LFM2.5-24B-A2B против LFM2.5-8B-A1B-DSpark: одна из них — не модель, которую можно запустить

Поместите LFM2.5-24B-A2B и LFM2.5-8B-A1B-DSpark в одну сравнительную таблицу — и эта таблица солжёт ещё до того, как вы заполните хоть одну ячейку. LFM2.5-24B-A2B от Liquid AI, выпущенная 13 октября 2026 года, — это языковая модель: 24,0 млрд параметров, 2,45 млрд активных на токен, 131 072 токена контекста, и она отвечает на запросы. LFM2.5-8B-A1B-DSpark, выпущенный 20 августа 2026 года, — это черновой чекпоинт с 327,7 млн параметров, который сам по себе ни на что ответить не может: он существует, чтобы угадывать следующие токены для другой модели, LFM2.5-8B-A1B, а та их проверяет. Путаница между этими двумя — самый распространённый способ неверно прочитать этот релиз, и стоит прояснить это уже в первом абзаце, потому что всё остальное на этой странице от этого зависит: у одной из них есть цена за миллион токенов и карточка на Hugging Face, на которую можно нацелить агента, а другая живёт внутри чужого инференс-стека.

Но по-настоящему эта пара заслуживает отдельной страницы потому, что это сравнение, которое Liquid AI подготовила для себя сама. В карточке модели LFM2.5-24B-A2B драфт спекулятивного декодирования DSpark для 24B указан как «скоро». Когда он появится, ровно тот вопрос, на который отвечает эта страница, станет тем, который люди будут задавать о нём: действительно ли трюк с драфтом, сделавший модель 8B до 3,18 раза быстрее на GPU дата-центра, оправдает себя на модели 24B, весь смысл существования которой — ноутбук? Цифры для 8B уже содержат очертания ответа, и это не те очертания, которые подсказывает заголовок.

Что на самом деле представляет собой черновой чекпоинт, в трёх предложениях

Спекулятивное декодирование ставит дешёвую модель перед дорогой: драфтер предлагает блок токенов-кандидатов, настоящая модель проверяет весь блок за один прямой проход и сохраняет всё, с чем согласна. Поскольку целевая модель проверяет каждый предложенный токен, вывод при жадном декодировании бит-в-бит идентичен запуску только целевой модели — фраза Liquid «без потерь по построению», и именно поэтому драфт безопасно прикручивать к продакшн-стеку. LFM2.5-8B-A1B-DSpark — намеренно небольшая драфтер-модель: пять слоёв только с вниманием, блок из девяти предложенных токенов на шаг и марковская голова над словарём целевой модели на 128 000 токенов, обученная 15 эпох на данных чатов, кода и вызова функций, с чекпоинтами, выбранными по коэффициенту принятия, а не по потерям на валидации.

Эта последняя деталь — не пустяк. В собственном тексте Liquid отмечает, что для более крупных драфтов лосс на валидации «продолжает улучшаться после того, как показатель acceptance на бенчмарке, который нас интересует, перестал меняться» — и это именно та фраза, которая появляется только тогда, когда команда выкатывает это в сервинг, а не публикует статью.

Два стека, по одной строке на каждое измерение.

• Что это такое — LFM2.5-24B-A2B — это готовая к развёртыванию модель рассуждений: текст на входе, текст на выходе. LFM2.5-8B-A1B-DSpark — это ускоритель спекулятивного декодирования и ничего больше.

• Размер — 24,0 млрд всего / 2,45 млрд активных на токен, 64 эксперта с маршрутизацией top-4 по 40 слоям, против 327,7 млн параметров черновика в пяти слоях, состоящих только из внимания.

• Контекст — 131 072 токена для модели 24B, вдвое больше, чем в предыдущем поколении; у драфта нет собственного контекста, поскольку он работает с потоком целевой модели.

• Рассуждение — модель 24B всегда выдаёт явную цепочку рассуждений внутри блока <think>. Черновик не выдаёт ничего, что когда-либо увидит пользователь.

• Цена — $0,10 за миллион входных токенов ($0,05 при кэшировании) и $1,00 за миллион выходных в Console от Liquid, со стартовым кредитом $2, для 24B. У черновика нет цены, потому что ни один провайдер инференса его не обслуживает.

• Лицензия — lfm1.0 для обеих: бесплатно скачивать, дообучать и развёртывать в коммерческих целях, пока годовая выручка компании не превысит $10M, после чего требуется коммерческая лицензия.

• Опубликованные форматы — GGUF от Q4_K_M (14,5 ГБ) до BF16 (48 ГБ), QAT QAD-Q4_0 (13,6 ГБ), FP8, ONNX и 4/5/6/8-битные MLX для 24B; Safetensors и GGUF для драфта, с поддержкой SGLang и llama.cpp с первого дня.

Измерение, которое решает всё, — это последнее, изменённое пятым: у одного из них есть цена за токен, а другое — это то, что вы устанавливаете, чтобы сделать самостоятельно размещённую модель дешевле за токен. Они никогда не конкурируют. Они складываются.

Цифры, которые имеют значение, и та, что должна вас беспокоить

Liquid измерила драфт DSpark при размере батча 1 и температуре 0 на пяти наборах данных — на 80GB H100 в BF16 под управлением SGLang и на M4 Max MacBook Pro в FP16 GGUF под управлением llama.cpp с экспериментальными ядрами Metal. Каждое ускорение указано в сравнении с той же целевой моделью, запущенной отдельно на том же оборудовании. Все эти данные заявлены производителем и спустя три месяца по-прежнему не воспроизведены.

На H100, против LFM2.5-8B-A1B:

• MATH500 — 3,18× (428 → 1 362 токенов/с, принятие 8,27) — главная цифра.

