HiRO-ACEv2 กับ LFM2.5 2.6B Base: ทั้งคู่ไม่ใช่ผลิตภัณฑ์ และความไม่สมบูรณ์ของทั้งสองก็ไม่เหมือนกัน

วาง HiRO-ACEv2 และ LFM2.5 2.6B Base ไว้ข้างกัน แล้วสิ่งแรกที่คุณสังเกตคือไม่มีตัวใดเป็นสิ่งที่นักพัฒนาสามารถเรียกใช้ได้ HiRO-ACEv2 เป็นตัวจำลองสภาพภูมิอากาศรุ่นที่สองของ Ai2 อัปโหลดเป็นรีโพซิทอรี Hugging Face ขนาด 10.9 GB เมื่อวันที่ 12 ตุลาคม 2026 โดยไม่มีการประกาศใด ๆ และมีพรีปรินต์ที่ลงวันที่วันถัดมา; LFM2.5 2.6B Base เป็นเช็กพอยต์ที่ผ่านการฝึกมาก่อนขนาด 2.69 พันล้านพารามิเตอร์ของ Liquid AI สร้างขึ้นเมื่อวันที่ 1 สิงหาคม 2026 ซึ่งผู้ขายของมันเองอธิบายไว้อย่างชัดเจนว่าเป็นเช็กพอยต์ที่คุณจะเลือกใช้ก็ต่อเมื่อคุณจำเป็นต้องปรับให้เข้ากับงานอย่างมีนัยสำคัญ ทั้งคู่เป็นวัตถุดิบ ทั้งคู่ดาวน์โหลดได้ในวันนี้ และลักษณะที่แต่ละตัวไม่ใช่ผลิตภัณฑ์สำเร็จรูปนั้นเกือบจะเป็นขั้วตรงกันข้าม ซึ่งเป็นเหตุผลเดียวที่ทำให้การเปรียบเทียบนี้คุ้มค่าที่จะเขียนแทนที่จะมองข้ามไป

Base checkpoint ยังไม่สมบูรณ์ เพราะยังไม่ได้รับการสอนให้ทำตามคำสั่ง HiRO-ACEv2 ยังไม่สมบูรณ์ในแง่ที่ว่ามันจะไม่มีวันเป็นโมเดลอเนกประสงค์ — มันเป็นแอปพลิเคชันที่มาพร้อมกับการฝึกแล้ว เชี่ยวชาญเฉพาะทางแล้ว และถูกกำหนดกรอบด้วยข้อจำกัดที่ระบุไว้แล้ว อันหนึ่งคือฐานที่รอจุดประสงค์ ส่วนอีกอันคือจุดประสงค์ที่ไม่มีฐานสำหรับสิ่งอื่นใด

สิ่งที่แต่ละรีพозиทอรีมีอยู่จริง

รีโพซิทอรี Base ของ Liquid AI เป็นโมเดล การ์ดระบุพารามิเตอร์ 2.69 พันล้านตัวใน 30 เลเยอร์ — บล็อก short convolution แบบ double-gated 22 บล็อก และเลเยอร์ grouped-query-attention 8 เลเยอร์ ซึ่งเป็นการจัดวางแบบไฮบริดที่เป็นแกนหลักของตระกูล LFM2 — พร้อมหน้าต่างบริบท 131,072 โทเคน, คำศัพท์ 128,000 รายการ, การฝึกก่อน 34 ล้านล้านโทเคน และครอบคลุม 16 ภาษา รวมถึงอังกฤษ, อาหรับ, จีน, ฝรั่งเศส, เยอรมัน, อิตาลี, ญี่ปุ่น, เกาหลี, โปรตุเกส, สเปน, เวียดนาม, ไทย, อินโดนีเซีย, ฮินดี, รัสเซีย และโปแลนด์ เป็นแบบข้อความเท่านั้น และไม่ได้ปรับแต่งตามคำสั่ง รูปแบบการดาวน์โหลดมีตั้งแต่เช็กพอยต์ Transformers แบบเนทีฟ ไปจนถึง GGUF สำหรับ llama.cpp, ONNX สำหรับการติดตั้งใช้งานข้ามแพลตฟอร์ม และ MLX สำหรับ Apple silicon; การควอนไทซ์ Q4_K_M อยู่ที่ประมาณ 1.67 GB

