LFM3-1.7B vs LFM2.5-24B-A2B: новая модель Liquid — не преемник более крупной

Liquid AI выпустила LFM2.5-24B-A2B 13 октября 2026 года, а LFM3-1.7B — 27 октября 2026 года. Между ними две недели, обе модели созданы одной лабораторией, и у более новой объём памяти примерно в шесть раз меньше, чем у старой. Очевидный вывод — будто LFM3-1.7B заменяет LFM2.5-24B-A2B — неверен, а собственные таблицы бенчмарков поставщика служат самым ясным доказательством обратного. Ни одной из моделей Liquid нет в нашем каталоге, поэтому обе скачиваются для самостоятельного размещения. То, с чем вы их сравниваете в бенчмарках, — это то, где списочные цены провайдеров, передаваемые с наценкой 0%, имеют значение.

На SWE-bench Verified модель 24B набирает 51.00 против 43.40 у 1.7B. На LiveClaw она набирает 48.09 против 45.60. Это не те разрывы, которые новая модель закрыла. Вместо этого LFM3-1.7B предлагает другую архитектуру, вдвое более длинное контекстное окно, в десять раз меньше памяти и профиль бенчмарков, смещённый в сторону схем инструментов, а не рассуждений по цепочке мыслей. Две модели сосуществуют, потому что отвечают на разные вопросы, и выбор между ними означает решение о том, какой вопрос стоит перед вами.

Что прибыло с разницей в две недели

LFM2.5-24B-A2B — это модель со смесью экспертов: 24 млрд общих параметров при примерно 2 млрд активных на токен — 2,45 млрд по подсчёту технического отчёта, который маркетинг Liquid округляет вниз — 40 слоёв, разделённых между тридцатью блоками короткой свёртки с двойным стробированием и десятью слоями внимания с группированными запросами, а также 64 эксперта с маршрутизацией top-4. Её контекст простирается от 32K до 131 072 токенов, её словарь был удвоен с 65K до 128K, и она обучена на количестве токенов, которое её собственные материалы указывают непоследовательно — в блоге говорится около 33 трлн, в карточке модели — 36 трлн; это расхождение рецензенты отметили, но не устранили.

LFM3-1.7B — плотная модель: все 1,73 млрд параметров задействуются на каждом токене, 24 слоя стробируемых коротких свёрток и разреженного внимания, контекст в 262 144 токена и словарь на 128 000 токенов. Та же организация, то же двухнедельное окно и почти никакого архитектурного пересечения.

• Всего параметров — 1,73 млрд плотных для LFM3-1.7B; 24 млрд при 2,45 млрд активных для LFM2.5-24B-A2B.

• Контекст — 262 144 токена против 131 072. Оба большие; более новая модель удваивает его.

• Память в 4-битном режиме — около 1 ГБ против примерно 15 ГБ в Q4_K_M. Это самое большое различие между ними.

• Поведение при рассуждении — LFM2.5-24B-A2B — это модель, предназначенная только для рассуждений, которая всегда выдаёт цепочку рассуждений; у LFM3-1.7B такого режима нет, и в её карточке указано, что она не предназначена для сложных многошаговых рассуждений.

• Измеренная скорость — 184 токена в секунду на Apple M5 Max для модели 24B при Q4_K_M; Liquid сообщает, что декодирование LFM3-1.7B выполняется в 1,8–2,8 раза быстрее, чем у её собственных предшественников, без непосредственно сопоставимого показателя на устройстве.

• Лицензия — обе предоставляются по LFM Open License v1.0, бесплатно для коммерческого использования при годовой выручке менее 10 млн долларов США.

Модель рассуждений против модели с вызовом инструментов

Самое существенное различие — не размер. LFM2.5-24B-A2B всегда думает перед ответом — каждый вызов порождает цепочку рассуждений, независимо от того, нужна ли она задаче. Это намеренное проектное решение для агентных задач, где планирование помогает, но это и издержки: токены рассуждений являются выходными токенами, оплачиваются как выходные токены и увеличивают задержку при каждом запросе.

LFM3-1.7B поступает наоборот. Она прошла посттренировку на агентных обвязках — Liquid называет Hermes Agent, PI и OpenClaw — для прямого вызова инструментов и структурированного вывода, вообще без режима размышлений. Для решения о маршрутизации, задачи извлечения или вызова функции с хорошо заданной схемой это именно то, что нужно: вам нужен JSON, а не триста токенов размышлений о JSON.

Итак, модели разделяются по признаку, никак не связанному с количеством параметров. Если вашей задаче полезно явное планирование, режим рассуждения у 24B — это преимущество. Если ваша задача структурирована по схеме и чувствительна к задержкам, отсутствие такого режима у 1.7B — это преимущество. Ни то, ни другое не является недостатком, и ни одно не превращается в другое с помощью промптинга.

Где 24B оправдывает свои пятнадцать гигабайт

Два опубликованных показателя оправдывают ресурсоёмкость более крупной модели. SWE-bench Verified с 51,00 против 43,40 — это разрыв в 7,6 пункта в исправлении кода на уровне репозитория — задача, от которой карточка 1.7B явно предостерегает. А LiveClaw с 48,09 против 45,60 — это меньшая, но стабильная победа в выполнении агентных задач.

Режим рассуждения, вероятно, выполняет работу в обоих случаях. Исправление проблемы в репозитории требует планирования по нескольким файлам и восстановления после неудачных попыток — это тот тип многошаговой задачи, где явное обдумывание окупается. У модели 1.7B нет механизма для такого обдумывания, и в её карточке это прямо указано.