• MT-Bench — 3,02× (426 → 1 288 токенов/с, принятие 8,52).

• MBPP — 2.64× (426 → 1,122) и HumanEval — 2.58× (426 → 1,100).

• GSM8K — 1,29× (385 → 496, принятие 4,02) — слабый случай, и обратите внимание: именно здесь целевая модель и так уже была быстрее.

• Среднее — 2,54× (418 → 1 074 токенов/с).

На M4 Max та же черновая модель против той же целевой модели — это другой продукт: MATH500 1,21× (93 → 112), GSM8K 1,44× (90 → 129), HumanEval 1,12× (91 → 101), MBPP 1,09× (89 → 97), MT-Bench 1,04× (87 → 90), среднее 1,18× (90 → 106).

Прочитайте эти два списка вместе — и вывод неизбежен: черновой чекпоинт ускоряет железо, для которого модель не создавалась, и почти не улучшает железо, для которого создавалась. Это не баг в реализации Liquid, это место, где находится узкое место — спекулятивное декодирование окупается, когда вычисления простаивают, а памяти не хватает, а M4 Max, запускающий квантованную MoE с 1,5B активных параметров, уже близок к потолку пропускной способности памяти. Liquid сами опубликовали плохую половину результата — вот почему показатель 3,18× гораздо чаще цитируют отдельно, чем 1,18×, который большинство их читателей реально получили бы.

Почему объединение 24B в пару — это действительно открытый вопрос

О грядущем драфте LFM2.5-24B-A2B не объявлено ничего, кроме слов «coming soon» в карточке модели, поэтому дальнейшее — это рассуждения о структуре задачи, а не отчёт.

Ценность черновика определяется долей принятия, а доля принятия определяется тем, насколько предсказуема целевая модель. Модель рассуждений, которая всегда выдаёт явную цепочку рассуждений — LFM2.5-24B-A2B именно такова, и Liquid поставляет её с рекомендуемой температурой 0,1 — генерирует длинные, локально предсказуемые отрезки текста. Это идеальная почва для блока из 9 токенов. Так что потолок для 24B-черновика может быть высоким, и примечание о словаре в самой карточке помогает: 24B использует тот же словарь на 128 000 токенов, на котором была построена марковская голова 8B-драфтера, поэтому голову черновика не нужно перестраивать из другого токенного пространства.

Противовес — это аппаратное обеспечение. Заявленный результат 24B-модели для edge — 184 токена в секунду на Apple M5 Max, а более крупная целевая модель означает более объёмный проход проверки, даже когда блок принимается целиком. Если закономерность для 8B сохранится — большие выигрыши там, где есть запас вычислительной мощности, и небольшие на ноутбуке, — то 24B-драфт может оказаться инструментом для дата-центров, приделанным к edge-модели, а это странная форма для продукта. Любой, кто цитирует «3.18×» в предвкушении этого, цитирует число, измеренное на другой модели, на другом оборудовании, с другим драфтом.

Стоимость и аргументы в пользу полного отказа от самостоятельного хостинга

Одна честная сложность: вся ценность DSpark — это пропускная способность в расчёте на токен при самостоятельном хостинге, поэтому его экономическое обоснование строится на стоимости за токен вашего собственного времени GPU. Модель 24B, напротив, имеет публичную цену — $0.10 за миллион входных токенов ($0.05 с кэшированием) и $1.00 за миллион выходных, — и именно столько вы платите, если предпочли бы вообще не запускать 14,5-ГБ квантованный чекпойнт на своём ноутбуке.

Чтобы было ясно, что мы предлагаем, а что нет: мы не обслуживаем LFM2.5-24B-A2B или LFM2.5-8B-A1B-DSpark на OrcaRouter. А обслуживаем мы открытые по весам модели, на которые постоянно наталкивается это решение — qwen/qwen3.6-35b-a3b, модель, с которой Liquid сравнивает свою 24B, имеющую примерно на пятьдесят процентов больше общих и активных параметров, плюс google/gemma-4-26b-a4b-it, obsidian/gemma-4-26B-A4B и google/gemma-4-31b-it в том же классе разреженных открытых моделей. Если вы взвешиваете загрузку на 14 ГБ и стек спекулятивного декодирования против вызова обслуживаемой модели через один ключ с наценкой 0% к прайс-листу провайдера, это сравнение, которое вы можете провести сегодня днём на нашей стороне и можете только оценить на их стороне.

Что с ними двумя делать сегодня

Если вам нужна модель, которую можно вызывать, ответ — LFM2.5-24B-A2B, а чекпоинт DSpark для вас неактуален — он ускоряет одну конкретную модель 8B, и ни одну из них не обслуживает сторонняя платформа. Если вы уже самостоятельно размещаете LFM2.5-8B-A1B на GPU, драфт — это бесплатный множитель пропускной способности, который ничего не меняет в ваших выходах, а 2,54× в среднем — это реальное снижение стоимости обслуживания. Если вы размещаете её у себя на Mac, средний показатель — 1,18×, и честная интерпретация такова: драфт стоит примерно десятую часть того, что подразумевает заголовок запуска.

Следить стоит не за датой выхода 24B-драфта, которую никто не публиковал. Важно, в какой из двух режимов он попадёт. Если Liquid опубликует среднее значение выше 2× на Apple silicon, спекулятивное декодирование перешагнуло черту, и запускать на периферийном уровне становится действительно дешевле. Если она опубликует пиковое число без среднего по ноутбукам, то результат 8B и был ответом всё это время: эта техника окупается там, где есть свободные вычислительные ресурсы, а у машины, которая запускает 24B-смесь экспертов на батарее, их нет.

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.