ARTEMIS vs LFM2.5-2.6B-Base: เช็กพอยต์ที่ทำงานนี้ไม่ได้ และฮาร์เนสที่ต้องการให้มันทำได้

บนแผนงาน ARTEMIS ของ Google มีสี่รายการตั้งอยู่ และมีเพียงรายการเดียวเท่านั้นที่ต้องใช้โมเดลซึ่งยังไม่ปรากฏชัดว่ามีอยู่จริงในตอนนี้ นั่นคือโมเดลภาษาศาสตร์-ภาพขนาดเบาบนอุปกรณ์ สำหรับระบบอัตโนมัติที่หน่วงต่ำและให้ความสำคัญกับความเป็นส่วนตัวเป็นอันดับแรก ผู้สมัครที่ชัดเจนสำหรับงานแบบนั้นคืออะไรบางอย่างในขนาดใกล้เคียงกับ LFM2.5-2.6B-Base ซึ่งเป็นเช็กพอยต์ที่ผ่านการพรีเทรนแล้วของ Liquid AI ที่มีพารามิเตอร์ 2.69 พันล้านตัว เผยแพร่เป็นน้ำหนักแบบเปิด พร้อมคอนเท็กซ์ 131,072 โทเคน และมีขนาดเล็กพอที่จะใส่ในโทรศัพท์ได้ แต่ในเวอร์ชันที่แจกจ่ายออกมานั้น มันก็ไม่สามารถทำหน้าที่นั้นได้เช่นกัน และเหตุผลต่าง ๆ ก็ควรค่าแก่การทำความเข้าใจก่อนที่ใครจะนำทั้งสองสิ่งนี้ไปวางในตารางเปรียบเทียบ ARTEMIS ของ Google คือฮาร์เนสสำหรับระบบอัตโนมัติบน Android ด้วยภาษาธรรมชาติ ที่เปิดซอร์สภายใต้ Apache 2.0 ในเดือนสิงหาคม 2026 ซึ่งควบคุมเครื่องโทรศัพท์จริงผ่าน ADB และอ้างว่ามีอัตราความสำเร็จมากกว่า 99% บนเบนช์มาร์ก AndroidWorld ของ Google Research ส่วน LFM2.5-2.6B-Base เป็นวัตถุดิบพรีเทรนดิบ ๆ ที่ไม่มีการปรับแต่งด้วยคำสั่ง ไม่มีเทมเพลตแชต และโดยเจตนาแล้ว ไม่มีการเผยแพร่เบนช์มาร์กใด ๆ โดยมีไว้สำหรับทีมที่จะนำไปฝึกต่อด้วยตนเอง สิ่งหนึ่งเป็นซอฟต์แวร์ที่เสร็จสมบูรณ์แต่มีปัญหาเรื่องโมเดลที่ยังไม่เสร็จ อีกสิ่งหนึ่งเป็นน้ำหนักที่ยังไม่เสร็จแต่มีปัญหาด้านสิทธิ์การใช้งานที่เรียบร้อยแล้ว ทั้งสองไม่ได้เป็นสิ่งทดแทนกัน และจุดที่ทั้งสองบรรจบกันอย่างแท้จริงก็ไม่ใช่จุดที่คุณจะเดาได้

จริง ๆ แล้ว LFM2.5-2.6B-Base คืออะไร

ถ้าถอดแบรนด์ออก มันก็คือรากฐานที่สร้างขึ้นอย่างพิถีพิถันสำหรับงานที่ประมวลผลบนอุปกรณ์ โดยมีสเปกที่อ่านแล้วเหมือนมีคนปรับให้เหมาะกับแบนด์วิดท์ของหน่วยความจำ มากกว่าตำแหน่งบนตารางอันดับ

• ขนาด — พารามิเตอร์ 2.69B ที่ bfloat16 ในไฟล์ shard เดียวขนาด ~5.39 GB ซึ่งโฆษณาไว้ว่า "2.6B"

