LFM3-1.7B против Gemma 4 26B A4B: два рецепта дешёвого токена, и только один помещается в телефон

На бумаге эти две модели применяют одинаковый подход к одной и той же задаче. LFM3-1.7B, анонсированная Liquid AI 27 октября 2026 года, и Gemma 4 26B A4B, выпущенная Google DeepMind 2 апреля 2026 года, обе существуют, чтобы ответить на один вопрос: как поместить способную модель в небольшой бюджет памяти? Они дают противоположные ответы. Liquid уменьшила модель. Google сохранила модель большой и платит только за её часть на каждый токен. Веса бесплатны, поэтому счёт равен тому, сколько запросит самый дешёвый подходящий хостинг-провайдер. Мы передаём списочные цены провайдеров с размером наценки 0%.

Это различие кажется архитектурной мелочью, пока вы не оцените стоимость развёртывания, и в этот момент оно становится единственным, что имеет значение. Gemma 4 26B A4B активирует 3,8 млрд параметров на токен, но вам всё равно нужно где-то держать 25,2 млрд из них. LFM3-1.7B активирует все свои 1,73 млрд параметров и хранит ровно столько же. Один дёшев в вычислениях. Другой дёшев с точки зрения владения.

Два рецепта для дешёвого токена

Gemma 4 26B A4B — это модель со смесью экспертов: 128 маршрутизируемых экспертов плюс один общий эксперт, 30 слоёв, и примерно восемь экспертов активируются на каждый токен. Это даёт ей объём знаний плотной модели с 25,2B параметров и вычислительную стоимость ближе к модели с 4B. По формулировке самой Google, она достигает около 97% результата плотной Gemma 4 31B по MMLU-Pro примерно при 12% FLOPs.

LFM3-1.7B идёт другим путём. Она полностью плотная — каждый параметр задействуется на каждом токене — а экономия достигается за счёт переработанной архитектуры, а не за счёт разреженности. Тригибридный стек Liquid состоит из 24 слоёв: 13 коротких свёрток с гейтами, пять слоёв внимания со скользящим окном и шесть слоёв полного внимания. Большая часть моделирования последовательности выполняется свёртками, которые дешевы, а полное внимание появляется только шесть раз. Именно так модель на 1,73B поддерживает контекст в 262 144 токена и словарь на 128 000 токенов без того, чтобы KV-кэш съедал машину.

• Общее количество параметров — 1,73 млрд для LFM3-1.7B; 25,2 млрд для Gemma 4 26B A4B.

• Активных на токен — 1,73 млрд против примерно 3,8 млрд. Это единственная строка, где оба находятся в одной лиге.

• Память в 4-битном режиме — примерно 1 ГБ против примерно 18 ГБ. Именно эта строка определяет возможность развёртывания.

• Контекст — 262 144 токена в обоих, снова настоящая ничья.

• Модальность — только текст в отличие от ввода текста и изображений, с нативным вызовом функций и настраиваемым режимом размышления.

• Лицензия — LFM Open License v1.0, бесплатно при годовом доходе ниже 10 млн долларов; Apache 2.0 без порогового значения для Gemma 4 26B A4B.

Почему 3,8 млрд активных параметров не означают 3,8 млрд памяти

Это самая распространённая ошибка при чтении спецификации модели со смесью экспертов, поэтому стоит сказать прямо. Активные параметры определяют вычисления и, приблизительно, скорость. Они не определяют размер скачиваемого файла или объём резервируемой видеопамяти. Gemma 4 26B A4B требует присутствия в памяти всех 25,2 млрд параметров для маршрутизации между экспертами; при 4-битном квантовании это около 18 ГБ. Её можно запустить на одной карте с 24 ГБ, и Google поставляет сборки FP8 и NVFP4, чтобы это стало практичным, но на телефон её не поместить.

LFM3-1.7B занимает около 1 ГБ при 4-битном квантовании — в карточке Liquid сказано, что модель помещается на телефон или ноутбук, и при таком размере это утверждение правдоподобно, а не маркетинговый ход. Она также держит KV-кэш объёмом 1,6 ГБ при 128K токенах, и именно это число определяет, сколько одновременных запросов с длинным контекстом можно обслуживать.

Практическое следствие: развертывание 26B-A4B — это решение об инференс-сервере, а развертывание 1.7B — это решение о поставке приложения. Это разные проекты с разными командами и разными структурами затрат, и ни один бенчмарк не устраняет разрыв между ними.

Что опубликовал каждый поставщик и что это вам говорит

Google опубликовала обширную таблицу для Gemma 4 26B A4B: 82,6 на MMLU-Pro, 82,3 на GPQA Diamond, 88,3 на AIME 2026 без инструментов, 77,1 на LiveCodeBench v6, рейтинг Elo на Codeforces 1718, 73,8 на MMMU-Pro и 44,1 на MRCR v2 при 128K с восемью «иглами». Все данные приведены производителем, ни один результат не был независимо воспроизведён. По данным стороннего отслеживания, её Elo на LMArena составляет около 1438.