รีโพซิทอรีของ Ai2 ไม่ใช่โมเดลในความหมายนั้น มันเก็บเช็กพอยต์สองตัว — HiROv2.ckpt ที่ประมาณ 1.28 GiB และ ACE2S-X-SHiELD.ckpt ที่ประมาณ 2.98 GiB — รวมกับข้อมูล forcing NetCDF สิบปีที่ประมาณ 609 MB ต่อไฟล์ ไฟล์เงื่อนไขเริ่มต้นสองไฟล์ คอนฟิก YAML สามไฟล์ และสคริปต์เชลล์หนึ่งไฟล์ น้ำหนักจริงประมาณ 4.3 GiB คิดเป็นเพียงส่วนน้อยของทั้งหมด 10.9 GB; สิ่งที่คุณดาวน์โหลดส่วนใหญ่คือหน้าต่างข้อมูลอินพุตที่เฟรมเวิร์กถูกสร้างมาเพื่อใช้งาน ไม่มีการควอนไทซ์ ไม่มีรันไทม์ทางเลือก ไม่มีการส่งออก ONNX และไม่มีรุ่นที่เล็กกว่า มีวิธีรันเพียงวิธีเดียว และ README อธิบายไว้ดังนี้: ติดตั้งแพ็กเกจ fmeของ Ai2 แก้ไขสี่พาธในคอนฟิก แล้วรันสคริปต์

ปัญหาด้านลิขสิทธิ์สองประเภทที่แตกต่างกัน

แท็กสัญญาอนุญาตคือจุดที่ความแตกต่างกลายเป็นเรื่องปฏิบัติมากกว่าปรัชญา และเป็นจุดที่คู่นี้แตกต่างอย่างแท้จริงจากโมเดลอย่างการเผยแพร่แบบ Apache-2.0 ที่คุณอาจคาดว่าจะพบได้ที่นี่

• HiRO-ACEv2 — Apache 2.0 โดยมีแนวปฏิบัติการใช้งานอย่างมีความรับผิดชอบของ Ai2 ซึ่งผูกเจตนาด้านการวิจัยและการศึกษาเข้ากับการอนุญาตนี้ และข้อมูลสำหรับการฝึกอบรมที่ระบุแหล่งที่มาเป็น X-SHIELD ซึ่งจัดหาโดย GFDL

• LFM2.5 2.6B Base — LFM Open License v1.0 ไม่ใช่สัญญาอนุญาตแบบผ่อนปรนสไตล์ OSI ข้อกำหนดของมันอยู่ในไฟล์ LICENSE ของรีโพซิทอรีเอง และเงื่อนไขเชิงพาณิชย์คือเหตุผลที่ควรอ่านไฟล์นั้นแทนที่จะดูแค่แท็ก ก่อนที่คุณจะสร้างผลิตภัณฑ์บนเช็กพอยต์นี้

• นั่นหมายความว่าอย่างไรสำหรับทางแยกที่คุณกำลังจะเลือก — สำหรับ HiRO-ACEv2 คำถามคือการใช้งานของคุณเป็นการวิจัยหรือไม่; สำหรับ LFM2.5 2.6B Base คำถามคือการใช้งานของคุณเป็นการค้าหรือไม่ และในระดับใด คำถามต่างกัน คำตอบก็ต่างกัน และไม่มีคำถามใดที่ตอบได้ด้วยคำว่า "open"

รูปร่างของเอาต์พุตไม่มีอะไรเหมือนกันเลย และนั่นคือส่วนที่มีประโยชน์

Base checkpoint สร้างข้อความ ทีละโทเคน แบบออโตเรเกรสซีฟ ด้วยชุดการสุ่มตามปกติ — การ์ดแนะนำอุณหภูมิ 0.6 และ top-p 0.95 สำหรับสไตล์การสร้างของรุ่นพี่น้องที่ผ่าน post-training แล้ว และ base checkpoint ก็ให้คุณตัดสินใจเรื่องนั้นด้วยตัวเอง ทุกอย่างที่ต่อยอดจากมันคืองานด้านภาษา: เขียนเอกสารต่อ จำแนกช่วงข้อความ แปล ส่งออกข้อมูลที่มีโครงสร้าง หรือใช้เป็นจุดเริ่มต้นสำหรับ fine-tune ที่สอนโดเมนหรือภาษาที่มันยังครอบคลุมได้ไม่ดีนัก