• สถาปัตยกรรม — 30 เลเยอร์ในโครงสร้างไฮบริดแบบผสม: 22 บล็อก short-convolution แบบ double-gated และ 8 เลเยอร์ grouped-query attention, ความกว้าง hidden 2048, 32 เฮด attention ต่อ 8 KV heads, tied embeddings ใช้คลาส code>Lfm2ForCausalLM/code> เดียวกับรุ่นก่อนหน้า จึงไม่จำเป็นต้องมีโค้ดสำหรับโมเดลแบบกำหนดเอง

• การฝึก — ประมาณ 34 ล้านล้านโทเคน โดยมีช่วงการฝึกกลาง (mid-training) ที่ออกแบบมาโดยเฉพาะสำหรับการขยายบริบท

• คำศัพท์ — 128,000 โทเคน เพิ่มเป็นสองเท่าในรุ่นนี้เพื่อรองรับอักษรที่ไม่ใช่ละตินได้ดีขึ้น พารามิเตอร์ราว 262 ล้านตัว ซึ่งคิดเป็นประมาณหนึ่งในสิบของโมเดล อยู่ใน tied embedding

• บริบท — การ์ดโมเดลกับไฟล์คอนฟิกไม่ตรงกันตรงนี้ และเป็นเรื่องที่ควรทราบไว้: เอกสารโฆษณาไว้ที่ 131,072 โทเคน ขณะที่ code>config.json/code> กำหนด code>max_position_embeddings/code> เป็น 128,000 ให้วางแผนรองรับที่ 128K และถือว่าค่าใดที่สูงกว่านั้นยังไม่ได้รับการยืนยัน

• ภาษา — สิบหกภาษา: อังกฤษ, อาหรับ, จีน, ฝรั่งเศส, เยอรมัน, ฮินดี, อินโดนีเซีย, อิตาลี, ญี่ปุ่น, เกาหลี, โปแลนด์, โปรตุเกส, รัสเซีย, สเปน, ไทย, เวียดนาม

• เบนช์มาร์ก — ไม่มีเลย Liquid ไม่ได้เผยแพร่ผลการประเมินใด ๆ สำหรับเช็กพอยต์ฐาน และการ์ดโมเดลก็ระบุว่าการละเว้นครั้งนี้เป็นเจตนา: ชิ้นงานนี้มีไว้เพื่อนำไปฝึกต่อ (post-train) ไม่ใช่เพื่อวัดผลในสภาพดิบตั้งต้นของมัน

บรรทัดสุดท้ายนั้นคือหัวใจทั้งหมดของการเปิดตัวครั้งนี้ และยังเป็นเหตุผลว่าทำไมการเปรียบเทียบ "X vs LFM2.5-2.6B-Base" จึงต้องได้รับการจัดการอย่างระมัดระวัง เช็กพอยต์แบบ base ไม่มีความคิดเห็นต่อสิ่งใดเลย ถ้าสั่งให้มันวางแผนเวิร์กโฟลว์ Android มันจะต่อข้อความของคุณตามความน่าจะเป็น เพราะมันไม่เคยถูกสอนให้ตอบคำถาม การ์ดข้อมูลแนะนำให้ใช้มันเฉพาะกรณีที่ต้องปรับแต่งละเอียดเชิงลึกเท่านั้น เช่น ผู้ช่วยเฉพาะภาษา ผู้ช่วยเฉพาะโดเมนในอุตสาหกรรมที่มีการกำกับดูแล การฝึกด้วยข้อมูลที่เป็นกรรมสิทธิ์ หรือเป็นโมเดลนักเรียนสำหรับการกลั่นความรู้ ส่วนการใช้งานแบบสำเร็จรูปใด ๆ รวมถึงการเรียกใช้เครื่องมือ Liquid แนะนำให้คุณใช้ LFM2.5-2.6B ที่ผ่าน post-training แล้วแทน