Liquid опубликовала более узкую таблицу для LFM3-1.7B, и она смещена в сторону агентных задач: 71,39 в BFCL V4, 80,36 в ToolSandbox, 68,01 в τ³-bench, 45,60 в LiveClaw, 38,42 в WebArena-Verified. Также сообщается о 96,66 в IFEval, 73,03 в IFBench, 63,37 в GPQA Diamond, 73,46 в LiveCodeBench v6 и 65,56 в RULER при 128K. Liquid не публикует показатель MMLU-Pro для LFM3-1.7B, и его отсутствие — не ноль: он просто не измерялся.

Только LiveCodeBench v6 и GPQA Diamond пересекаются без оговорок. Gemma 4 26B A4B побеждает в обоих — с отрывом в 3,6 и 18,9 балла соответственно. Там, где набор тестов Liquid становится агентным, нет показателя Gemma для сопоставления — Google указывает для τ²-bench 68,2, а τ² — это не τ³, поэтому поставить 68,01 рядом с ним было бы сфабрикованным сравнением, выдаваемым за аккуратное.

Где 1.7B остаётся в диалоге

Разрыв в 3,6 балла на LiveCodeBench меньше, чем можно было бы предсказать по соотношению параметров 14 к 1, и причина архитектурная. Соревновательное программирование вознаграждает способность удерживать шаблон и выдавать корректную функцию — навык, которому чистый сигнал обучения помогает больше, чем сырой объём возможностей. Если бы вопросы по программированию составляли всю задачу, победила бы модель 26B, и этот раздел был бы коротким.

На самом деле LFM3-1.7B остаётся актуальной благодаря сочетанию контекста в 262 144 токена и объёма всего в 1 ГБ. Модель, способная вместить большой документ и работать на устройстве, где его читают, — это не то же самое, что модель, способная вместить тот же документ на сервере. Liquid сообщает 65,56 на RULER при 128K — это не выдающийся результат для длинного контекста (Gemma 4 26B A4B сообщает 81,4 на том же семействе бенчмарков), — но он хотя бы вообще измеряется: на устройстве, при объёме в гигабайт.

И при следовании инструкциям небольшая модель не ударяет в грязь лицом: 96.66 в IFEval и 73.03 в IFBench — сильные показатели для этого класса размера, оба по данным производителя. Для рабочих нагрузок с вызовом инструментов или структурированным выводом это ближе к действительно важной метрике, чем GPQA Diamond.

Что на самом деле меняет слой маршрутизации

Gemma 4 26B A4B представлена в каталоге OrcaRouter — один API-ключ даёт доступ к ней наряду с более чем 200 другими моделями, при этом прайс-листовые цены провайдеров передаются без наценки — 0%, поэтому изменение цены у вендора применяется в тот же день, а не после ожидания цикла пересчёта цен. Здесь это важнее, чем обычно, потому что экономика этой модели полностью строится на ценах провайдеров: веса бесплатны, так что счёт равен тому, что запрашивает самый дешёвый подходящий хост, а эта цифра меняется.

Автоматическое переключение при сбоях — это другая половина. Mixture-of-experts-модель на 26B с контекстом 256K — это именно тот тип нагрузки, который на пике упирается в ограничения ёмкости, а маршрутизация между провайдерами означает, что неудачный день одного хоста не становится вашим сбоем. LFM3-1.7B ничего из этого не требует, потому что работает на оборудовании, которое вы контролируете, и у неё нет провайдера, от которого нужно переключаться при сбое. Это не довод в её пользу или против неё — это следствие выбора другого рецепта.

Честная формулировка нашей роли: мы маршрутизируем крупную разреженную модель, но не обслуживаем малую плотную, и выбор между ними — не тот, который маршрутизатор может сделать за вас.

Принятие решения за один проход

Если у целевого устройства развёртывания меньше 20 ГБ памяти — телефон, ноутбук, Jetson, ИИ-ПК, — то Gemma 4 26B A4B не является кандидатом, и сравнение окончено. Возьмите LFM3-1.7B, спланируйте поиск информации с учётом пробела в знаниях, на который указывает сама Liquid, и используйте её для вызова инструментов и структурированного извлечения там, где её показатели действительно конкурентоспособны.

Если вы обслуживаете запросы с GPU, а рабочая нагрузка требует больших знаний, является мультимодальной или нуждается в рассуждениях уровня 82.3 GPQA Diamond и 82.6 MMLU-Pro, то Gemma 4 26B A4B — лучшая модель, и 18 ГБ — это плата за вход. Apache 2.0 полностью снимает разговор о лицензировании, что для крупной организации стоит больше, чем несколько баллов в бенчмарках.

Если вы создаёте продукт, который выпускается в обоих вариантах — ассистент на устройстве, передающий сложные запросы на сервер, — то эти два решения вовсе не конкуренты. Это два уровня одной архитектуры, и интересный инженерный вопрос заключается в том, где провести границу эскалации, а не в том, какая модель побеждает в таблице.

Открытый вопрос не в возможностях — они уже решены в пользу Google, — а в том, достаточно ли модели объёмом 1 ГБ с контекстом 256K для узких агентных задач, которые реально нужны большинству продуктов на устройстве. В собственной карточке модели Liquid необычно откровенно признаёт, что это не модель рассуждения. Эта прямота стоит больше, чем разрыв в LiveCodeBench, потому что она говорит, какую половину вашей рабочей нагрузки куда отправлять.