Ett hero-rubrikkort med texten "LFM2.5-24B-A2B vs Gemma 4 26B-A4B" och underrubriken "Två sparse-modeller, två olika budgetar" samt två märkta paneler med texten "LFM2.5-24B-A2B: 24,0B totalt, 2,45B aktiva, endast text" och "Gemma 4 26B A4B: 25,2B totalt, 3,8B aktiva, text + bild", med OrcaRouter-logotypen komponerad i nedre högra hörnet.
Guides & Insights

LFM2.5-24B-A2B vs Gemma 4 26B-A4B: Två sparsa modeller, två olika teorier om var beräkningskraften tar vägen

Författare

jinhao.song

Publiceringsdatum

Senaste modellerna · 20Visa alla modeller →
Benchmarks: Artificial Analysis · uppdateras dagligen
Tillbaka till alla inlägg

LFM2.5-24B-A2B och Gemma 4 26B-A4B ser ut som samma idé två gånger. Liquid AI:s checkpoint släpptes den 13 oktober 2026 med 24,0 miljarder parametrar totalt och 2,45 miljarder som läses per token. Gemma 4 26B-A4B från Google DeepMind har 25,2 miljarder totalt, med 3,8 miljarder aktiva per token, och publicerades på Hugging Face den 11 mars 2026. Båda är blandningar av experter, båda är ungefär en checkpoint på 25 miljarder parametrar kopplad till en beräkningsbudget på två till fyra miljarder parametrar, och båda leverantörerna tar till samma mening när de förklarar avvägningen – du betalar i minne för en stor modell och i latens för en liten. Just den nästan identiska aritmetiken är anledningen till att jämförelsen är värd att göra ordentligt, för de två modellerna lägger sedan den budgeten på helt olika saker: Gemma 4 26B-A4B lägger den på vision, en 256K-kontext och en bred kunskapsbas; LFM2.5-24B-A2B lägger den på ett resonemangsspår, ett ramverk för verktygsanrop och agentisk förstärkningsinlärning. Samma form, motsatta prioriteringar.

Det finns ytterligare en asymmetri ovanpå: benchmarktabellen för LFM2.5-24B-A2B använder Gemma-4-26B-A4B-it som en av sina tre baslinjer, så för en gångs skull ställer vi inte upp två lanseringstabeller sida vid sida och gissar — Liquid körde båda, i samma vLLM-miljö, och publicerade raderna.

Båda saknar samma sak, och det är just det som alla förutsätter

Börja med den missuppfattning som dessa två modeller med störst sannolikhet ger upphov till, eftersom den är densamma för båda. En gles blandning av experter minskar inte ditt minneskrav. Varje parameter i checkpointen måste vara resident i minnet; vad 2,45B eller 3,8B aktiva ger dig är genomströmning per token, inte ett mindre minnesavtryck. En läsare som ser "2,45B aktiva" och sträcker sig efter en 4 GB-maskin kommer att få en dålig eftermiddag.

I vår egen katalog är Gemma 4 26B A4B-checkpointen listad med en kontext på 262 144 token, och LFM2.5-24B-A2B-kortet anger 131 072. På disk är gapet större än vad parameterantalen antyder: LFM2.5-24B-A2B publicerar en Q4_K_M-GGUF på 14,5 GB och en QAT QAD-Q4_0 på 13,6 GB, med 48 GB i BF16; Gemma 4 26B A4B publicerar bfloat16-safetensors som en 49,9 GB-shard plus en 1,7 GB-shard, med en kvantiseringsmedveten 4-bitars GGUF som parar ihop en kompakt viktfil med en separat multimodal projektionsfil. Runda tal: ungefär 14 GB mot ungefär 50 GB okomprimerat, från två checkpoints vars totala parameterantal skiljer sig med en miljard. Den skillnaden kommer från vokabulären, expertlayouten och den multimodala stacken, inte från parameterrubriken, och det är den enskilt mest praktiska raden i hela den här artikeln.

Specifikationskontrasten, en rad per dimension

• Totala / aktiva parametrar — LFM2.5-24B-A2B 24,0B / 2,45B, 64 experter med top-4-routning över 40 lager. Gemma 4 26B-A4B 25,2B / 3,8B, 8 aktiva experter av 128 plus en delad expert över 30 lager.

A capture of the Hugging Face model page for google/gemma-4-26B-A4B-it, showing the image-text-to-text pipeline tag, the Transformers and Safetensors formats, the gemma4 and conversational tags, the Apache 2.0 licence, and the card text stating that Gemma 4 models are multimodal, handling text and image input with audio supported on the E2B, E4B and 12B models, that the family spans a context window of up to 256K tokens across five sizes, and the architecture list covering reasoning, extended multimodalities, dense and MoE variants, and on-device optimisation.