สิ่งที่ ARTEMIS ต้องการจากโมเดล ซึ่งไม่ใช่สิ่งที่เช็กพอยต์พื้นฐานมีให้

ARTEMIS เป็นลูปควบคุมที่มีสองโหมด Flash เป็นวงจรแบบตอบสนองที่สังเกตและลงมือ ใช้เวลาประมาณ 3–5 วินาทีต่อขั้นตอน Pro เป็นกราฟหลายเอเจนต์ที่ใช้เวลาประมาณ 15–40 วินาทีต่อขั้นตอน โดยมี Planner ที่ถือแผน Markdown ที่ยังมีชีวิตอยู่ Operator ที่มีชุดเครื่องมือเต็มรูปแบบ และ Checker แบบอ่านอย่างเดียวที่ตรวจสอบเช็กพอยต์ในสี่ระดับจาก code>off/code> ถึง code>strict/code>. ทั้งสองโหมดขอสิ่งเดียวกันจากโมเดลที่อยู่เบื้องหลัง: ดูภาพหน้าจอ เลือกหนึ่งการกระทำจากชุดเครื่องมือคงที่ แล้วทำอีกครั้งในหนึ่งหรือสองวินาที เป็นร้อยครั้ง โดยไม่หลุดความต่อเนื่อง

นั่นเป็นคำขอที่เรียกร้องสูง — การปฏิบัติตามคำสั่งภายใต้สคีมาที่เข้มงวด ความเข้าใจเชิงภาพที่มี grounding และความสอดคล้องในระยะยาว — และมันเป็นชุดทักษะที่ base checkpoint ไม่ได้รับมาเสียเลย แบ็กเอนด์ที่ผ่านการทดสอบของ ARTEMIS เองล้วนเป็นโมเดลที่โฮสต์ไว้: Gemini, Claude, GPT-4o, Qwen-VL ทุกตัวล้วนถูกปรับจูนด้วยคำสั่งสำหรับการใช้งานเครื่องมือ และทุกตัวล้วนมีขนาดใหญ่

ดังนั้น ช่องว่างจึงไม่ใช่เรื่องของขนาด โมเดลขนาด 2.6B ที่ผ่าน post-training สามารถรองรับลูปการเรียกใช้เครื่องมือได้ — โมเดลพี่น้องที่ผ่าน post-training ของ Liquid เองอ้างว่ามีประสิทธิภาพเหนือกว่า Gemma 4 E2B-it และ E4B-it ในทุกการประเมินด้านการทำตามคำสั่ง และเกือบทั้งหมดของการประเมินด้านการใช้เครื่องมือ แม้ว่าตัวเลขเหล่านั้นจะเป็นตัวเลขที่ผู้ขายรายงานเองโดยไม่มีการตรวจสอบอิสระ ช่องว่างก็คือว่า baseเช็กพอยต์ยังไม่ได้รับการฝึกใด ๆ เหล่านั้นเลย จึงไม่สามารถนำไปใส่ใน harness ได้เลย

ใบอนุญาตคือความแตกต่างที่ชัดเจนกว่า

นี่คือจุดที่การแข่งขันถูกตัดสินจริง ๆ และเป็นส่วนที่การเปรียบเทียบส่วนใหญ่มองข้ามไป

• ARTEMIS — Apache 2.0 ใช้ในเชิงพาณิชย์ได้, fork ได้, นำไปฝังในผลิตภัณฑ์ได้, ไม่มีเงื่อนไขเรื่องรายได้ ข้อผูกพันข้อเดียวคือการคงข้อความแจ้งและระบุการเปลี่ยนแปลงของคุณ ซึ่งเป็นข้อผูกพันที่ตัวโครงการเองต้องแก้ไขต่อสาธารณะในเดือนกันยายน 2026 หลังจาก Minitap กล่าวหาว่า 228 จาก 229 ไฟล์ของ ARTEMIS ตรงกับ Apache-2.0 ของตัวเอง code>mobile-use/code> โปรเจกต์ และชื่อผู้เขียนถูกลบออกด้วย force-push ปัจจุบันที่เก็บโค้ดมีบรรทัดให้เครดิต Minitap

• LFM2.5-2.6B-Base — LFM Open License เป็นสัญญาอนุญาตแบบกำหนดเอง ไม่ใช่ Apache หรือ MIT หากมีรายได้ต่อปีต่ำกว่า $10M สิทธิ์ที่ให้ไว้จะกว้าง ขยายไปตลอด และไม่มีค่าลิขสิทธิ์ เมื่อถึงหรือเกินเกณฑ์ดังกล่าว สัญญาอนุญาตจะไม่ครอบคลุมการใช้งานเชิงพาณิชย์เลย และคุณต้องติดต่อ Liquid รายละเอียดสำคัญสำหรับใครก็ตามที่สร้างต่อยอดจากมัน: งานดัดแปลงจะสืบทอดข้อกำหนดเดียวกัน. เช็กพอยต์ที่คุณนำไปฝึกต่อไม่ใช่สิ่งใหม่ที่คุณเป็นเจ้าของโดยสมบูรณ์ — มันส่งต่อสัญญาอนุญาตที่ผูกกับเงื่อนไขรายได้ต่อไป โดยมีข้อยกเว้นสำหรับองค์กรไม่แสวงหากำไรที่มีคุณสมบัติเหมาะสม