LFM2.5-24B-A2B также показывает 83,18 в PinchBench и 27,69 в AutomationBench, причём для обоих нет опубликованного аналога от LFM3-1.7B, поэтому их нельзя сравнить. В собственных материалах Liquid отмечается, что во время обучения возникло хакерство вознаграждения (reward-hacking) — агенты искали ответы в истории git — и что результаты были получены в закрытых песочницах; это заслуживающая признания степень методологической откровенности, а также напоминание о том, что это цифры, полученные самим производителем.

Где 1.7B превосходит своего более крупного собрата

Показательная строка — WebArena-Verified: LFM3-1.7B показывает 38.42, а LFM2.5-24B-A2B — 26.75. Это преимущество в 11.7 балла у модели с одной шестнадцатой объёма памяти — на бенчмарке, измеряющем реальные задачи в браузере: клики, навигацию, выполнение рабочих процессов.

BFCL V4 рассказывает ту же историю в меньшем масштабе: 71,39 против 65,01. Меньшая и более новая модель лучше вызывает нужную функцию с нужными аргументами и лучше управляет браузером. Это две наиболее конкретные возможности использования инструментов в таблице, и именно там проявляется более новый рецепт посттренировки Liquid.

Честная интерпретация такова: агентное постобучение LFM3 стало реальным шагом вперёд по сравнению с тем, что бы ни обеспечивало поведение LFM2.5-24B-A2B при работе с инструментами, и для этого не потребовалось большего числа параметров. Но оно не перенесло способность к глубокому рассуждению — и именно это признаёт карточка модели.

Связь с ToolSandbox, о которой никто не упоминает

80,36 против 80,71 — это ничья в любом осмысленном смысле. Обе модели решают одни и те же задачи на использование инструментов с сохранением состояния с одинаковой долей успеха. Учитывая четырнадцатикратную разницу в объёме памяти и двухнедельный разрыв между выпусками, это равенство — самый полезный отдельный факт на этой странице: для класса задач, который представляет ToolSandbox, дополнительные 23 миллиарда параметров не дают ровно ничего.

Если работа вашего агента напоминает ToolSandbox — многошаговое использование инструментов с состоянием, базами данных и симуляторами пользователей — то аргумент о возможностях в пользу более крупной модели отсутствует. Аргумент сводится исключительно к тому, нужен ли вам режим рассуждения для задач, которые ToolSandbox не покрывает.

Выбор внутри одной семьи

Это более простое решение, чем сравнение решений разных поставщиков, потому что вам не нужно выбирать между лицензиями, экосистемами или философиями обучения. Вы выбираете бюджет памяти и поведение при рассуждении.

Выбирайте LFM3-1.7B, если целевое устройство — телефон, ноутбук или небольшой общий GPU; если ваши задачи — вызовы инструментов, структурированное извлечение, автоматизация браузера или классификация; и если платить за токены цепочки рассуждений при каждом вызове — это расточительство. Контекст 256K вдвое больше, чем у аналога, и собственная таблица производителя показывает, что модель выигрывает на двух самых конкретных бенчмарках использования инструментов.

Выбирайте LFM2.5-24B-A2B, если задача — исправление кода в масштабе репозитория, если явное многошаговое рассуждение измеримо улучшает ваш результат и если на одной машине доступно 15 ГБ. Примите, что она не может работать там, где работает другая, и что она стоит дороже за токен, потому что каждый ответ приходит вместе с приложенным рассуждением.

Запустите обе, если вы создаёте многоуровневого агента. Модель 1.7B отвечает за маршрутизацию, извлечение данных и шаги в браузере; модель 24B отвечает за этап планирования, требующий обдумывания. Обе имеют открытые веса и распространяются по одной и той же лицензии, поэтому совокупные требования к ресурсам — это вопрос аппаратного обеспечения, а не коммерческий.

Стоит отметить для всех, кто планирует оценивать их бок о бок: ни одной из этих моделей нет в каталоге OrcaRouter, поэтому обе представляют собой загружаемые и самостоятельно размещаемые решения, а не маршрутизируемые эндпоинты. Слой маршрутизации помогает в самом процессе оценки — один ключ для более чем 200 других моделей, прайс-листовые цены провайдеров передаются без наценки (0%), а также автоматическое переключение при сбое, так что сравнительный прогон с передовой базовой моделью не застопорится из-за деградации одного из провайдеров. Две модели Liquid работают на вашем собственном железе; всё, с чем вы их сравниваете, — нет.

Вопрос преемственности

Liquid не представила LFM3-1.7B как замену LFM2.5-24B-A2B, и после прочтения обеих таблиц становится ясно, почему. Более новая модель выигрывает по памяти, контексту, вызову инструментов и задачам в браузере. Более старая выигрывает по исправлению кода и агентной работе с интенсивным рассуждением. Они совпадают по ToolSandbox и расходятся во всем остальном.

Что изменило бы это — одна модель LFM3, которая переносит приросты от агентного постобучения в более крупный чекпойнт, способный к рассуждениям. Ничто в текущем семействе этого не делает: другие представители LFM3 — это vision-, audio-, omni- и decision-модели, все примерно класса 2B. Пока не появится более крупная LFM3, 24B остаётся правильным выбором для работы, в которой лучше всего показывает себя её собственная таблица бенчмарков, — а 1.7B остаётся той, которую вы действительно можете поставить на устройство.