ZwZ2-9B vs LFM2.5 2.6B Base: категориальная ошибка, которую стоит понять

Если поставить ZwZ2-9B рядом с LFM2.5 2.6B Base, это выглядит как сравнение размеров, но это не так. ZwZ2-9B — это визуально-языковой чекпойнт на 9,41 млрд параметров, который inclusionAI опубликовала 16 октября 2026 года без карточки модели; LFM2.5 2.6B Base — это исключительно текстовая предобученная модель на 2,697 млрд параметров, которую Liquid AI опубликовала 1 августа 2026 года, с карточкой, которая сама говорит, что это чекпойнт, «использованный для создания всех вариантов LFM2.5-2.6B». Один — это то, что вы внедряете. Другой — это то, на чём вы строите. Выбор между ними — это не то же самое, что выбирать между двумя машинами; это как выбирать между машиной и блоком двигателя, и единственный полезный вопрос — что из этого вам действительно было нужно.

Итак, этот материал делает две вещи. Он даёт реальные цифры по обоим вариантам, потому что вы пришли сюда в поисках сравнения, и этими цифрами стоит располагать. А затем он объясняет различие, которое это сравнение скрывает, потому что если ошибиться в этом, команды обнаруживают, что уже три недели занимаются тонкой настройкой, которая им не нужна, или запускают серверную модель на 9,4 млрд параметров для задачи, с которой справилась бы ноутбучная модель на 3 млрд.

Что на самом деле представляет собой каждый из этих артефактов

LFM2.5 2.6B Base намеренно оставлена незавершённой. Это предобученный чекпойнт, лежащий в основе семейства LFM2.5-2.6B от Liquid AI — 30 слоёв, чередующих блоки коротких свёрток с двойным гейтированием и внимание с группировкой запросов, 34 триллиона токенов предобучения, словарь на 128 000 токенов и предельная длина в 128 000 позиций. Она работает только с текстом. Она предназначена для развёртывания на устройстве — именно эту формулировку Liquid AI использует в карточке, — и весь смысл суффикса «Base» в том, что дообученный диалоговый вариант и агентный вариант представляют собой отдельные загрузки, производные от неё. Предполагается, что вы будете дообучать её или дистиллировать в неё. Из коробки это не ассистент.

ZwZ2-9B — объект противоположного типа. Это чекпоинт с завершённой формой, который не был описан. Его конфигурация содержит 27-слойную визуальную башню, идентификаторы токенов изображений и видео, видеопроцессор с ограничением в 768 кадров, шаблон чата со встроенным системным промптом по умолчанию, а 24 из его 32 слоёв используют линейное внимание вместо растущего кэша ключей-значений. Это цель для развёртывания, а не основа для обучения. Отсутствует всё, что запросил бы покупатель: нет поля лицензии, нет результатов оценки, нет указания, на чём он обучался, и нет записи ни в одной из десяти публичных коллекций inclusionAI.

• Параметры — ZwZ2-9B: 9 409 813 744. LFM2.5 2.6B Base: 2,697 млрд.

• Назначение — мультимодальная контрольная точка, подготовленная к развёртыванию, в отличие от предварительно обученной базовой модели для тонкой настройки.

• Модальности в — текст, изображение и видео против только текста.

• Потолок контекста — 262 144 позиции против 128 000 (в карточке Liquid AI это округляется до 131 072).

• Словарный запас — 248 320 против 128 000.

• Дизайн внимания — 24 линейных слоя плюс 8 слоёв полного внимания против 22 свёрточных слоёв плюс 8 слоёв внимания.

• Лицензия — не заявлена, в отличие от LFM Open License v1.0, которая является пользовательской лицензией, а не Apache-2.0.

• Документация — отсутствие против модельной карты, технического отчёта и заявленного бюджета обучения.

Две строки там интереснее, чем кажутся. Обе модели приходят ровно к 8 слоям внимания, а остальное заполняют чем-то более дешёвым — ZwZ2-9B с рекуррентным линейным вниманием, LFM2.5 2.6B Base с короткими свёртками. Эта сходимость не случайна; именно это означала «эффективная архитектура» последние два года, к ней пришли с противоположных направлений и в противоположных масштабах. И потолки контекста — не соревнование: 262 144 против 128 000 почти ничего не говорят, потому что модель на 2,7 млрд параметров создавалась для ноутбука, где кэш на четверть миллиона токенов — не реалистичный рабочий набор.

Слово «Base» — это и есть всё решение

Если вы возьмёте из этого сравнения что-то одно, возьмите это. У базового чекпоинта нет следования инструкциям, нет форматирования чата, на которое можно положиться, и нет настройки безопасности — и это преимущество, если вы создаёте доменную модель, потому что это значит, что вы не боретесь с чужим выравниванием, когда обучаете свою. Это недостаток, если вы хотели ассистента, потому что первые две недели вы будете заново обнаруживать, что предобученные модели продолжают текст, а не отвечают на вопросы.

