RepGen-4B vs LFM2.5 2.6B Base: Råmaterialet och den färdiga delen

Det snabbaste sättet att se vad som skiljer microsoft/UserRepGen-4B från LFM2.5-2.6B-Base åt är att räkna formaten. Liquid AIs checkpoint med 2,69 miljarder parametrar levereras på fyra sätt – nativa Transformers-vikter, GGUF för llama.cpp, ONNX för plattformsoberoende körmiljöer och MLX för Apple Silicon – eftersom den finns för att anpassas och driftsättas av andra. Microsofts UserRepGen-4B levereras på ett sätt: en enda okvantiserad bfloat16-safetensors-fil på 9 078 620 536 byte, med ett kort som tydligt anger att "inga optimerade eller enhetsspecifika format är för närvarande tillgängliga." Det ena är råmaterial. Det andra är en färdig del. De är inte konkurrenter; de är två på varandra följande steg i samma arbete, och att ställa dem sida vid sida är det tydligaste sättet att se vad som faktiskt förändras mellan att påbörja en finjustering och att leverera en.

De två positionerna i stacken

LFM2.5-2.6B-Base är den förtränade checkpointen under Liquid AI:s LFM2.5-familj — den som alla eftertränade varianter bygger på. Den har medvetet aldrig instruktionstränats. Dess eget modellkort rekommenderar den endast för "uppgifter som kräver omfattande finjustering, såsom språkspecifika (t.ex. japanska) eller domänspecifika (t.ex. medicinska) assistenter, träning på proprietära data eller experiment med nya metoder för efterträning." Ställ en fråga till den och den fortsätter din text i stället för att svara, eftersom att svara aldrig ingick i dess träning.

UserRepGen-4B är hur nästa steg ser ut. Microsoft tog Qwen3.5-4B, lade till en LoRA av rang 64, tränade den med online övervakad finjustering genom efterhandsdistillation under juli och augusti 2026, och publicerade resultatet den 14 oktober utan tillkännagivande och utan artikel. Den gör exakt en sak – läser en flerturskonversation och skriver en JSON-beskrivning med två fält av användaren i den – och den gör inget annat.

Så den ärliga inramningen är inte "vilken som är bättre". Den är: en av dessa är det du finjusterar, och den andra är vad ett labb producerade genom att finjustera något annat.

Vad nedladdningen faktiskt ger dig

• Parametrar och fotavtryck — LFM2.5-2.6B-Base har 2,69 miljarder parametrar i en hybridarkitektur; UserRepGen-4B är en modell i 4B-klassen vars publicerade viktfil är cirka 9,1 GB i bfloat16 och det finns ingen mindre version tillgänglig.

• Kontext — 131,072 tokens på Liquid-checkpointen, jämfört med en träningssekvens på 9,216 tokens på Microsofts checkpoint (8,192 prompt, 1,024 completion), där utökad användning uttryckligen inte stöds.

• Format — GGUF, ONNX och MLX tillsammans med nativa vikter, jämfört med en enda safetensors-fil.

• Licens — LFM Open License (lfm1.0) på ena sidan, MIT plus en ärvd Apache 2.0 på den andra. Båda är tillräckligt tillåtande för att bygga vidare på; ingen av dem är samma dokument.

• Språk — sexton namngivna språk på Liquid-kortet, endast engelska på Microsofts.

• Användning — LFM2.5-2.6B-Base har varit offentlig sedan 1 augusti 2026 och ligger på ungefär 6 282 nedladdningar och 51 gillamarkeringar. UserRepGen-4B, som laddades upp den 14 oktober, hade noll av vardera när detta skrevs.

Bara en av de raderna handlar om kvalitet. Resten handlar om huruvida saken får plats genom dörren du har.

Två arkitekturer byggda för motsatta rum

Liquid beskriver LFM2.5 som "en ny familj hybridmodeller utformade för distribution på enheter", och bascheckpointens utformning följer av det. Trettio lager, varav tjugotvå dubbelgrindade korta faltningsblock och åtta grupperade query-attention-lager, ett ordförråd på 128 000 token och en träningsbudget på 34 biljoner token. Faltningsblock är minnessnåla och har förutsägbar latens; hela designen riktar sig mot telefoner, bärbara datorer och edge-enheter.

RepGen-4B ärver det motsatta antagandet. Dess stomme är en standardstack för villkorlig generering från Qwen3.5 – 32 lager, 2 560 i dold storlek, 16 attention-huvuden med 4 nyckel-värde-huvuden, en vokabulär på 248 320 token och ett visionstorn som medföljer oförändrat från föräldracheckpointen trots att modellen är textbaserad och bilder uttryckligen inte stöds. Microsoft uppger att de hostar den med vLLM på GPU:erna H100, A100, RTX A6000 och B200. Det är en komponentlista för servrar, inte för edge.

