
Clef-Flash vs LFM2.5 2.6B Base: Två modeller som kallas "små", tre storleksordningar ifrån varandra
- OrcaNYOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1M tokens · 186 tok/s
- openaiNYOpenAI: GPT-6.2 Astra2026-11-17$8.00 / $40.00 per 1M tokens · 86 tok/s
- openaiNYOpenAI: GPT-6.2 Sol2026-11-17$2.00 / $10.00 per 1M tokens · 151 tok/s
- tencentNYTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1M tokens · 192 tok/s
- AlibabaNYQwen: Qwen4 Max2026-11-16$1.50 / $4.50 per 1M tokens · 86 tok/s
- GoogleNYGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M tokens · 705 tok/s
- AnthropicNYAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M tokens · 246 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M tokens · 97 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M tokens · 138 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1M tokens · 85 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1M tokens · 122 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M tokens · 102 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M tokens · 70 tok/s
- openaiOpenAI: GPT-6.1 Terra2026-10-26$1.00 / $5.00 per 1M tokens · 35 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 89 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 38 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligens
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1M tokens · 231 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligens
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M tokens · 101 tok/s
Det clef-flash-bygge som de flesta faktiskt laddar ner är 11 GB. LiquidAI/LFM2.5-2.6B-Base körs med under 2,5 GB minne. Båda modellerna beskrivs som små, snabba och effektiva av labben som skapade dem, och båda beskrivningarna är korrekta – vilket är precis varför jämförelsen är användbar, eftersom de två orden gör helt olika saker. Cloudflare/clef-flash är en 9B multimodal beslutsmodell som besvarar skrivna frågor med kalibrerade sannolikheter och aldrig skriver en token; den behöver en GPU i H200-klass för att nå medianlatensen på 38,8 ms på sitt eget grafikkort, och Cloudflares säljargument för den är edge-inferens i deras nätverk. LFM2.5 2.6B Base är en förtränad text-checkpoint som Liquid AI publicerade den 1 augusti 2026 så att någon annan kan finjustera den, och dess avsedda driftsättningsmål är en laptop.
Ingen av dem är en språkmodell som du skulle sätta i ett chattfönster. Båda är billiga. Att välja mellan dem är egentligen inte ett val som handlar om kvalitet – det är ett val som handlar om vad din hårdvarubudget är och huruvida det du bygger redan vet hur dess svar ser ut.
Fotavtryckssamtalet, i siffror
Börja med vad maskinerna faktiskt behöver, för detta är den axel där de två står längst ifrån varandra.
• Parametrar — Clef-Flash är ett fryst Qwen3.5-9B-stomnät med sin visionskodare plus ett gemensamt schema-huvud på 243,5 MB; LFM2.5 2.6B Base har 2,69 miljarder parametrar, endast text.
• Disk och minne — communitybygget av clef-flash är 11 GB; det fullständiga Hugging Face-repot är cirka 18,8 GB fördelat på fyra backbone-shards plus head-delen. LFM2.5 2.6B Base anges kräva under 2,5 GB minne för inferens, och kvantiserade GGUF-, ONNX- och MLX-byggen publiceras tillsammans med den.
• Latens — Clef-Flash: 38,8 ms median, 122,4 ms p95, mätt av Cloudflare på en enda H200. LFM2.5 2.6B, det eftertränade syskonet till denna bascheckpunkt, kör i 220 tokens per sekund på en Apple M5 Max och 113 tok/s på en AMD Ryzen CPU.
• Kontext — 65 536 tokens för Clef-Flash enligt Cloudflares Workers AI-dokumentation; 131 072 tokens för LFM2.5 2.6B Base.
• Licens — Apache-2.0 för clef-flash; LFM 1.0-licensen för LFM2.5, som har öppna vikter men inte är en OSI-godkänd licens för öppen källkod, och skillnaden spelar roll om du lanserar en produkt i stället för att experimentera.
De två latensraderna mäter inte samma enhet och du bör inte subtrahera dem. Men lästa tillsammans säger de rent ut det uppenbara: Clef-Flash är en datacenterkomponent vars medföljande runtime också råkar ligga på ett edge-nätverk, och LFM2.5 2.6B är en komponent i maskinen på ditt skrivbord.
Varför bascheckpointen är en annan typ av objekt
Ordet "Base" i namnet är bärande, och Liquid AI:s eget kort är ovanligt uppriktigt om det. LFM2.5-2.6B-Base är den förtränade checkpointen för enbart text, 30 lager ordnade som 22 dubbelgrindade korta faltningsblock och 8 grupperade query-attention-block, tränad på 34 biljoner token över ett ordförråd på 128 000 token i sexton språk. Den "rekommenderas endast för uppgifter som kräver omfattande finjustering" – språkspecifikt arbete, domänspecifika assistenter, träning på proprietär data. Dess kort säger det rent ut.
Clef-Flash är motsatsen till det. Det är färdigt. Träningen är klar, schemahuvudet är fastskruvat, API-kontraktet är publicerat, och modellen hostas på leverantörens eget edge-nätverk till ett listpris. Du finjusterar den inte; du anropar den, eller så laddar du ner den och anropar den lokalt. Det finns en finjusteringsprodukt kopplad till modellfamiljen – Cloudflare lanserade en tillsammans med modellerna – men att använda clef-flash kräver den inte, och det är poängen.
Så den ärliga formuleringen är att detta är två steg i två olika pipelines. Den ena är en ingrediens och den andra är en komponent. Om din uppgift är "Jag har 40 000 märkta supportärenden och jag vill ha en snabb domänspecifik klassificerare som körs på våra egna maskiner", är LFM2.5 2.6B Base en rimlig utgångspunkt och clef-flash är det inte, eftersom du inte kan finjustera clef-flashs beslutshuvud till en språkförmåga som den inte har – den har ingen utgångsväg för språk alls. Om din uppgift är "Jag behöver dirigera en förfrågan till en av sex kategorier på under 50 millisekunder med en sannolikhet som jag kan sätta ett tröskelvärde på", svarar clef-flash på den frågan direkt och LFM2.5 2.6B Base svarar inte på den i någon form.

