LFM2.5-24B-A2B vs Gemma 4 12B: Den sparsamma agenten mot den täta multimodala modellen

Liquid AIs LFM2.5-24B-A2B och G​oogle DeepMinds G​emma 4 12B är de två checkpoints med öppna vikter som med störst sannolikhet ligger i samma nedladdningskö den här månaden, och de har kommit fram från motsatta håll. LFM2.5-24B-A2B släpptes den 13 oktober 2026 med 24,0 miljarder parametrar, varav endast 2,45 miljarder läses per token, text in och text ut, ett kontextfönster på 131 072 tokens och en benchmarktabell som helt och hållet bygger på verktygsanvändning. G​emma 4 12B släpptes den 3 juni 2026 som en tät modell med 11,95 miljarder parametrar som läser text, bilder och ljud och skriver text, under Apache 2.0, utan något intäktstak. Den ena är en specialiserad agentmotor som körs på laptopen du redan äger. Den andra är en generalist som ser och hör, körs på samma laptop med cirka 7 GB och kommer med en licens du aldrig behöver läsa två gånger.

Så frågan som den här sidan besvarar är inte "vilken som är bättre", för de byggdes aldrig för samma uppgift. Den är snävare och mer användbar: om du sätter en privat agent på en maskin som du kontrollerar, vilken av dessa två laddar du ner, och vad ger du upp i båda fallen?

Svaret i ett stycke, för dem som redan vet vad de vill.

Välj LFM2.5-24B-A2B om agenten utför verktygsanrop i flera steg och inget annat — leverantörens egna agentiska siffror ligger långt före Gemma 4 12B:s på de få rader som är tillräckligt jämförbara för att kunna ställas upp sida vid sida, och modellen producerar alltid ett explicit resonemangsspår innan den agerar. Välj Gemma 4 12B om uppgiften involverar en skärmbild, ett fotograferat dokument, en skannad sida eller ett ljudklipp, om du vill ha resonemangsspåret avstängt för att få lägre latens, eller om ditt företag ligger någonstans nära intäktsgränsen på 10 miljoner dollar där Liquids licens slutar vara gratis. Läs vidare om du vill se siffrorna bakom de två meningarna, för en hel del av jämförelsen hänger på hur de två leverantörerna mätte.

Där de två kontrollpunkterna verkligen skiljer sig åt

• Parameterekonomi — LFM2.5-24B-A2B är en mixture-of-experts-modell: 24,0B totalt, 2,45B aktiva per token, 64 experter med top-4-routing över 40 lager (30 dubbelgrindade kortkonvolutionsblock, 10 grupperade query-attention). Gemma 4 12B är tät: 11,95B totalt över 48 lager, varje parameter läses vid varje token.

• Vad får plats på disk — Liquid publicerar en Q4_K_M GGUF på 14,5 GB och en QAT QAD-Q4_0 på 13,6 GB, med en 4-bitars MLX-build på 13,6 GB; 48 GB i BF16. Googles QAT GGUF för 12B är cirka 6,98 GB vikter plus en 0,18 GB multimodal projektionsfil, och Unsloths community-byggen sträcker sig från ungefär 4,2 GB vid 2-bitars till 7,12 GB vid Q4_K_M.

• Kontext — 131 072 tokens för LFM2.5-24B-A2B, vilket fördubblar den föregående generationens 32 768. G​emma 4 12B har 256K (262 144), med ett glidande fönster på 1 024 tokens och hybriduppmärksamhet som varvar lokala och globala lager.

• Modalitet — LFM2.5-24B-A2B är enbart text, och det är avsiktligt. G​emma 4 12B tar emot text, bild och ljud, helt utan multimodala kodare: råa bildpatchar och ljudvågformer projiceras direkt in i samma utrymme som texttokens.

