешевы в самостоятельном хостинге и неудобны для маршрутизации в масштабе, потому что эксплуатационные расходы на развёртывание могут превысить счёт за токены; модель на 78B — это противоположная проблема. Уровень, который действительно маршрутизируется, — промежуточный, и он есть в OrcaRouter сегодня: Qwen3.5 35B-A3B за $0.057 за миллион входных токенов и $0.459 за выходные, Qwen3.8-Flash за $0.15 и $0.47 при контексте в 1M токенов, или mixture-of-experts Gemma 4 26B-A4B IT за $0.06 и $0.33. Это прайс-листовые цены провайдеров, передаваемые без каких-либо доплат за токен, по одному ключу, совместимому с OpenAI, с автоматическим переключением при сбое, и это честный ответ для команды, которая хочет измерить свой реальный объём токенов, прежде чем вкладываться в проект файнтюнинга или в серверную стойку.

Скажем прямо, чего мы не предлагаем: ни Kolibri, ни LFM2.5 2.6B Base сегодня не маршрутизируются в OrcaRouter. Мы проверили каталог для обоих по всем вариантам написания названий поставщиков и моделей — ни одного из них там нет. Kolibri доступен только для самостоятельного хостинга, а LFM2.5 Base — это артефакт для дообучения, который никогда не предназначался для работы за API.

Выбор в одну строку

Kolibri — это завершённый, лицензированный, документированный немецко-английский инструмент рассуждений с 78 миллиардами параметров, для работы которого требуются два ускорителя. LFM2.5 2.6B Base — это незавершённая многоязычная отправная точка с 2,69 миллиарда параметров, требующая пайплайна тонкой настройки и умещающаяся в кармане. Соотношение параметров между ними составляет 29 к 1, и это наименее информативное число в этой статье.