HiRO-ACEv2 สร้างสนามทางกายภาพแบบกริดที่ความละเอียด 3 กม. — อัตราหยาดน้ำฟ้าที่ผิวพื้นเฉลี่ยทุกหกชั่วโมง ลมตะวันออกและลมเหนือที่ระดับ 10 เมตร ณ ขณะหนึ่ง และความกดอากาศที่ระดับน้ำทะเล — โดยดาวน์สเกลจากข้อมูลนำเข้าที่ความละเอียด 100 กม. ด้วยแบบจำลองดิฟฟิวชัน โดยสถานะความละเอียดหยาบเองถูกสร้างแบบออโตรีเกรสซีฟด้วยอีมูเลเตอร์แยกต่างหากของ X-SHIELD ไม่มีส่วนใดของไปป์ไลน์นั้นที่เป็นข้อความ การประเมินที่สำคัญคือว่าการแจกแจงของผลลัพธ์ตรงกับการจำลองอ้างอิงไปจนถึงหางไกลสุดหรือไม่ และบทความเบื้องหลังการเผยแพร่นี้ว่าด้วยเรื่องนั้นโดยตรง: ผู้เขียนรายงานว่าติดตามการแจกแจงหยาดน้ำฟ้าและลมใกล้ผิวพื้นของอ้างอิงได้ถึงเปอร์เซ็นไทล์ที่ 99.9999 และสอดคล้องกับการแจกแจงความรุนแรงของพายุหมุนเขตร้อนอ้างอิงในภาพรวม โดยอ้างว่าต้นทุนการอนุมานต่ำกว่าแบบจำลองเชิงตัวเลขระดับโลกที่จำลองพายุแบบดั้งเดิมมากกว่า 300 เท่า

ทั้งสองอย่างนั้นเป็นข้อกล่าวอ้างของผู้ขายหรือผู้เขียน ซึ่งยังไม่มีการทำซ้ำ ความแตกต่างอยู่ที่สิ่งที่ผู้ต้องการทำซ้ำจะต้องลงมือทำ การตรวจสอบข้อกล่าวอ้างเกี่ยวกับ Base checkpoint ต้องใช้ชุดงานทดสอบหนึ่งชุดและชั่วโมง GPU เทียบเท่ากับการเทรนเช็กพอยต์หนึ่งตัว การตรวจสอบข้อกล่าวอ้างเกี่ยวกับ HiRO-ACEv2 ต้องใช้ชุดข้อมูล forcing ย้อนหลังสิบปี การจำลองอ้างอิงเพื่อเปรียบเทียบ และการวิเคราะห์การแจกแจงในหางไกลสุด — ซึ่งเป็นเหตุผลว่าทำไมข้อกล่าวอ้างที่สองจึงมีแนวโน้มจะไม่ถูกท้าทายต่อไปอีกนานกว่าอย่างมาก

สิ่งที่คุณจะสร้างจริงบนแต่ละอัน

การใช้งานตามธรรมชาติของเช็กพอยต์ Base คือการปรับให้เข้ากับงานเฉพาะ และ Liquid AI ก็พูดตรง ๆ อย่างผิดปกติเกี่ยวกับเรื่องนี้ ไม่ว่าจะเป็นผู้ช่วยเฉพาะภาษาเฉพาะโดเมน การฝึกด้วยข้อมูลที่เป็นกรรมสิทธิ์ หรือการทดสอบวิธีการฝึกภายหลัง (post-training) แบบใหม่ ๆ นั่นคือเช็กพอยต์ที่มีคุณค่าหลังจากคุณลงมือทำแล้ว ไม่ใช่ก่อนหน้านั้น รุ่นพี่น้องที่ผ่านการฝึกภายหลัง — LFM2.5 2.6B ซึ่งสร้างขึ้นเมื่อสามวันก่อนในวันที่ 28 กรกฎาคม — เป็นรุ่นที่สร้างมาสำหรับงานแบบเอเจนต์ และตัวเลขการดาวน์โหลดก็บอกทุกอย่างว่าชุมชนต้องการรุ่นไหนจากสองรุ่นนี้ โมเดลที่ผ่านการฝึกภายหลังมีดาวน์โหลดเกิน 114,000 ครั้งและถูกใจ 823 ครั้งภายในกลางเดือนตุลาคม เมื่อเทียบกับ 6,282 ดาวน์โหลดและ 51 ไลก์ของ Base ส่วน Base เป็นเครื่องมือของผู้เชี่ยวชาญ และตลาดก็กำหนดมูลค่ามันตามนั้น