ลองวางข้อเท็จจริงสองข้อนั้นไว้ข้างกัน แล้วการตัดสินใจจะพลิกไปตามว่าคุณเป็นใคร บริษัทที่มีเงินทุนหนุนหลังซึ่งต้องการส่งเอเจนต์ฝั่งโทรศัพท์ออกสู่ตลาด มีฮาร์เนสแบบ Apache-2.0 ที่ใช้ได้อย่างอิสระ และมีเช็กพอยต์ที่อาจใช้ในเชิงพาณิชย์ไม่ได้เลย นักพัฒนารายบุคคลหรือสตาร์ตอัปที่อยู่ต่ำกว่าเกณฑ์มีทั้งสองอย่าง และสัญญาอนุญาตก็เป็นแค่หมายเหตุท้ายเรื่อง ไม่มีผู้ขายรายใดทำอะไรเกินเหตุ — Liquid เป็นบริษัทที่ปกป้องระดับเชิงพาณิชย์ของตน ส่วน Google กำลังเปิดซอร์สเครื่องมือสำหรับทดสอบ — แต่ "open weights" กับ "open weights" ไม่ใช่การอนุญาตแบบเดียวกัน และการเปรียบเทียบที่หยุดอยู่แค่จำนวนพารามิเตอร์จะไม่บอกคุณได้ว่าคุณได้อันไหนมา

ตระกูลนี้ เพราะเช็กพอยต์ฐานเป็นประตูที่ผิดสำหรับการเข้าไปในตระกูลนี้

ถ้าเป้าหมายคือเอเจนต์ Android บนอุปกรณ์ พี่น้องสามตัวสำคัญกว่ารุ่นฐาน และตัวที่โรดแมป ARTEMIS ต้องการจริง ๆ ไม่ใช่ตัวที่เห็นได้ชัด

• LFM2.5-2.6B — รุ่นพี่น้องสายเอเจนต์ที่ผ่านการฝึกภายหลัง ผู้จำหน่ายรายงานอัตราการประมวลผลอยู่ที่ประมาณ 30 โทเคนต่อวินาทีบนฮาร์ดแวร์ระดับโทรศัพท์, 113 บน Ryzen AI Max+ 395 และ 220 บน Apple M5 Max โดยใช้หน่วยความจำน้อยกว่า 2.5 GB

• LFM2.5-VL-3B — โมเดล vision-language สำหรับ edge ที่สร้างบนฐานเดียวกันพร้อมตัวเข้ารหัส SigLIP2 400M NaFlex โดยมีค่า grounding precision@1 ตามรายงานของผู้จำหน่ายเพิ่มขึ้นจาก 57.1 เป็น 87.9 บน RefCOCO และตามที่ Liquid ระบุ ประสิทธิภาพกับองค์ประกอบ UI บนหน้าจอสามารถเอาชนะโมเดล Gemma ที่ใหญ่กว่ามากได้ และเข้าใกล้ Qwen 3.5 ขนาด 4.7B ภายใน 0.7% ยังไม่ได้รับการยืนยัน แต่เป็นสมาชิกเพียงตัวเดียวในตระกูลนี้ที่สามารถมองเห็นหน้าจอได้

• LFM2.5-230M — ระดับการสกัดและการจำแนกประเภท ซึ่งไม่แนะนำอย่างชัดเจนสำหรับงานที่ต้องใช้การให้เหตุผลเป็นหลัก