Den del som verkligen är gemensam
Det finns en verklig överlappning, och det är värt att vara precis om den, eftersom det är där jämförelsen slutar vara trivial.
En eftertränad generalist – LFM2.5 2.6B, eller vilken liten instruktionsmodell som helst – kan via en prompt fås att returnera en strukturerad klassificering. Ge den ett JSON-schema, be om en etikett och ett konfidensvärde, tolka utdata. Det här gör folk hela tiden. Frågan är vad man får när man gör det.
Det du får är en tokensekvens som råkar innehålla en etikett du kan extrahera, plus ett nummer som modellen skrev om sig själv. Den där konfidensen är en samplad token, inte en softmax över kandidatsvar, och den betyder inte vad en kalibrerad sannolikhet betyder. Clef-Flashs kort är uttryckligen försiktigt med den analoga siffran i sitt eget API – konfidens "visar hur koncentrerade sannolikheterna är. Det är inte chansen att svaret är rätt" – och det har råd att vara det, eftersom den underliggande kvantiteten är en verklig fördelning över de alternativ du angav. En promptad generalist har ingen sådan fördelning att visa upp. Den har en mening som säger 0,85.
Huruvida den distinktionen är värd 11 GB och en H200 beror helt och hållet på vad du gör med talet. Om etiketten hamnar i en instrumentpanel är en promptad 2,6B-modell tillräckligt bra och billigare i alla avseenden. Om etiketten styr en oåterkallelig åtgärd – att utfärda en återbetalning, blockera ett konto, eskalera en säkerhetsincident – är skillnaden mellan en kalibrerad poäng och en sträng som ser trovärdig ut skillnaden mellan en tröskel som du kan motivera för en revisor och en tröskel som du inte kan.

Var du kan få tag på var och en av dem
Ingen av modellerna finns på OrcaRouter. Vår katalog har inte clef-flash, och den har inte LFM2.5 2.6B Base eller någon annan Liquid AI-checkpoint – du kan verifiera båda genom att anropa vårt modell-API och få en 404. Inget i den här artikeln är ett påstående från oss om tillgänglighet.
Clef-Flash är tillgänglig på Cloudflare's Workers AI för $0,09 per miljon indatatoken, eller som Apache-2.0-vikter du kör själv. LFM2.5 2.6B Base finns på Hugging Face med kvantiserade byggen för llama.cpp, ONNX Runtime och MLX, och Liquid AI:s egen lekplats och dokumentation för familjen. Om du vill ha en beslutsmodell som är live i vår katalog idag, den som finns där är TypeSafe's Jev 1.13 — samma förfrågningsstruktur, 65 536-tokenkontext, $0,042 per miljon indatatoken — och clef-flash byggdes för att vara en drop-in för den, vilket innebär att prova någon av dem är en konfigurationsändring snarare än en omskrivning. Båda anropar samma endpoint-klass, så om du redan dirigerar genom en nyckel med leverantörens listpris vidarebefordrat utan påslag, är jämförelsen ett experiment du kan köra i eftermiddag snarare än en migrering du måste planera.

Vilken hör hemma i din stack?
Beslutsträdet är kort. Om dina svar är en ändlig lista som du kan skriva ner i förväg, och du behöver en sannolikhet som betyder något, och du har hårdvaran eller är villig att betala per anrop — är clef-flash den färdiga komponenten och LFM2.5 2.6B Base inte en kandidat. Om dina svar är öppna, eller det du faktiskt behöver är en liten språkmodell som du kan forma med dina egna data och köra på en laptop, är LFM2.5 2.6B Base utgångspunkten och clef-flash kan inte hjälpa dig alls.
Det är i mitten som folk gör fel: att bygga en avgränsad klassificerare genom att prompta en liten generalistmodell, eftersom det är minsta motståndets väg och det fungerar i demon. Det fungerar i demon. Det slutar fungera i samma stund som du behöver att talet ska vara ett tal, och då är schemat, promptarna och parsningskoden alla bärande.
Ett förbehåll på clef-flash-sidan, sagt rakt ut eftersom det är leverantörens egen svagaste siffra: på CLINC150 med out-of-scope-hantering, där rätt svar ibland är "detta passar inte i någon av dina kategorier", får clef-flash 66,8 i macro-F1 mot 97,4 för sin större 27B-syskonmodell. Ett avgränsat schema är en styrka ända tills indata inte passar det, och modellen kommer att klassificera ändå. Vilken väg du än tar, bygg restklassen medvetet och granska vad som hamnar i den.