• Resonemangsbeteende — LFM2.5-24B-A2B är enligt leverantörens ordval enbart resonerande: den tänker alltid inuti ett <think>-block innan den svarar. G​emma 4 12B:s kort beskriver en instruktionstränad modell utan obligatoriskt spår, vilket på en laptop är en vinst för latensen och en förlust för transparensen.

• Licens — lfm1.0 är gratis att ladda ner, finjustera och använda kommersiellt upp till 10 miljoner USD i årlig intäkt, därefter gäller en kommersiell licens. G​emma 4 12B är Apache 2.0 utan intäktsgräns; G​oogles användarvillkor och policy för förbjuden användning finns vid sidan av vikterna som dokument för godtagbar användning, inte som licensbegränsningar.

• Vokabulär och träningsskala — LFM2.5-24B-A2B utökade sitt vokabulär från 65K till 128K genom expansion av tokenizern på plats och skalade förträningen från 17T till 33T tokens, med 300B mid-training-tokens vid full kontext och ett agentiskt RL-steg i verkliga harnesses. G​emma 4 12B har ett vokabulär på 262K som delas inom familjen och förtränades på 140+ språk med påstått stöd för 35+ direkt ur lådan.

Det enda benchmark-testet båda leverantörerna körde

Att jämföra två olika lanseringstabeller är normalt en fälla. Här finns det exakt en rad där de två företagen mätte samma sak på jämförbara villkor, och den är värd att lyfta ut just för att den är så ensam.

GPQA Diamond — Liquid rapporterar 74,42 för LFM2.5-24B-A2B; Googles Gemma 4-familjetabell rapporterar 78,8 för den instruktionstränade Gemma 4 12B. Båda är leverantörsrapporterade och ej reproducerade. Den täta 12B ligger före på naturvetenskapliga frågor på forskarutbildningsnivå, vilket stämmer med Liquids egen formulering att deras modell inte är den man ska ställa kunskapsfrågor till — lanseringsinlägget rekommenderar att para den med retrieval eller webbsökning i stället för att lita på dess vikter.

Allt annat måste läsas i sin egen tabell, och den ärliga sammanfattningen är att de två tabellerna mäter nästan helt åtskilda saker. Liquids tabell med sexton benchmarks täcker AutomationBench (27.69), BFCLv4 (65.01), ToolSandbox (80.71), LiveClaw (48.09), PinchBench (83.18), τ³-Bench Banking (8.04), WebArena Verified (26.75), IFEval (96.75), IFBench (74.69), Multi-IF (84.38), MATH-500 (96.04), SWE-Bench Verified via OpenCode (51.00), SciCode (32.71), AA-Omniscience (−24.90) och HLE (7.40). Googles familjetabell täcker MMLU Pro (77.2), AIME 2026 utan verktyg (77.5), LiveCodeBench v6 (72.0), ett Codeforces-ELO på 1659, MMMU Pro (69.1) och MRCR v2 vid 128K med åtta nålar (43.4).

Endast en överlappning, och ingen gemensam testrigg. Den som publicerar en kombinerad resultattavla utifrån de två tabellerna hittar på en jämförelse som inget av företagen har kört.

Oberoende, och detta är den vassare eggen.

Artificial Analysis har poängsatt Gemma 4 12B: ett Intelligence Index på 14, rankad 20:e av 141 modeller i sin jämförelseklass, vid en uppmätt hastighet på 110,9 tokens per sekund och en sammanvägd tredjepartskostnad på 0,10 USD per miljon input-tokens och 0,30 USD per miljon output-tokens. Det är oberoende siffror för en modell som har varit offentlig i fyra månader och har ett ekosystem bakom sig.

LFM2.5-24B-A2B har inget motsvarande. Den är en dag gammal, ingen tredje part har publicerat ett resultat, och Liquids egna edge-siffror – 184 tokens per sekund på en Apple M5 Max, 114 på en AMD Ryzen AI Max+ 395, "upp till 1,7× snabbare än jämförbara MoE:er på enheten" – saknar baslinje och reproduktion. För en leverantörsmätt modell mot en som mätts oberoende är asymmetrin själva fyndet: ett av dessa två tal kan du kontrollera själv i dag, och det är inte det nyare.