การใช้งานตามธรรมชาติของ HiRO-ACEv2 คือการรันเป็นเอนเซมเบิล จุดขายของเฟรมเวิร์กนี้ไม่ใช่การพยากรณ์เพียงหนึ่งเดียว sondern... ขอโทษที ขอแก้ใหม่: จุดขายของเฟรมเวิร์กนี้ไม่ใช่การพยากรณ์เพียงหนึ่งเดียว แต่เป็นการพยากรณ์จำนวนมาก แรงจูงใจของงานวิจัยชิ้นนี้คือการสร้างเอนเซมเบิลขนาดใหญ่ให้มีต้นทุนถูกพอที่จะศึกษาพฤติกรรมของพายุหมุนเขตร้อนและเหตุการณ์สุดขั้วที่ความละเอียด 3 กม. ในช่วงเวลาหลายทศวรรษและในภูมิภาคใด ๆ ทั่วโลก คุณไม่ได้ปรับจูน (fine-tune) มัน และการ์ดโมเดลก็ไม่ได้เชิญชวนให้คุณทำอย่างนั้น คุณรันมัน แล้วคุณจะเชื่อในข้อจำกัดของมัน — ข้อมูลฝึกเก้าปี ใช้ไม่ได้นอกช่วง 66°S ถึง 70°N มีอาร์ติแฟกต์บริเวณขอบแพตช์ที่เกินไทล์ฝึกขนาดหนึ่งองศาแบบ 16-by-16 — หรือคุณจะไม่เชื่อก็ได้

พูดให้ต่างออกไปก็คือ หนึ่งในโมเดลเหล่านี้เป็นจุดเริ่มต้นที่คุณนำไปแก้ไขดัดแปลง ส่วนอีกอันเป็นเครื่องมือที่คุณใช้ควบคุมสั่งการ การมองว่าพวกมันเป็น “โมเดลเปิด” ที่ใช้แทนกันได้เพียงเพราะทั้งคู่ดาวน์โหลดได้ คือความผิดพลาดที่หน้านี้มีขึ้นเพื่อสกัดกั้นไว้

สิ่งหนึ่งที่พวกเขามีร่วมกัน: ทั้งคู่ไม่คิดค่าบริการตามจำนวนโทเคน

จุดที่ทั้งสองบรรจบกันอย่างแท้จริงคือโครงสร้างต้นทุน ทั้งคู่ไม่มีตารางอัตราค่าใช้จ่าย LFM2.5 2.6B Base ดาวน์โหลดฟรีและรันได้ในราคาถูก precisely เพราะมันเล็ก — ประมาณสองสามกิกะไบต์ใน bf16 และต่ำกว่าสองกิกะไบต์เมื่อควอนไทซ์ ซึ่งเป็นจุดประสงค์ทั้งหมดของการออกแบบ LFM2.5 และเป็นเหตุผลที่มันอยู่เคียงข้างรุ่นพี่น้องที่ผ่านการฝึกภายหลังซึ่งปรับจูนมาสำหรับงานบนอุปกรณ์ HiRO-ACEv2 ถูกด้วยเหตุผลที่ต่างออกไป: มันเป็นตัวจำลองแบบแคบเฉพาะทาง และหลักเศรษฐศาสตร์ของมันมาจากการแทนที่การจำลองเชิงตัวเลขที่แพงมหาศาล แทนที่จะมาจากการทำให้รันบนโทรศัพท์ได้