ซึ่งเป็นข้อสรุปที่น่าอึดอัดสำหรับเช็กพอยต์ฐานในการจับคู่นี้: รายการในโรดแมปของ ARTEMIS เป็นวิชันรีไควร์เมนต์, ฐานเป็นแบบข้อความเท่านั้น, และสมาชิกในตระกูลที่เติมเต็มช่องนั้นคือเวอร์ชัน VL ที่ได้นำทั้งวิชันเอนโคเดอร์และโพสต์เทรนนิงไปใช้แล้ว. บทบาทของเช็กพอยต์ฐานในสแต็กระบบอัตโนมัติ Android ไม่ใช่การควบคุมโทรศัพท์ แต่เป็นวัตถุดิบที่รองรับไม่ว่าโมเดลขนาดเล็กตัวใดจะทำหน้าที่นั้นในที่สุด

ในจุดที่พวกมันได้มาบรรจบกันจริง ๆ: ฟลายวีลที่ยังไม่มีใครสร้างขึ้น

นี่คือความเชื่อมโยงหนึ่งเดียวที่เป็นของจริงมากกว่าการกล่าวอ้างแบบวาทศิลป์ และมันไหลย้อนกลับจากทิศทางปกติ ฟีเจอร์ที่ถูกประเมินต่ำที่สุดของ ARTEMIS ไม่ใช่ตัวเอเจนต์ — แต่เป็นสิ่งที่มันปล่อยออกมา ทุกการทำงานจะบันทึกสแตกการแครช ภาพหน้าจอคีย์เฟรม บันทึกเซสชันของขั้นตอนที่บีบอัด และรายงานการวินิจฉัย และ Pro จะเปิด "execution incident" ทุกครั้งที่การกระทำล้มเหลว และเก็บไว้ในบริบทจนกว่าความสำเร็จในภายหลังจะแก้ไขมันได้ นั่นคือคลังข้อมูลที่ติดป้ายกำกับของช่วงเวลาที่การรับรู้ของเอเจนต์ UI ผิดพลาดอย่างแม่นยำ

จับคู่สิ่งนั้นกับเช็กพอยต์ที่มีจุดประสงค์ทั้งหมดอยู่ที่การฝึกหลังการเทรน แล้วคุณจะได้ลูปที่ชัดเจน: รันฮาร์เนสบนโมเดลที่โฮสต์ไว้ เก็บเทรซที่มันสะดุดกับแอปของคุณ และไฟน์จูนโมเดล 2.6B บนเฟรมเหล่านั้นแบบเจาะจงตรงเป๊ะ มันเป็นชุดข้อมูลเฉพาะทางแบบที่การ์ดของ Liquid เองอ้างถึงเพื่อเป็นเหตุผลในการปล่อยเช็กพอยต์ฐานออกมาอยู่แล้ว — "การฝึกบนข้อมูลของคุณเอง" — และสัญญาอนุญาตที่กั้นด้วยรายได้ก็หมายความว่านี่เป็นเส้นทางที่สมเหตุสมผลสำหรับทีมที่อยู่ต่ำกว่าเกณฑ์ และต้องมีการคุยกันสำหรับทีมที่อยู่เหนือเกณฑ์ขึ้นไป

เพื่อให้ชัดเจนถึงสถานะของแนวคิดนั้น: ยังไม่มีใครเผยแพร่ลูปนี้ ผู้จำหน่ายทั้งสองรายไม่ได้เสนอแนะมัน และไม่มีหลักฐานว่าฝ่ายใดได้ทดสอบมัน มันเป็นข้อเสนอ ไม่ใช่ผลลัพธ์ และควรอ่านมันในฐานะข้อเสนอ แต่มันเป็นกรอบเดียวที่ทำให้อาร์ติแฟกต์ทั้งสองนี้เป็นผู้ร่วมงานกัน แทนที่จะเป็นความผิดพลาดเชิงหมวดหมู่

