LFM2.5-24B-A2B против Gemma 4 12B: разреженный агент против плотной мультимодальной модели

Liquid AILFM2.5-24B-A2B и разработанная Google DeepMind Gemma 4 12B — это два чекпоинта с открытыми весами, которые с наибольшей вероятностью окажутся в одной и той же очереди на скачивание в этом месяце, и они пришли к этому с противоположных сторон. LFM2.5-24B-A2B вышел 13 октября 2026 года с 24,0 млрд параметров, из которых на каждый токен считывается лишь 2,45 млрд, текст на входе и текст на выходе, контекст на 131 072 токена и таблица бенчмарков, полностью построенная вокруг работы с инструментами. Gemma 4 12B вышел 3 июня 2026 года как плотная модель на 11,95 млрд параметров, которая читает текст, изображения и аудио, а выводит текст, под лицензией Apache 2.0, без ограничения по выручке. Один — специализированный агентный движок, работающий на ноутбуке, который у вас уже есть. Другой — универсал, который видит и слышит, запускается на том же ноутбуке, занимая около 7 ГБ, и поставляется с лицензией, которую никогда не придётся читать дважды.

Итак, вопрос, на который отвечает эта страница, — не «что лучше», потому что их никогда не создавали для одной и той же задачи. Он более узкий и более полезный: если вы ставите приватного агента на машину, которую контролируете, какой из этих двух скачивать и чем вы жертвуете в любом случае?

Ответ одним абзацем — для тех, кто уже знает, чего хочет.

Выбирайте LFM2.5-24B-A2B, если агент занимается многошаговым вызовом инструментов и больше ничем — собственные агентные показатели вендора намного опережают показатели Gemma 4 12B в тех немногих строках, которые достаточно сопоставимы, чтобы их можно было поставить рядом, — и модель всегда формирует явную цепочку рассуждений, прежде чем действовать. Выбирайте Gemma 4 12B, если задача включает скриншот, сфотографированный документ, отсканированную страницу или аудиоклип, если вы хотите отключить цепочку рассуждений ради снижения задержки или если ваша компания хоть сколько-нибудь близка к отметке выручки в $10M, при которой лицензия Liquid перестаёт быть бесплатной. Читайте дальше, если хотите узнать цифры, стоящие за этими двумя предложениями, потому что немалая часть сравнения зависит от того, как оба вендора проводили измерения.

Где две контрольные точки действительно различаются

• Экономика параметров — LFM2.5-24B-A2B — это смесь экспертов: 24,0 млрд всего, 2,45 млрд активных на токен, 64 эксперта с маршрутизацией top-4 по 40 слоям (30 блоков короткой свёртки с двойным стробированием, 10 — групповое внимание запросов). G​emma 4 12B — плотная: 11,95 млрд всего по 48 слоям, каждый параметр считывается на каждом токене.

• Что помещается на диск — Liquid публикует Q4_K_M GGUF размером 14,5 ГБ и QAT QAD-Q4_0 размером 13,6 ГБ, а 4-битная сборка MLX занимает 13,6 ГБ; 48 ГБ в BF16. QAT GGUF от G​oogle для 12B — это около 6,98 ГБ весов плюс файл мультимодальной проекции на 0,18 ГБ, а сборки сообщества Unsloth занимают примерно от 4,2 ГБ при 2-битной разрядности до 7,12 ГБ при Q4_K_M.

• Контекст — 131 072 токена для LFM2.5-24B-A2B, вдвое больше, чем 32 768 у предыдущего поколения. Gemma 4 12B несёт 256K (262 144), со скользящим окном в 1 024 токена и гибридным вниманием, которое чередует локальные и глобальные слои.

• Модальность — LFM2.5-24B-A2B работает только с текстом, и это осознанное решение. Gemma 4 12B принимает текст, изображения и аудио, при этом вообще без мультимодальных энкодеров: необработанные патчи изображений и звуковые волновые сигналы проецируются напрямую в то же пространство, что и текстовые токены.

