LFM3-1.7B-Base vs Qwen 3.8: Fel viktklass, rätt fråga

Det ärliga svaret är att LFM3-1.7B-Base inte konkurrerar med Qwen3.8-27B, och det var aldrig meningen. Ställ frågan ordentligt och tre olika Qwen-modeller dyker upp: den öppna 27B vision-språkmodellen som Alibaba publicerade i augusti 2026, den hostade Qwen3.8-Flash till $0,15 per miljon indatatokens och $0,47 per miljon utdatatokens, samt Qwen3.8-Max till $2,00 och $6,00. Liquids nya 1,73B-checkpoint är rått förtränat material för en telefon, en laptop eller en finjusteringskörning; Qwens serie är en familj färdiga produkter. Den användbara jämförelsen är inte vem som får högre poäng. Det är vilken driftsättningsram du faktiskt köper.

Den inramningen förklarar också varför den här jämförelsen ännu inte har någon seriös bevakning. Det finns inget att benchmarka mot: ena sidan har en leverantörstabell med 27 rader, den andra har ingen publicerad utvärdering alls. Så den här artikeln gör jämförelsen i den enda ordning som håller när den konfronteras med fakta – vad varje sida levererar, vad det kostar att driva, och vad du får göra med det.

Tre Qwen 3.8s, tre olika köp

Qwen3.8-27B är alternativet med öppna vikter. Alibaba publicerade den i augusti 2026 under Apache 2.0, och sedan dess har den laddats ner mer än 7,5 miljoner gånger. Det är en tät kausal modell på 27B med en synkodare, 64 lager i en layout på 16 × (3 × Gated DeltaNet → FFN, 1 × Gated Attention → FFN) och en inbyggd kontext på 262 144 token som Alibaba säger kan utökas till 1 000 000. Den förstår bilder och video, har styrning av tänkande och är uttryckligen inriktad på långsiktigt agentiskt arbete.

Qwen3.8-Flash är den hostade nivå som de flesta team faktiskt prissätter först. I OrcaRouters katalog är det en modell med 1M kontext som stöder text-, bild- och videoindata, med en utdatagräns på 131K och priser på $0.15 för indata och $0.47 för utdata per miljon tokens. Dess modellsida daterar listningen till 26 augusti 2026 och anger 157 utdatatokens per sekund under den föregående veckan.

Qwen3.8-Max är toppmodellen: $2,00 för indata och $6,00 för utdata per miljon tokens, 1M kontext och inga öppna vikter. Det är nivån du använder när uppgiften motiverar ett frontier-pris, inte nivån du jämför med en 1,7B bas-checkpoint.

Vad LFM3-1.7B-Base faktiskt levereras med

Liquid skapade repositoryt LFM3-1.7B-Base den 26 oktober 2026 och tillkännagav familjen dagen därpå. Checkpointen är endast för text, har 1,73 miljarder parametrar, 24 lager av gated short convolutions och full eller glidande fönster-attention, med en kontext på 256K tokens, en vokabulär på 128 000 tokens, 16 namngivna språk och ungefär 1 GB minnesanvändning vid 4-bitars precision. Den tränades på 22 biljoner tokens; de sista 3,5 biljonerna utgörs av mid-training-data som innehåller agentiska spår och verktygsanrop och som omfattar kontextutökningen.

Det den inte levereras med är en poäng. Baskortet har ingen utvärderingstabell, inga siffror för kontextåtervinning och ingen jämförelse med någon annan modell. Varje siffra i Liquids lanseringsblogg – genomsnittet 49.37, LiveCodeBench v6 på 73.46, SWE-bench Verified på 43.40, GPQA Diamond på 63.37, IFEval på 96.66 – tillhör LFM3-1.7B efter övervakad finjustering, förstärkningsinlärning, on-policy-distillation och agentisk RL. Det är riktiga siffror och Liquid rapporterar dem ärligt som sina egna, men de beskriver den färdiga modellen, inte den bascheckpoint vars namn står i den här titeln.

Licensen är LFM Open License v1.0. Den ger kommersiella rättigheter endast så länge licenstagaren ligger under 10 miljoner dollar i årliga intäkter; över den gränsen licensieras verket inte enligt avtalet och kräver en separat överenskommelse. Den enda klausulen kommer att ta bort LFM3-1.7B-Base från många kortlistor innan någon ens kör en token genom den.

