LFM3-1.7B vs Qwen3.8-Flash: När det inte finns någon resultattavla att jämföra

Tio miljoner tokens i månaden, uppdelat 70/30 mellan indata och utdata, kostar 2,46 dollar med Qwen3.8-Flash till Alibabas listpris på 0,15 och 0,47 dollar per miljon. Samma volym med LFM3-1.7B kostar ungefär 1,16 dollar, om den rapporterade värdskapstaxan på 0,08 och 0,20 dollar håller i sig — och ingenting alls per token om du självhostar den, eftersom vikterna är öppna och LFM Open License inte kräver någon royalty under 10 miljoner dollar i intäkter. Det är en 2× skillnad på mätaren mellan två modeller vars relativa kvalitet ingen för närvarande kan fastställa. Vilket gör den här jämförelsen mindre till en fråga om benchmarks än vad de flesta jämförelsesidor är, och mer till en fråga om vilken form av driftsättning du köper.

De två modellerna skulle knappast kunna vara mer olika. LFM3-1.7B är en tät tri-hybrid på 1,73B som Liquid AI släppte den 27 oktober 2026 för att utföra ett specialiserat jobb på hårdvaran framför dig. Qwen3.8-Flash är Alibabas glesa mixture-of-experts-modell, med cirka 6B parametrar aktiva per token av en betydligt större pool, och lanseras i augusti 2026 som en hostad nivå med ett fönster på 1M token samt bild- och videoinmatning. Att jämföra dem utifrån en intelligenspoäng är som att jämföra en leveransbil med ett godståg: den användbara frågan är vad du flyttar och hur långt.

Två arkitekturer optimerade för motsatta begränsningar

LFM3-1.7B:s 24 lager kombinerar 13 gated kortkonvolutioner, 5 attentionslager med glidande fönster och en fönsterstorlek på 256 tokens samt 6 globala attentionslager. Konvolutioner är billiga och parallella; ett tunt band av global attention håller hela kontexten på 256K nåbar. Resultatet är en KV-cache på 128K på 1,6 GB och en modell som får plats i cirka 1 GB vid 4-bitars kvantisering. Liquid tränade den på 22 biljoner förträningstokens och sedan 3,5 biljoner mid-training-tokens med tung vikt vid agentiska spår och verktygsanrop.

Qwen3.8-Flash gör den andra avvägningen. Sparse aktivering innebär att en stor parameterpool är nåbar per token utan att man betalar för allt, vilket är hur Alibaba får en inbyggd kontext på 262K som kan utökas till 1M på en modell prissatt i samma intervall som mycket mindre dense-modeller. Den tar emot text, bild och video och returnerar text, stöder verktygsanrop och JSON-utdata och positioneras uttryckligen som en arkitektonisk förhandsvisning av Qwen4-serien.

• Aktiva parametrar – LFM3-1.7B 1,73B tät modell jämfört med Qwen3.8-Flash ungefär 6B per token i en gles MoE.

• Kontext – 256K öppna vikter, 128K på Liquids hostade API jämfört med 262K inbyggt, 1M på den hostade nivån.

• Maximal utdata – inte separat angivet för LFM3 jämfört med 131K för Qwen3.8-Flash.

• Modaliteter för indata – endast text jämfört med text, bild och video.

• Var den körs – på din enhet, med ett 1 GB stort 4-bitarsminnesavtryck jämfört med Alibabas servrar.

• Vikter – öppna under LFM Open License v1.0 jämfört med endast värdbaserade, ingen öppen checkpoint för denna SKU.

Den där sista raden är den som ger allt annat en ny ram. Qwen3.8-Flash är inte en modell som du äger. Det finns ett syskon med öppna vikter, Qwen3.8-Flash-Next, under en communitylicens, men det är en annan checkpoint med andra resultat och det är inte det som $0.15-taxan köper. LFM3-1.7B är en fil som du laddar ner. En av dessa kan köras isolerat (air-gapped), granskas och finjusteras på dina egna data; det kan inte den andra.

Resultattavlan som saknas på ena sidan och är motsägelsefull på den andra

Här är den obehagliga delen. Från och med den 28 oktober 2026 har LFM3-1.7B ingen post i Artificial Analysis – inget Intelligence Index, ingen oberoende uppmätt utdatahastighet, ingen neutral latenssiffra. Varje prestandasiffra som tillskrivs den kommer från Liquids egen tabell med 27 benchmarks, där den i genomsnitt får 49,37 och slår Liquids egen LFM2.5-2.6B med bred marginal. Leverantörsrapporterad, ej reproducerad.