ดังนั้น หากเวิร์กโหลดของคุณเป็นข้อความ Base checkpoint ก็เป็นคำถามเกี่ยวกับ fine-tuning และเวอร์ชันในชีวิตประจำวันของเวิร์กโหลดนั้น — แบบที่คุณต้องการให้โมเดลตอบมากกว่าที่จะเทรน checkpoint — จะดูเหมือนการเรียกใช้ ไม่ใช่การดาวน์โหลด นั่นคือเลเยอร์ที่ OrcaRouter อยู่: API key หนึ่งคีย์ครอบคลุมโมเดลที่โฮสต์มากกว่า 200 โมเดล โดยราคาตามรายการของผู้ให้บริการถูกส่งผ่านโดยไม่บวกเพิ่ม และมีการ failover อัตโนมัติระหว่างผู้ให้บริการเมื่อรายหนึ่งมีประสิทธิภาพลดลง ไม่มีโมเดลใดในการเปรียบเทียบนี้อยู่ในแคตตาล็อกนั้น และไม่มีโมเดลใดสามารถอยู่ในรูปแบบปัจจุบันได้ LFM2.5 2.6B Base เป็น checkpoint ไม่ใช่บริการ และ HiRO-ACEv2 ไม่มีอินเทอร์เฟซที่รับคำขอเลย สิ่งที่เราเราเทคือทุกอย่างที่อยู่รอบ ๆ พวกมัน — การสรุปความ การสกัดข้อมูล โค้ดฮาร์เนส และลูปเอเจนต์ที่เปลี่ยนอาร์ติแฟกต์ที่ดาวน์โหลดมาให้กลายเป็นไปป์ไลน์

การหยิบ ในทางปฏิบัติ

หากคุณมีข้อมูลในโดเมนหรือภาษาใดภาษาหนึ่งที่โมเดลฐานยังเห็นไม่มากพอ และคุณมีพลังประมวลผลสำหรับทำ post-train LFM2.5 2.6B Base ก็เป็นจุดเริ่มต้นที่ถูกกว่าคู่แข่งส่วนใหญ่ — อ่านไฟล์สัญญาอนุญาตก่อนที่คุณจะอ่านผล benchmark ที่คุณหวังไว้ เพราะในเช็กพอยต์นี้ สัญญาอนุญาตคือเอกสารที่ตัดสินว่าโครงการของคุณได้รับอนุญาตหรือไม่ หากคุณต้องการโมเดลเอเจนต์ขนาดเล็กเพื่อรันบนอุปกรณ์ คุณต้องการรุ่นพี่น้องที่ผ่าน post-training มากกว่ารุ่น Base และยอดดาวน์โหลดบ่งชี้ว่าชุมชนได้ข้อสรุปนั้นก่อนคุณแล้ว หากคุณต้องการสนามบรรยากาศ 3 กม. ตลอดสามทศวรรษของสภาพภูมิอากาศจำลอง ทั้งสองอย่างนี้ไม่เกี่ยวข้อง และมีเพียงไฟล์เดียวในบทความนี้ที่เกี่ยวข้อง

สิ่งที่มีประโยชน์ที่ควรจดจำไว้ก็คือ "open weights" ได้เลิกเป็นหมวดหมู่ที่มีประโยชน์ในตัวเองแล้ว เช็กพอยต์พื้นฐาน คู่พี่น้องที่ผ่านการฝึกหลังการฝึก และอีมูเลเตอร์สำหรับการวิจัย ต่างก็สามารถติดแท็กที่ฟังดูผ่อนปรนได้เหมือนกัน และหมายถึงสามสิ่งที่แตกต่างกันโดยสิ้นเชิงจากแท็กนั้น

การเปรียบเทียบแบบนี้ก็เป็นจุดที่โหมดความล้มเหลวปรากฏให้เห็นเช่นกัน: เหตุการณ์ AI และความล้มเหลวของเอเจนต์ที่มีการบันทึกไว้ซึ่งอยู่เบื้องหลังโมเดลในระดับนี้ได้รับการรวบรวมไว้ในthe OrcaRouter AI Incident Archive โดยแต่ละรายการมีแหล่งอ้างอิง ระดับความรุนแรง เกรดความเชื่อมั่น และสถานะถูกโต้แย้งเป็นของตนเอง