Varför benchmark-gapet inte kan överbryggas med aritmetik

Frestelsen är att ställa Qwen3.8-27B:s leverantörssiffror mot Liquids leverantörssiffror och utropa en vinnare. Motstå den, för de två tabellerna mäter inte samma saker. Qwen rapporterar SWE-bench Pro 61.7, Terminal Bench 2.1 på 73.0, LiveCodeBench v6 på 90.3, GPQA Diamond 89.2 och HLE 30.8. Liquid rapporterar SWE-bench Verified 43.40, LiveCodeBench v6 73.46, GPQA Diamond 63.37 och HLE utan verktyg på 7.17. SWE-bench Pro och SWE-bench Verified är olika benchmarkar med olika svårighetsgrad; parameterantalen skiljer sig med en faktor på 16; och en kolumn beskriver en eftertränad chattmodell medan den andra beskriver en bascheckpunkt som inte har eftertränats alls.

Det finns en siffra som är värd att låna från utanför båda leverantörerna. OrcaRouters modellsida för Qwen3.8-27B anger ett Artificial Analysis Intelligence Index på 33.7 och en AA Coding-poäng på 68.1, utvärderat den 14 augusti 2026. Det är en oberoende resultattavla, och den finns för Qwen. Per den 28 oktober 2026 kunde vi inte hitta någon LFM3-post på Artificial Analysis, så det finns ingen oberoende motvikt på andra sidan. Den som i dag presenterar ett direkt jämförande kapacitetsomdöme för dessa två modeller jämför antingen leverantörstabeller över inkompatibla testramverk eller hittar på en siffra.

Distributionskuvertet, sida vid sida

• Parametrar — LFM3-1.7B-Base: 1,73B, endast text, 24 lager. Qwen3.8-27B: 27B dense med en visionsencoder, 64 lager.

• Kontext – LFM3-1.7B-Base: 256K tokens. Qwen3.8-27B: 262 144 inbyggda, utökningsbara till 1M; Qwen3.8-Flash och Qwen3.8-Max: 1M.

• Indatamodalitet – LFM3-1.7B-Base: text. Qwen3.8-27B, Qwen3.8-Flash och Qwen3.8-Max: text, bild och video.

• Vikter — LFM3-1.7B-Base: BF16-nedladdning med anpassad modelleringskod och trust_remote_code. Qwen3.8-27B: Apache-2.0-vikter som körs i Transformers, vLLM, SGLang och TokenSpeed.

• Lägsta minneskrav – LFM3-1.7B-Base: cirka 1 GB vid 4-bit, enligt Liquid. Qwen3.8-27B: ungefär 55 GB i BF16, vilket kräver en maskin med flera GPU:er eller aggressiv kvantisering.

• Licens — LFM3-1.7B-Base: LFM Open License v1.0, kommersiell användning under 10 miljoner USD i årlig omsättning. Qwen3.8-27B: Apache 2.0, inget omsättningsvillkor.

• Angivet pris – LFM3-1.7B-Base: inget publicerat pris per token för värdbaserad tjänst. Qwen3.8-27B på OrcaRouter: $0.33 för indata / $2.40 för utdata per miljon tokens; Qwen3.8-Flash: $0.15 / $0.47; Qwen3.8-Max: $2.00 / $6.00.

• Observerad hastighet — LFM3-1.7B-Base: ingen oberoende mätning. Qwen3.8-27B på OrcaRouter: 91 utdatatoken per sekund under de senaste sju dagarna; Qwen3.8-Flash: 157 token per sekund.

Aritmetiken som avgör det

Ta en arbetsbelastning på 100 miljoner utdatatoken i månaden. På Qwen3.8-Flash kostar det 47 dollar. På Qwen3.8-27B via OrcaRouter kostar det 240 dollar. På Qwen3.8-Max kostar det 600 dollar. Indatatoken är billigare på varje nivå, så en realistisk mix landar någonstans under dessa siffror, men utdata dominerar räkningen och rangordningen ändras inte.