Qwen3.8-Flash har en post hos Artificial Analysis, och att läsa den är lärorikt av fel anledning. De aktuella jämförelsesidorna visar den på ett index på 40. Flera sekundära artiklar, inklusive recensioner och regional press, rapporterar samma modell till 56. Även siffrorna för utmatningshastighet går isär: värden från drygt 50 till drygt 80 tokens per sekund förekommer i olika källor. Vi kommer inte att välja en av dem och presentera den som fakta, eftersom de två siffrorna inte båda kan beskriva samma utvärderingskörning och skillnaden är tillräckligt stor för att förändra ett upphandlingsbeslut.

Den praktiska konsekvensen är att ingen av modellerna kan rangordnas mot den andra vad gäller kvalitet med någon som helst säkerhet. Den ena sidan har en siffra som varierar med sexton punkter beroende på var man läser den; den andra har ingen oberoende siffra som kan variera. Den som ger dig en dom om "vilken som är smartare" utifrån dessa indata hittar på den. Det som går att jämföra är allt annat: vad modellen kostar, var den körs, hur snabbt den svarar och vad som händer när den misslyckas.

Mätaren, fungerade

Kostnad är den axel där båda sidorna faktiskt är mätbara, så den förtjänar mer än en lista per token.

• Qwen3.8-Flash listpris — $0.15 per miljon indata, $0.47 per miljon utdata, cacheläsning $0.018, cacheskrivning $0.230.

• LFM3-1.7B hostad — uppges ligga på $0,08 för indata och $0,20 för utdata per miljon, men finns inte publicerad på Liquids egen prislista.

• LFM3-1.7B självhostad — ingen kostnad per token; LFM Open License är royaltyfri under 10 miljoner USD i årlig omsättning.

Vid 10 miljoner tokens i månaden med en 70/30-fördelning debiteras Qwen3.8-Flash $2,46. Aktivera prompt-cachning för en stabil systemprompt så sjunker det mot $2,00, eftersom cachade läsningar kostar ungefär en åttondel av färsk indata. LFM3-1.7B debiteras enligt den rapporterade taxan cirka $1,16 för samma volym, och egen drift debiterar noll per token med en fast maskinkostnad ovanpå.

Nu skalar vi det. Vid en miljard tokens i månaden är gapet $246 mot $116 — fortfarande litet i absoluta tal, vilket är poängen som brukar gå förlorad i den här typen av jämförelser. Skillnaden per token mellan en billig hostad nivå och en billig självhostad modell är brus för de flesta team. Den kostnad som faktiskt dominerar är ingenjörstid: en hostad modell är ett HTTP-anrop, och en självhostad är en driftsättning, ett kvantiseringsval, en serveringsstack och en jourrotation. LFM3:s 2× prisfördel måste vara värd det. För en 2B-modell på en telefon eller en edge-box är det uppenbarligen det — det finns inget hostat alternativ som körs på enheten överhuvudtaget. För en backend-tjänst som hanterar klassificeringsanrop är det vanligtvis inte det.

Hur snabbt var och en svarar, med verkliga siffror på ena sidan

Det är här våra egna data är bättre än leverantörens. OrcaRouter dirigerar Qwen3.8-Flash, och under de senaste sju dagarna visar vår telemetri hos de leverantörer som betjänar den en p50-tid till första token på 4,82 sekunder, p95 på 10,00 sekunder, en utdatahastighet på 155 token per sekund och en felkvot på 3,3 % över 883,7 miljoner token. Det är aggregerade siffror från ett dirigeringslager snarare än ett labbtest på en enda slutpunkt, vilket är anledningen till att genomströmningen ligger högre än de siffror i låga 50-talet som publicerats på annat håll: förfrågan landar där kapacitet finns.

p50-värdet på 4,82 sekunder är siffran att ta in. För ett chattgränssnitt är det okej. För en agent som gör femton sekventiella anrop är det en minut av väntan innan något arbete sker, och ingen mängd tokens per sekund åtgärdar det. Hög latens till första token i en stor gles modell är den dolda kostnaden för den billiga nivån, och det är anledningen till att vissa team dirigerar korta, latenskritiska turer till något mindre.

LFM3-1.7B har ingen motsvarande mätning. Liquids hastighetspåstående är att den vid Q4_0 och 32K kontext var 1,8× till 2,8× snabbare än nästa modell på tre testenheter med lägst minnesanvändning, och att en enda NVIDIA B300 som kör SGLang i BF16 serverade 3,6 miljarder tokens per dag vid 1 024 samtidiga förfrågningar. Det är siffror för en enhet respektive en enskild nod; ingen av dem motsvarar ”vad kommer min p50 att vara från Frankfurt”. Hastighet är den axel där LFM3:s argument är starkast i princip och minst verifierbart i praktiken.