• Kontext — 131,072 tokens mot 262,144, med Gemma 4 26B A4B som använder ett glidande fönster på 1 024 tokens och hybriduppmärksamhet som varvar lokala och globala lager, och håller det sista lagret globalt.

• Modalitet — LFM2.5-24B-A2B är text in, text ut. Gemma 4 26B A4B tar text och bild, med en visionskodare på ungefär 550M parametrar; ljud är begränsat till de mindre Gemma 4-storlekarna.

• Resonemang — LFM2.5-24B-A2B avger alltid en explicit tankekedja inuti ett <think>-block. Gemma 4 26B A4B är en instruktionstränad generalist utan obligatoriskt spår.

• Ordförråd — 128 000 tokens, dubbelt så många som i föregående generation genom in-place-expansion av tokenizern, jämfört med ett familjeordförråd på 262K som delas av alla fem storlekar av Gemma 4.

• Licens — lfm1.0, kostnadsfri för kommersiell användning upp till 10 miljoner USD i årlig omsättning och en kommersiell licens därefter. Gemma 4 26B A4B är Apache 2.0, standardlicenstexten finns på ai.google.dev/gemma/apache_2, med Googles policy för förbjuden användning vid sidan av den som ett dokument för acceptabel användning snarare än en licensbegränsning.

• Publicerade format — GGUF (Q4_K_M till BF16), FP8, ONNX och 4/5/6/8-bitars MLX för Liquid-modellen; bfloat16-safetensors, en förtränad checkpoint, ett QAT-bygge i 4 bitar och en GGUF som är redo för llama.cpp, plus en drafter för multi-token-prediktion, för Gemma-storleken.

Liquid körde båda, och resultaten är inte något rent svep

Lanseringsinlägget för LFM2.5-24B-A2B placerar Gemma-4-26B-A4B-it i baslinjekolumnen i sin tabell med sexton benchmarks, tillsammans med Qwen3.6-35B-A3B och Nemotron-3.5-Lightning, där alla fyra kolumner körs i vLLM med genereringsinställningar per benchmark. Allt nedan är leverantörsrapporterat från båda sidor – Liquids siffror, i en tabell som Liquid sammanställt. Det är inte en oberoende utvärdering, men det är åtminstone en enda testmiljö, vilket är mer än vad de flesta jämförelsesidor mellan modeller får.

De agentiska raderna framstår som en kross: AutomationBench 27,69 mot 5,46, ToolSandbox 80,71 mot 72,09, LiveClaw 48,09 mot 41,25, τ³-Bench Banking 8,04 mot 4,54, BFCLv4 65,01 mot 57,09. Instruktionsföljning är samma visa — IFEval 96,75 mot 92,00, IFBench 74,69 mot 47,44, Multi-IF 84,38 mot 82,19.

Sedan den andra halvan av tabellen, som Liquid ändå publicerade: PinchBench 83,18 mot 77,12 går åt andra hållet, och det gör även tre rader som betyder mer än någon av vinsterna inom verktygsanrop. GPQA Diamond — 74,42 mot 74,90, i stort sett jämnt på den övre nivån inom naturvetenskap på forskarnivå. SWE-Bench Verified via OpenCode — 51,00 mot 25,80, en marginal på två mot ett till Liquid-modellens fördel, vilket är den mest överraskande enskilda siffran i någon av tabellerna. SciCode — 32,71 mot 35,42, där Gemma-storleken ligger före. Och AA-Omniscience — −24,90 mot −59,39, där båda modellerna presterar dåligt och Gemma-storleken presterar mer än dubbelt så dåligt.

Två tolkningar av det, och den ärliga är den andra. Den första är att en agentmodell med 2,45 B aktiva parametrar slår en generalist med 3,8 B aktiva parametrar på agentuppgifter, vilket är vad den byggdes för att göra. Den andra är att kolumnen för Gemma 4 26B A4B ser genomgående anomaliskt svag ut — 25,2 B totala parametrar och 3,8 B aktiva som hamnar under en modell med 2,45 B aktiva i instruktionsföljning, verktygsanvändning och kunskap är inte vad Googles egen tabell över modellfamiljen skulle förutsäga, och det är en påminnelse om att en delad testrigg inte gör ett benchmark jämförbart om modellerna drivs med olika genereringsinställningar och promptning. Behandla riktningen hos dessa rader som informativ och storlekarna som inte informativa.