Ett team som väljer mellan dem väljer i själva verket vilken begränsning man ska acceptera: minne på enheten och en körtidsmiljö som man måste finjustera till rätt form, eller datacenterhårdvara och en modell som redan gör sitt enda jobb.

Där finjusteringen faktiskt flyttade siffran

Det här är den del av jämförelsen som en basmodell definitionsmässigt inte kan svara på. LFM2.5-2.6B-Base publicerar inget uppgiftsbenchmark, eftersom en bascheckpoint inte har någon uppgift – kvalitetssiffrorna för familjen tillhör det eftertränade syskonet.

RepGen-4B publicerar en, och det är det starkaste beviset i hela utgåvan. I en trohetsutvärdering med 700 konversationer, bedömd på en skala från 1 till 10:

• Qwen3.5-4B base, den oanpassade stommen — 3,41 bäst av 1, 4,42 bäst av 3.

• GPT-5.5 ombedd att utföra samma uppgift direkt ur lådan — 3,90 och 4,90.

• UserRepGen-4B — 4,95 och 6,02.

Alla siffror är Microsofts egna, producerade i en loop där GPT-5.4 mini agerade som simulator, assistent och domare på samma gång. Inget har oberoende reproducerats. Men resultatets form är poängen: att finjustera en 4B-basmodell förbi en frontier-generalist på en smal uppgift är ett verkligt, mätbart resultat, och det är just det resultat som LFM2.5-2.6B-Base finns för att möjliggöra för någon annans uppgift. Microsoft-kortet visar också att de två uppenbara alternativen inom förstärkningsinlärning — OPSD vid 4,46/5,60 och GRPO vid 3,57/4,59 — båda förlorade mot vanlig övervakad finjustering, vilket är en varning för att anta att den tyngre metoden vinner.

En av dessa har en integritetssida, och det är inte basen

En förtränad basmodell har inget integritetsavsnitt eftersom den inte gör några påståenden om personer. UserRepGen-4B har ett eftersom den gör det. Dess modellkort rapporterar att för över 147 användare får en selektor som plockar ut vilket av fyra samtal som kom från samma person 51,02 % med modellens beteendebeskrivningar, mot 44,22 % på de råa samtalen och 25 % slumpmässigt — sammanfattningen identifierar personen bättre än källan. Microsoft betecknar det som en länkbarhetsrisk och uppger att representationer inte är anonymiserade data.

Den asymmetrin är strukturell, inte en defekt i någon av utgåvorna. I samma stund som en modells utdata är en beskrivning av en människa förändras den etiska ytan, och modellkortet måste bära den. Den som finjusterar LFM2.5-2.6B-Base mot ett liknande mål bör räkna med att skriva samma avsnitt på egen hand.

Vad valet av bas avgör senare

Det finns en andra ordningens konsekvens av att låna en bas som sällan beaktas vid finjustering: den avgör vad du kan anropa sex månader senare. Microsoft byggde på Qwen3.5-4B, och den familjen tillhandahålls kommersiellt – Qwen3.5-Flash med en kontext på över en miljon token till $0.10 per miljon indatatoken och $0.40 per miljon utdatatoken, Qwen3.5-27B till $0.086 och $0.688, Qwen3.5-35B-A3B till $0.057 och $0.459, alla nåbara via en OrcaRouter-nyckel till leverantörens listpris utan något påslag, och alla kan ligga bakom automatisk failover så att en forskningscheckpoint som bara finns på din egen disk inte blir en enskild felpunkt i en pipeline. Vi har inte UserRepGen-4B, och vi har inte LFM2.5-2.6B-Base heller – båda är nedladdningar, och finjusteringen av småmodellen som du tar fram från Liquid-checkpointen blir din att hosta. Men assistentsidan av loopen, eller domaren, eller reservvägen, kan vara ett API-anrop med en nyckel du redan har. Det är ett designbeslut du fattar i början, när du väljer vilken bas du ska anpassa.

Vilken av dem du faktiskt vill ha

Om du har en uppgift och ingen modell för den är LFM2.5-2.6B-Base rätt utgångspunkt: tillräckligt liten för att finjusteras på blygsam hårdvara, tillräckligt hybrid för att köras på en enhet och levereras i alla format du behöver när träningen är klar. Om du har en pipeline för användarsimulering och behöver en komponent som omvandlar en avslutad konversation till en portabel beteendebeskrivning, finns UserRepGen-4B redan, och att den är en fil i ett format är en begränsning snarare än ett skäl att göra om arbetet. Det man bör hålla ögonen på är om Microsoft följer upp den med artikeln som dess modellkort fortfarande utlovar. För Liquid är den öppna frågan en annan och äldre: vilka team som plockar upp basmodellen och vad de gör av den.

Basmodeller finns för att anpassas, och anpassning är där det går sönder: de dokumenterade AI-incidenterna och agentmisslyckandena kring modeller i den här klassen finns samlade i OrcaRouter AI Incident Archive, där varje post har sina egna källor, allvarlighetsgrad, konfidensgrad och omtvistad flagga.