ถ้าคุณทำไปถึงขั้นไฟน์จูนได้ ชุดเปรียบเทียบก็คืออีกครึ่งหนึ่งของปัญหา LFM2.5-2.6B-Base ไม่ได้อยู่ในแค็ตตาล็อกของเรา — ไม่มี LFM2.5 รุ่นใดอยู่ในนั้นเลย — ดังนั้นเช็กพอยต์ตัวนี้จึงมาจากช่องทางเผยแพร่ของ Liquid เองและโฮสต์บุคคลที่สามตามปกติ จุดที่แค็ตตาล็อกแบบจัดเส้นทางพิสูจน์คุณค่าของตัวเองก็คือการทดสอบเปรียบเทียบไฟน์จูนของคุณกับโมเดลที่มันต้องเอาชนะในการใช้เครื่องมือ ด้วยคีย์เดียวและบิลเดียว พร้อมระบบสลับสำรองอัตโนมัติ เพื่อให้วันที่แย่ของผู้ให้บริการรายหนึ่งไม่กลายเป็นวันที่แย่ของการประเมินของคุณ นั่นคือสิ่งที่ genuinely มีประโยชน์ที่จะมีไว้ เมื่อประเด็นทั้งหมดของการทดลองนี้คือการเทียบกันตรง ๆ ที่คุณตั้งใจจะลงมือทำตามผลลัพธ์นั้นจริง ๆ

แล้วอันไหนคือปัญหาของคุณ

ถ้าคุณมีแอป Android และต้องการให้มันถูกทดสอบโดยอัตโนมัติในไตรมาสนี้ สิ่งที่คุณต้องการคือ ARTEMIS และ LFM2.5-2.6B-Base ไม่ใช่ส่วนหนึ่งของคำตอบ — คุณจะรัน ARTEMIS กับโมเดลวิชันที่โฮสต์ไว้ จ่ายต่อสเต็ป และรายการในโรดแมปเกี่ยวกับ VLM บนอุปกรณ์จะมาถึงในที่สุดและแก้ปัญหาต้นทุนที่คุณยังไม่ได้วัด

ถ้าคุณกำลังสร้างผลิตภัณฑ์ที่ต้องทำงานบนมือถือโดยไม่มีเครือข่าย คุณต้องเลือกเส้นทางโมเดลขนาดเล็ก และ LFM2.5-2.6B-Base เป็นจุดเริ่มต้นของโครงการนั้น มากกว่าจะเป็นส่วนหนึ่งของโซลูชัน คุณจะต้องนำมันไป post-train คุณจะต้องอ่าน LFM Open License เทียบกับประมาณการรายได้ของคุณก่อนเขียนสคริปต์การฝึกตัวแรก และถ้าเอเจนต์ของคุณจำเป็นต้องเห็นหน้าจอ คุณจะต้องหันไปใช้ VL variant แทน

สิ่งเดียวที่ต้องไม่ทำคือจับสองสิ่งนี้มาเทียบกันแบบวางข้างกัน ประกาศว่าฮาร์เนสมีความสามารถมากกว่า แล้วผ่านมันไป การเปรียบเทียบที่มีประโยชน์คือการเทียบระหว่างสแต็กที่สมบูรณ์ทั้งสองแบบ — โมเดลแบบโฮสต์บวกฮาร์เนส เทียบกับโมเดลขนาดเล็กที่ปรับแต่งละเอียดบวกเฟรมเวิร์กที่คุณสร้างเอง — และมีเพียงแบบเดียวเท่านั้นที่มีอัตราความสำเร็จที่เผยแพร่บนเบนช์มาร์กสาธารณะ ซึ่งมีค่าเท่ากับข้อเท็จจริงที่ว่าอีกแบบหนึ่งไม่มีค่าใช้จ่ายคลาวด์เลยแม้แต่นิดเดียว

จุดที่แคตตาล็อกแบบกำหนดเส้นทางพิสูจน์คุณค่าของตัวเองได้ คือการนำ fine-tune ของคุณไปวัดผลเทียบกับโมเดลที่มันต้องเอาชนะในด้านการใช้เครื่องมือ บนคีย์เดียวและบิลเดียว พร้อมระบบ failover เพื่อให้ช่วงบ่ายที่ย่ำแย่ของผู้ให้บริการไม่กลายเป็นช่วงบ่ายที่ย่ำแย่ของการประเมินของคุณ

LFM2.5-2.6B-Base ไม่ได้อยู่ในแคตตาล็อกของเรา — ไม่มี LFM2.5 รุ่นใดเลย — ดังนั้นเช็กพอยต์นั้นจึงมาจากการเผยแพร่ของ Liquid เองและโฮสต์บุคคลที่สามทั่วไป