Det som inte finns med i tabellen över huvud taget är den multimodala halvan av Gemma 4 26B A4B. Ett visionsbenchmark är omöjligt här eftersom LFM2.5-24B-A2B inte kan se. Om någon del av din arbetsbelastning innefattar att en bild kommer in från en användare, har den här jämförelsen en vinnare innan den ens börjar, och det är inte den nyare modellen.

Pris, och vad det faktiskt kostar att inneha var och en

LFM2.5-24B-A2B har ett pris per token: $0,10 per miljon input-tokens ($0,05 för cachade) och $1,00 per miljon output-tokens i Liquid:s egen Console, med $2 i kredit att börja med. Gemma 4 26B A4B har inget listpris från leverantören alls — Google publicerar inget — så den enda ärliga kostnadssiffran är vad plattformarna som hostar de öppna vikterna tar ut, vilket varierar beroende på värd och dag.

Den asymmetrin är argumentet för att gå via en router i stället för att koppla en leverantörs slutpunkt direkt in i din kod. Geometrin åsido, det här är punkten där en kontroll för båda sidor spelar roll: vi serverar Gemma 4 26B A4B-checkpointen under två id:n — google/gemma-4-26b-a4b-it och obsidian/gemma-4-26B-A4B — och båda prisreferenserna som Liquid använder i sin tabell, qwen/qwen3.6-35b-a3b bland dem, bakom en nyckel med 0 % påslag på leverantörens listpris. Vi serverar inte LFM2.5-24B-A2B. Den praktiska versionen av den här sidan är därför: hämta Liquid-checkpointen och kör den lokalt, och anropa Gemma 4-storleken och Q​wen-baslinjen genom samma nyckel medan du bestämmer dig, så att du jämför på dina egna uppgifter i stället för på någon av leverantörernas val av testramverk.

A two-column scoreboard titled 'LFM2.5-24B-A2B vs Gemma 4 26B A4B — the scoreboard'. The left column, LFM2.5-24B-A2B, lists 24.0B total and 2.45B active parameters, a 131,072-token context, text-only input, SWE-Bench Verified 51.00, AutomationBench 27.69, and a Q4_K_M download of 14.5 GB. The right column, Gemma 4 26B A4B, lists 25.2B total and 3.8B active parameters, a 262,144-token context, text and image input, SWE-Bench Verified 25.80, AutomationBench 5.46, and bfloat16 weights of about 50 GB, above a footer reading 'Benchmark rows from Liquid AI's 2026-10-13 vLLM table, which ran both models; vendor-reported and unreproduced.' and the OrcaRouter logo composited bottom-right.A capture of OrcaRouter's own model page for google/gemma-4-26b-a4b-it, showing the 'Gemma 4 26B A4B' heading and the google/gemma-4-26b-a4b-it identifier, the vision, tools, JSON and reasoning chips, Google as the vendor with a 2026-04-03 date, the summary noting 25.2B total parameters with only 3.8B activating per token, and the 262K-token context row listing text, image and video input with a p50 time-to-first-token figure.

Vilken av dem, och när frågan egentligen handlar om din maskin

Om din arbetsbelastning är text och din agent behöver planera, anropa verktyg och förklara sig, är den nyare checkpointen den du bör ladda ner: 14,5 GB vid Q4_K_M, en kontext på 131K, explicit resonemang och en benchmarktabell där den vinner de agentiska raderna mot exakt den här motståndaren. Om någon del av ditt arbete involverar bilder, eller om du behöver 256K kontext i stället för 128K, eller vill ha en Apache 2.0-licens utan intäktsklausul att hålla reda på, svarar Gemma 4 26B A4B på en fråga som LFM2.5-24B-A2B inte ens ställer – med ungefär tre och en halv gånger den okomprimerade diskstorleken.

Det som ingen av modellerna åtgärdar är att båda är minnesbundna snarare än beräkningsbundna, och båda leverantörerna måste läsas på samma sätt. Googles lanseringsinlägg för familjen beskriver de två större Gemma 4-storlekarna som bfloat16-vikter som ”får plats effektivt på en enda 80GB NVIDIA H100 GPU” – sant, och samtidigt leverantörens egen framställning snarare än en mätning av just den här specifika byggversionen. Liquids 184 tokens per sekund på en Apple M5 Max och ”upp till 1,7× snabbare än jämförbara MoE:er på enheten” går inte heller att reproducera. Två sparse-modeller, två leverantörer, en gemensam instruktion: aritmetiken i namnet säger dig något om hastighet, och inget i namnet säger dig något om minne.

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.