Om du hellre inte vill satsa en produktionsväg på en fyra dagar gammal leverantörstabell är det precis vad automatisk failover är till för. Peka agenten mot LFM2.5-24B-A2B, behåll en poängsatt modell bakom den och låt routern flytta begäran när testramverket börjar misslyckas – inget andra kontrakt, ingen kodändring utöver reservlistan.

Kostnad, i de två valutor som dessa körs i

Båda är local-first-modeller, så den verkliga kostnaden är hårdvara och el. På den hostade sidan prissätter Liquid API-åtkomst till $0.10 per miljon indatatoken ($0.05 cachade) och $1.00 per miljon utdata via sin egen Console, med $2 i startkredit. G​oogle publicerar inget pris per token för G​emma 4 12B alls — blandningen $0.10/$0.30 ovan är ett tredjepartsmedianvärde över plattformar som tillhandahåller de öppna vikterna, inte ett listpris, och att behandla det som ett sådant vore fel.

Här är delen som spelar roll för ett team som utvärderar båda: ingen av checkpointarna finns i vår katalog i dag. Vi tillhandahåller visserligen de referenspunkter som det här beslutet hela tiden kretsar tillbaka till – qwen/qwen3.6-35b-a3b, modellen som Liquid mätte mot, med 50 % fler parametrar, plus google/gemma-4-26b-a4b-it, obsidian/gemma-4-26B-A4B och google/gemma-4-31b-it från samma G​emma 4-familj — alla bakom en enda nyckel, alla med 0 % påslag på leverantörens eget listpris, så en leverantörsprisändring når dig samma dag som den sker i stället för den dag någon tecknar om ett avtal. Kör din egen uppgift mot de hostade G​emma 4-storlekarna och avgör sedan om 12B-modellen på din laptop är överflödig.

Vad jag faktiskt skulle göra

Ladda ner båda kvantiseringarna. Gemma 4 12B i Q4_K_M är runt 7 GB och ger dig inom en timme besked om huruvida din uppgift behöver ögon och öron – om den gör det är saken avgjord och LFM2.5-24B-A2B är inte med i racet alls, eftersom den inte kan se. Om den inte gör det, ladda LFM2.5-24B-A2B QAD-Q4_0 på 13,6 GB och kör din riktiga testrigg mot den, eftersom hela argumentet för den checkpointen är verktygsanrop i flera steg och ingen statisk benchmark kommer att avgöra det åt dina verktyg.

Två saker att ha i åtanke när du gör det. För det första är båda leverantörernas tabeller oreproducerade, och den enda modellen i den här jämförelsen som har poängsatts oberoende är den äldre, tätare varianten – vilket är ett skäl att lita mer på siffrorna för Gemma 4 12B, inte ett skäl att anta att den nyare modellen är svagare. För det andra är licensgapet verkligt och asymmetriskt på ett sätt som sällan dyker upp i benchmarkinlägg: Gemma 4 12B är Apache 2.0 för alltid, medan LFM2.5-24B-A2B blir en kommersiell diskussion i samma stund som ditt företag passerar 10 miljoner dollar i intäkter. För en enskild utvecklare är det osynligt. För ett produktteam som levererar en agent på enheten är det en budgetpost i nästa planeringscykel, och det är den enda dimensionen där den mindre, äldre multimodala modellen otvetydigt är det säkrare standardvalet.

Jämförelser som denna är också där felmoderna visar sig: de dokumenterade AI-incidenterna och agentfelen bakom modeller i denna klass samlas i the OrcaRouter AI Incident Archive, där varje post har sina egna källor, allvarlighetsgrad, konfidensgrad och omtvistad flagga.