Jämför nu de räkningarna med att köra LFM3-1.7B-Base själv. Vid 4-bit ryms det i ungefär en gigabyte, vilket innebär hårdvara som du kanske redan äger: en laptop, en nyare telefon, en enda liten GPU. Marginalkostnaden per token är el och inget annat, och modellen lämnar aldrig enheten. Gör samma beräkning för Qwen3.8-27B och bilden vänds: 100 miljoner utdatatoken per månad till $2,40 per miljon är $240, vilket ungefär motsvarar vad en hyrd GPU i 24 GB-klassen kostar för en månad vid cirka $0,35 i timmen. Att själv hosta 27B börjar först slå det hostade priset någonstans över 100 miljoner utdatatoken per månad — och den beräkningen bortser från ingenjörstiden, nedladdningen på 55 GB och det faktum att en 27B-modell behöver betydligt mer än 24 GB när man räknar in KV-cachen.

Den praktiska versionen: under ungefär 100 miljoner utdatatokens i månaden vinner de hostade Qwen3.8-nivåerna på total kostnad och operativ enkelhet. Om din arbetsbelastning är tillräckligt liten för att rymmas på en telefon vinner LFM3-1.7B-Base eftersom mätaren aldrig startar. Gapet mellan dessa två positioner är där de flesta verkliga driftsättningar befinner sig, och det är en fråga om volym och integritet, inte om benchmarkresultat.

Var OrcaRouter passar in, och var det inte passar

Alla tre Qwen 3.8-nivåer finns i OrcaRouters katalog idag, inklusive Qwen3.8-27B som vi själva driftar på vår egen infrastruktur för 0,33 USD in och 2,40 USD ut per miljon tokens, med 262K kontext, en p50-tid till första token på 2,37 sekunder och 91 utdatatokens per sekund mätt under föregående vecka. Poängen är att dirigera alla tre bakom en enda OpenAI-kompatibel nyckel: en billig standard på Qwen3.8-Flash, en eskaleringsväg till Qwen3.8-27B eller Qwen3.8-Max när uppgiften kräver det, och automatisk redundansväxling om en uppströmsleverantör får försämrad prestanda. Eftersom vi för vidare leverantörernas listpriser utan påslag, slår en leverantörs prisändring igenom på din faktura samma dag i stället för efter en omprissättningscykel.

LFM3-1.7B-Base finns inte i vår katalog, och vi tänker inte låtsas något annat. Om Liquids checkpoint är rätt svar för din arbetsbelastning är vägen i dag leverantörens egen API och playground eller en självhostad nedladdning. Vad en router fortfarande kan göra är att hålla det beslutet reversibelt: placera den lilla modellen bakom samma gränssnitt som de hostade nivåerna, dirigera efter uppgift eller kostnad och flytta tillbaka trafiken till en hostad modell när den självhostade vägen krånglar.

Välj efter jobb, inte efter poäng

Välj LFM3-1.7B-Base när begränsningen är enheten: offline-drift, en telefon eller bärbar dator, en domänspecifik modell som du tänker efterträna på en enda GPU, eller en arbetsbelastning där 256K kontext med ett minnesavtryck på 1 GB är hela anledningen till att du är intresserad. Acceptera att du köper råmaterial, att licensen har ett intäktstak och att det ännu inte finns någon oberoende utvärdering.

Välj Qwen3.8-27B när uppgiften kräver vision, långhorisontella agenter eller kod som faktiskt kan levereras, och du har hårdvaran eller budgeten för att köra 27B parametrar. Välj Qwen3.8-Flash när du vill ha större delen av den funktionsytan till en femtedel av priset och inte behöver äga vikterna. Välj Qwen3.8-Max endast när uppgiftens värde per token överstiger $6.00 i utdata.

Matchen i titeln är en mismatch med avsikt – en förtränad checkpoint på 1,7B mot en färdig visions-språkmodell på 27B – och den användbara slutsatsen är inte att den ena är bättre. Det är att de svarar på olika frågor: hur lite hårdvara kan jag köra på, kontra hur mycket kapacitet kan jag köpa per token. Liquid har levererat ett ovanligt detaljerat svar på den första. Alibaba har sålt det andra sedan augusti.