Sakana Namazu vs LFM2.5-2.6B-Base: Det verkliga priset för gratis vikter

LFM2.5-2.6B-Base kostar $0,00 att ladda ner. Sakana Namazu kostar $0,95 per miljon input-tokens och $4,00 per miljon output-tokens. Läser man de två prislapparna skulle man dra slutsatsen att jämförelsen är över innan den ens börjat – men den faktiska prisskillnaden går åt andra hållet. LFM2.5-2.6B-Base, Liquid AI:s förtränade checkpoint med 2,69 miljarder parametrar som släpptes på Hugging Face den 4 augusti 2026, är ingen produkt: ingen inferensleverantör är värd för den, den har noll publicerade utvärderingar, och dess eget kort kallar den material för finjustering. Sakana Namazu är däremot ett färdigt, driftsatt och verktygsutrustat API. Frågan är vad du faktiskt är villig att betala – i pengar eller i arbete.

Vad var och en faktiskt är

Sakana Namazu är en posttränad Kimi K2.6 finjusterad för japanskt affärsspråk, paketerad i ett OpenAI-kompatibelt API med inbyggd webbsökning och kodkörning. Du ändrar en base_url, anger en nyckel, så fungerar det. LFM2.5-2.6B-Base är den råa förträningscheckpointen bakom Liquids LFM2.5-2.6B-familj – det som den posttränade, agentiska syskonmodellen är byggd från. Liquids eget modellkort är tydligt med att basmodellen finns för tung finjustering, och dess benchmark-tabell tillhör den posttränade versionen, inte denna.

Specifikationsbladet

• Pris — Sakana Namazu $0,95 / $4,00 per 1M tokens jämfört med LFM2.5-2.6B-Base $0 att ladda ner, allt självbetjänat

• Storlek — Namazu ärver Kimi K2.6:s 1T / 32B-aktiva MoE jämfört med LFM2.5-2.6B-Base 2.69B täta hybrid (22 konv-block + 8 attention-lager)

• Kontext — Namazu ej offentliggjord vs LFM2.5-2.6B-Base 128K tokens (131 072 per konfiguration)

• Hosting — Namazu serveras av Sakana vs LFM-bas som inte hostas av någon — du bygger serveringsstacken

• Utvärderingar — Namazu leverantörsrapporterade poäng vs LFM Base Zero publicerade poäng

• Språk — Namazu japansk affärsfinjusterad vs LFM bas flerspråkig (16 språk, 128K-token vokabulär)

Att räkna ut totalkostnaden

"Fria vikter" är ett verkligt pris, det är bara uttryckt i arbete. För att få LFM2.5-2.6B-Base att utföra ett jobb behöver du: en fine-tuning-körning (Liquids egna beräkningar — ungefär 10 dollar i tokens för en övervakad uppsättning med 100 000 exempel, cirka 100 dollar för 1 miljon exempel), en inferensstack (vLLM, SGLang eller llama.cpp på en enhet du äger) och löpande serving. Belöningen är att mätaren stannar: efter bygget är varje token gratis, vilket gör basmodellen till en överlägsen vinnare för högvolym-, alltid-på- och latenstoleranta arbetsbelastningar. Namazus mätare stannar aldrig, men den startar omedelbart — ingen träningskörning, ingen GPU, ingen drift. För en engångsintegrering, eller en arbetsbelastning där teamets tid är den dyra budgetposten, är den "gratis" modellen den dyra.

Licenser som binder

Det finstilta talar också emot den fria modellen. LFM2.5-2.6B-Base levereras under LFM Open License v1.0, som begränsar kommersiell användning till 10 miljoner USD i årlig intäkt — och tillämpar den gränsen på härledda verk, vilket innebär att din fine-tune ärver den. Överskrider du tröskeln är du skyldig Liquid en kommersiell licens. Sakana Namazu har ingen sådan begränsning, men den är stängd, och dess standardinställningar för datahantering (träning på dina indata om du inte väljer bort det, ingen garanterad Japan-enbart-behandling) är priset för den värdbaserade bekvämligheten. Ingen av dem är fri i den bemärkelse etiketten antyder.

Agentgapet

Den skarpaste skillnaden är vad de två modellerna är till för. LFM2.5-2.6B-Base är en basmodell — det råa substratet från vilket Liquids eftertränade agentiska modell härleds. Den är inte en agent; den är inte ens en instruktionsmodell. Sakana Namazu är en agentisk produkt: inbyggd webbsökning, kodkörning och en demonstrerad självstyrd loop (Sakanas demo visar hur den planerar en marknadsundersökningsrapport, söker, korsgranskar och skriver den utan uppsikt). Om uppgiften är att "köra en 2.6B-modell som du finjusterat för en snäv, högvolymsuppgift," vinner basmodellen. Om uppgiften är att "låta en agent utföra kunskapsarbete," är Namazu den enda av de två som kommer med verktyg.

Så vilken är billigare?

Det ärliga svaret är att de två inte är substitut — basen är en komponent och Namazu är en produkt — så det verkliga beslutet handlar om vad din stack behöver härnäst. I praktiken lever ingen ensam: en finjusterad 2.6B-specialist hamnar bredvid en generell agentmodell, och ett ruttningslager är hur du håller den verkligheten med flera modeller hanterbar. OrcaRouters modellfusion och routing-DSL låter dig komponera flera modeller till ett enda anrop — den pragmatiska mellanvägen mellan att ”servera en 2.6B-checkpoint själv” och att ”köpa en leverantörs API” — och eftersom vi skickar vidare leverantörspriserna utan påslag, förblir faktureringen förutsägbar medan mixen ändras. Börja med Sakana Namazu om du vill ha en fungerande japansk affärsagent idag; börja med LFM2.5-2.6B-Base om du är beredd att bygga produkten själv och fördela byggkostnaden över miljarder gratis tokens.