• Поведение при рассуждении — По формулировке вендора, LFM2.5-24B-A2B работает только в режиме рассуждения: прежде чем ответить, он всегда «размышляет» внутри блока <think>. В карточке G​emma 4 12B описана модель, настроенная на выполнение инструкций, без обязательного следа рассуждений, что на ноутбуке означает выигрыш в задержке и потерю прозрачности.

• Лицензия — lfm1.0 бесплатна для скачивания, дообучения и коммерческого использования при годовом доходе до $10 млн, после чего применяется коммерческая лицензия. G​emma 4 12B распространяется под Apache 2.0 без порога по доходу; Условия использования и Политика запрещённого использования G​oogle прилагаются к весам как документы о допустимом использовании, а не как лицензионные ограничения.

• Словарный запас и масштаб обучения — LFM2.5-24B-A2B расширила словарь с 65K до 128K за счёт расширения токенизатора на месте и масштабировала предобучение с 17T до 33T токенов, с 300B токенов промежуточного обучения при полном контексте и этапом агентного RL внутри реальных харнессов. G​emma 4 12B использует словарь на 262K, общий для всего семейства, и была предварительно обучена на 140+ языках с заявленной поддержкой 35+ языков «из коробки».

Единственный бенчмарк, который запустили оба вендора

Сравнивать две разные таблицы запусков обычно ловушка. Здесь есть ровно одна строка, где обе компании измерили одно и то же на сопоставимых условиях, и её стоит выделить именно потому, что она настолько одинока.

GPQA Diamond — Liquid сообщает 74,42 для LFM2.5-24B-A2B; в таблице семейства G​emma 4 от G​oogle указано 78,8 для G​emma 4 12B, дообученной на инструкциях. Оба показателя заявлены производителями и не воспроизведены. Плотная модель 12B немного опережает на вопросах по естественным наукам уровня выпускника, что соответствует собственному позиционированию Liquid, согласно которому её модель — не та, которой стоит задавать вопросы на знание, — в посте о запуске рекомендуется использовать её вместе с поиском по базе или веб-поиском, а не полагаться на её веса.

Всё остальное нужно читать в его собственной таблице, и честный вывод состоит в том, что эти две таблицы измеряют почти непересекающиеся вещи. Таблица Liquid из шестнадцати бенчмарков охватывает AutomationBench (27.69), BFCLv4 (65.01), ToolSandbox (80.71), LiveClaw (48.09), PinchBench (83.18), τ³-Bench Banking (8.04), WebArena Verified (26.75), IFEval (96.75), IFBench (74.69), Multi-IF (84.38), MATH-500 (96.04), SWE-Bench Verified via OpenCode (51.00), SciCode (32.71), AA-Omniscience (−24.90) и HLE (7.40). Таблица семейства Google охватывает MMLU Pro (77.2), AIME 2026 без инструментов (77.5), LiveCodeBench v6 (72.0), рейтинг ELO Codeforces 1659, MMMU Pro (69.1) и MRCR v2 при 128K с восемью иглами (43.4).

Только одно пересечение — и ни одной общей методики тестирования. Тот, кто публикует сводную таблицу результатов по этим двум таблицам, выдумывает сравнение, которого не проводила ни одна из компаний.

Отдельно, и это более острая грань

Artificial Analysis оценила G​emma 4 12B: индекс интеллекта — 14, 20-е место из 141 модели в её классе сравнения, при измеренной скорости 110,9 токена в секунду и средневзвешенной стоимости от сторонних поставщиков — $0,10 за миллион входных и $0,30 за миллион выходных токенов. Это независимые показатели для модели, которая публично доступна уже четыре месяца и за которой стоит экосистема.

LFM2.5-24B-A2B не имеет эквивалента. Ему всего один день, ни одна третья сторона не опубликовала результат, а собственные показатели Liquid для периферийных устройств — 184 токена в секунду на Apple M5 Max, 114 — на AMD Ryzen AI Max+ 395, «до 1,7× быстрее, чем сопоставимые MoE на устройстве» — не имеют ни базовой линии, ни воспроизведения. Когда одну модель измеряет сам производитель, а другую измеряют независимо, сама асимметрия и есть главный вывод: одно из этих двух чисел вы можете проверить сами уже сегодня, и это не то, которое новее.