Där var och en faktiskt vinner

LFM3-1.7B vinner när det gäller kontroll och kostnad i edge-miljöer. Öppna vikter innebär att du kan finjustera den på en enda GPU, låsa versionen, köra den utan nätverk och behålla data på enheten. Dess siffror för instruktionsföljning är det mest framträdande inslaget i Liquids tabell – IFEval 96.66, IFStruct 93.72, Multi-IF 89.10 – och dess rader för verktygsanrop är respektabla för storleken, BFCL V4 på 71.39 och ToolSandbox på 80.36. Dess svaga rader är lika tydliga: Terminal-Bench 2.1 på 12.92 och SWE-bench Multilingual på 23.00 visar att detta inte är en autonom kodningsmodell, och Liquids eget modellkort säger detsamma.

Qwen3.8-Flash vinner i räckvidd. Ett 1M-tokensfönster med bild- och videoinmatning är en förmåga som LFM3 inte har i någon form: textmodellen tar inte emot bilder alls, vision-varianten anger inget kontextfönster och omni-variantens fönster är odokumenterat. För en arbetsbelastning som läser in ett långt kontrakt, en uppsättning skärmbilder eller en timme bildrutor är jämförelsen över omedelbart. Den vinner också på driftsenkelhet: en slutpunkt, ingen GPU, ingen driftsättning.

Routar båda, vilket är poängen

Qwen3.8-Flash finns i OrcaRouter-katalogen och LFM3-1.7B gör det inte. Den meningen är hela den ärliga versionen av det här avsnittet. Vi dirigerar den värdbaserade modellen till leverantörens listpris med 0 % påslag, så Alibabas $0,15 och $0,47 är vad du betalar och en prisförändring från leverantören når dig samma dag i stället för vid nästa kontraktsförnyelse. LFM3 kör du själv eller anropar via Liquids eget API; vi kommer inte att antyda en hostingrelation som inte finns.

Anledningen till att routning spelar roll i just den här matchningen är att de två modellerna har olika fellägen. Qwen3.8-Flash misslyckas genom att vara långsam och dyr i de turer som inte behövde 1M tokens kontext. LFM3 misslyckas genom att få slut på resonemangsdjup i de turer som gjorde det. En pipeline som skickar varje begäran till endera av dem är fel åt ett förutsägbart håll. Med routing-DSL kan du skicka extrahering, klassificering och korta turer med verktygsanrop till den lilla lokala modellen, behålla långdokument- och multimodalt arbete på den hostade nivån, och låta automatisk failover täcka fallet där den lilla modellen returnerar något felformat – vilket, för en overifierad 1,7B-modell, är den realistiska oron.

Det är också det billigaste sättet att ta reda på om LFM3 förtjänar den tilltro som dess lanseringstabell efterfrågar. Kör den på trafiken du redan förstår, bakom en fallback, och jämför dess beslut med den hostade modellens på samma indata. Oenighetsfrekvensen är en bättre kvalitetssignal än något leverantörsbenchmark, eftersom den mäts på dina data.

Beslutet, utan en falsk dom

Välj Qwen3.8-Flash om arbetet involverar långa dokument, bilder eller video, om du behöver en enda slutpunkt och ingen infrastruktur, eller om en p50 för första token på nära fem sekunder är acceptabel. Dess kvalitet är osäker men åtminstone mätbar av någon annan än tillverkaren, och dess 1M-kontext är inte något som en 1,7B-modell kan ersätta.

Välj LFM3-1.7B om modellen måste köras på en enhet, om data inte får lämna ditt nätverk, om du tänker finjustera, eller om din arbetsbelastning består av korta instruktionsföljnings- och verktygsanropsomgångar där en 2B-modell på 1 GB verkligen räcker. Acceptera att du litar på Liquid's benchmarktabell och att den första månaden kommer att kräva mer mätning än en hostad modell skulle göra.

Det du inte bör göra är att välja mellan dem utifrån intelligens. Den ena har ingen oberoende poäng, den andra har en poäng som står som 40 eller 56 beroende på vilken sida du öppnar, och gapet på sexton punkter mellan dessa två avläsningar är större än hela den kvalitetsskillnad som någon av leverantörerna försöker sälja in till dig. Kostnad, kontext, modalitet och lokalitet är fastställda fakta. Kvalitet är det inte, och en jämförelse som låtsas något annat är bara en lanseringstabell med leverantörens namn bortfilat.