ZwZ2-9B sits on the other side of that line. Its chat template injects a default system prompt when none is supplied, and it emits an empty <think></think> block unless you explicitly request reasoning — the opposite default from its Qwen3.5-9B parent. Somebody post-trained it for one-shot answering and then published it without saying so. That is a real signal, and it is the only signal in the repository that describes intent.

Математика развёртывания — вот где кроется настоящая разница.

Текстовая модель на 2,697 млрд параметров и визуальная модель на 9,41 млрд параметров не являются альтернативами друг другу на одном и том же оборудовании. Базовая модель LFM2.5 создана для телефонов, ноутбуков и одноплатных компьютеров; Liquid AI позиционирует её как инференс на устройстве, а контрольная точка на 2,7 млрд параметров, квантованная до четырёх бит, занимает несколько гигабайт. ZwZ2-9B сохраняет 27-слойную визуальную башню вместе с 32 языковыми слоями и примерно 2 ГБ матрицы эмбеддингов в каждом направлении — один только словарь представляет собой таблицу размером 248 320 × 4 096, — поэтому ему место на сервере или как минимум на настольном компьютере с настоящим ускорителем.

Вот почему честная архитектура для большинства команд — это не «выбрать один». Это два уровня. Поместите небольшую документированную модель туда, где важны задержка и приватность, а задача узкая, а сложные случаи направляйте в размещённую модель, где переменные затраты появляются только тогда, когда появляется сложный случай. Правильно провести это разделение ценнее, чем любой отдельный выбор модели на этой странице, и это также то, что труднее всего изменить позже, потому что именно оно затрагивает ваш код.

Смысл роутера как раз в том, чтобы делать это через единый интерфейс. OrcaRouter открывает доступ к более чем 200 моделям через один эндпоинт, совместимый с OpenAI, и один API-ключ, с автоматическим переключением при сбое, так что дешёвый и дорогой уровни отличаются лишь строкой с названием модели, а не двумя отдельными интеграциями, — и списочные цены провайдеров проходят через него с наценкой 0%, поэтому работа на дорогом уровне обойдётся ровно в столько же, сколько где-либо ещё. Мы не хостим LFM2.5 2.6B Base и не хостим ZwZ2-9B, так что ни то, ни другое — не тот выбор, который мы можем сделать за вас: Liquid AI распространяет свои веса по собственным каналам вендора, а inclusionAI вообще не опубликовала никакого эндпоинта. Что мы сегодня можем предложить на хостинговой стороне этого разделения — это qwen/qwen3-vl-8b-instruct, 8B-модель для работы с изображениями и текстом с контекстом в 131K токенов по цене $0,18 за миллион входных токенов и $0,70 за миллион выходных, что является наиболее близким документированным аналогом для младшего мультимодального уровня.

Именно в лицензировании эти двое расходятся наиболее резко.

Ни одна из этих лицензий не является Apache-2.0, и причины различаются так, что это имеет значение. LFM2.5 2.6B Base поставляется под LFM Open License v1.0 — это нестандартная лицензия: она опубликована, её можно прочитать, и это та же лицензия, которую использует остальная часть семейства, а значит, юридическая проверка, проведённая один раз, охватывает каждую модель LFM2.5, с которой вы имеете дело. ZwZ2-9B ничего не заявляет. Отсутствующая лицензия — это не разрешительная лицензия; при отсутствии явного предоставления прав консервативное толкование таково, что никакие права не были предоставлены, и это существенно худшая позиция, чем нестандартная лицензия, которую можно прочитать и оценить.

Для базового чекпойнта, который вы собираетесь дообучить и, возможно, распространять, это не просто сноска. Условия о производных произведениях — это ровно тот пункт, по поводу которого у нестандартных лицензий обычно есть особое мнение, а отсутствие какого-либо положения вообще не означает, что вопрос решится в вашу пользу.

Как выбирать — простыми словами

Выбирайте LFM2.5 2.6B Base, если у вас узкая текстовая задача, целевое устройство и готовность запустить собственное обучение — и примите то, что именно вы обеспечиваете следование инструкциям. Его задокументированный бюджет обучения и заявленная лицензия означают, что вы знаете, с чего начинаете.

Выбирайте ZwZ2-9B, если вам нужны изображения или видео на входе, у вас есть GPUs, чтобы обслуживать модель на 9,4 млрд параметров, и вы готовы стать первой организацией на Земле, которая её оценит. Эта последняя оговорка не риторическая. Прежде чем браться, нужно ответить на вопросы: принимает ли она ваши форматы изображений, возвращает ли она нужную вам форму вывода при отключённом мышлении, и под какой лицензией вы фактически будете работать. На два из этих трёх вопросов ответы есть в репозитории. На третий — нет.

Бенчмарки устаревают, а цены меняются; записи о сбоях — нет: документированные инциденты с ИИ и сбои агентов, связанные с моделями этого класса, собраны в OrcaRouter AI Incident Archive, где каждая запись содержит собственные источники, степень серьёзности, оценку достоверности и флаг спорности.