Если вы предпочитаете не ставить производственный путь на вендорскую таблицу четырёхдневной давности, именно для этого и существует автоматическое переключение при сбое. Направьте агента на LFM2.5-24B-A2B, держите за ним модель с оценкой и позвольте маршрутизатору перебрасывать запрос, когда обвязка начнёт отказывать — без второго контракта и без изменений кода, кроме списка резервных вариантов.

Стоимость, в двух валютах, в которых они работают

Обе — модели с приоритетом локального запуска, так что реальные расходы — это оборудование и электроэнергия. На стороне хостинга Liquid устанавливает цену за доступ к API в $0,10 за миллион входных токенов ($0,05 при кэшировании) и $1,00 за миллион выходных через собственную Console, плюс $2 стартового кредита. Google вообще не публикует цену за токен для Gemma 4 12B — указанное выше сочетание $0,10/$0,30 — это медиана по сторонним платформам, обслуживающим открытые веса, а не прайс-лист, и считать её таковым было бы ошибкой.

Вот что важно для команды, которая оценивает оба варианта: ни одного из этих чекпоинтов сегодня нет в нашем каталоге. Но у нас есть те точки отсчёта, к которым снова и снова возвращается это решение — qwen/qwen3.6-35b-a3b, модель, с которой сравнивали Liquid, причём с в полтора раза большим числом параметров, а также google/gemma-4-26b-a4b-it, obsidian/gemma-4-26B-A4B и google/gemma-4-31b-it из того же семейства G​emma 4 — всё через один ключ, всё с наценкой 0% к собственной прайсовой цене провайдера, так что изменение цены поставщика доходит до вас в тот день, когда оно происходит, а не в тот, когда кто-то заново подписывает договор. Запустите свою задачу на размещённых размерах G​emma 4, а затем решите, избыточна ли 12B на вашем ноутбуке.

Что бы я на самом деле сделал

Скачайте оба кванта. Gemma 4 12B в Q4_K_M занимает около 7 ГБ и через час скажет вам, нужны ли вашей задаче глаза и уши — если нужны, решение принято, и LFM2.5-24B-A2B вообще не рассматривается, потому что она не умеет видеть. Если не нужны, загрузите LFM2.5-24B-A2B QAD-Q4_0 на 13.6 ГБ и прогоните на ней ваш настоящий тестовый стенд, поскольку весь аргумент в пользу этого чекпоинта — многошаговый вызов инструментов, и никакой статический бенчмарк не решит это за ваши инструменты.

Два момента, которые стоит иметь в виду, пока вы это делаете. Во-первых, таблицы обоих вендоров не воспроизведены, и единственная независимо оценённая модель в этом сравнении — более старая и более плотная; это причина доверять цифрам G​emma 4 12B больше, а не повод предполагать, что новая модель слабее. Во-вторых, разрыв в лицензиях реален и асимметричен так, как редко встречается в постах с бенчмарками: G​emma 4 12B — это Apache 2.0 навсегда, тогда как LFM2.5-24B-A2B превращается в коммерческий разговор в тот момент, когда выручка вашей компании превышает $10 млн. Для индивидуального разработчика это незаметно. Для продуктовой команды, выпускающей on-device-агента, это отдельная статья расходов в следующем цикле планирования, и это единственное измерение, где меньшая, более старая, мультимодальная модель однозначно является более безопасным выбором по умолчанию.

Именно в таких сравнениях проявляются и режимы отказа: задокументированные инциденты с ИИ и сбои агентов, стоящие за моделями этого класса, собраны в архиве инцидентов ИИ OrcaRouter, где каждая запись содержит собственные источники, степень серьёзности, оценку достоверности и пометку о спорности.