LFM2.5-24B-A2B กับ Gemma 4 12B: เอเจนต์แบบสแปร์ส ปะทะตัวมัลติโมดัลแบบเดนส์

Liquid AILFM2.5-24B-A2B และ G​oogle DeepMindG​emma 4 12Bเป็นเช็คพอยต์แบบเปิดน้ำหนักสองตัวที่มีแนวโน้มที่สุดที่จะอยู่ในคิวดาวน์โหลดเดียวกันในเดือนนี้ และพวกมันมาจากทิศทางตรงกันข้าม LFM2.5-24B-A2B เปิดตัวเมื่อวันที่ 13 ตุลาคม 2026 โดยมีพารามิเตอร์ 24.0 พันล้านตัว ซึ่งมีเพียง 2.45 พันล้านตัวเท่านั้นที่ถูกอ่านต่อโทเคน ข้อความเข้าและข้อความออก บริบท 131,072 โทเคน และตารางเปรียบเทียบที่สร้างขึ้นโดยเน้นการใช้เครื่องมือเป็นหลัก G​emma 4 12B เปิดตัวเมื่อวันที่ 3 มิถุนายน 2026 เป็นโมเดลแบบ dense 11.95 พันล้านพารามิเตอร์ที่อ่านข้อความ รูปภาพ และเสียง และเขียนข้อความ ภายใต้ Apache 2.0 โดยไม่มีเพดานรายได้แนบมา ตัวหนึ่งเป็นเอเจนต์เอนจินเฉพาะทางที่ทำงานบนแล็ปท็อปที่คุณมีอยู่แล้ว อีกตัวเป็นโมเดลทั่วไปที่มองเห็นและได้ยิน ทำงานบนแล็ปท็อปเครื่องเดียวกันในขนาดประมาณ 7 GB และมาพร้อมกับใบอนุญาตที่คุณไม่ต้องอ่านซ้ำสองครั้ง

ดังนั้น คำถามที่หน้านี้ตอบไม่ใช่ "อันไหนดีกว่า" เพราะทั้งสองไม่เคยถูกสร้างมาเพื่องานเดียวกัน มันแคบกว่าและมีประโยชน์กว่า: ถ้าคุณกำลังวางเอเจนต์ส่วนตัวบนเครื่องที่คุณควบคุม คุณจะดาวน์โหลดตัวไหนในสองตัวนี้ และคุณต้องเสียสละอะไรไม่ว่าจะเลือกทางไหน?

คำตอบในย่อหน้าเดียว สำหรับคนที่รู้อยู่แล้วว่าต้องการอะไร

เลือก LFM2.5-24B-A2B หากเอเจนต์ทำงานเรียกใช้เครื่องมือแบบหลายขั้นตอนและไม่มีอย่างอื่น — ตัวเลขด้านเอเจนต์ของผู้จำหน่ายเองนำหน้า G​emma 4 12B ไปไกลในไม่กี่แถวที่เทียบเคียงกันได้มากพอจะวางเทียบกัน และโมเดลสร้างร่องรอยการให้เหตุผลแบบชัดเจนก่อนลงมือเสมอ เลือก G​emma 4 12B หากงานเกี่ยวข้องกับภาพหน้าจอ เอกสารที่ถ่ายภาพไว้ หน้าที่สแกน หรือคลิปเสียง หากคุณต้องการปิดร่องรอยการให้เหตุผลเพื่อลดความหน่วง หรือหากบริษัทของคุณอยู่ใกล้เส้นรายได้ $10M ที่ใบอนุญาตของ Liquid ไม่ฟรีอีกต่อไป อ่านต่อไปหากคุณต้องการตัวเลขเบื้องหลังสองประโยคนั้น เพราะการเปรียบเทียบส่วนไม่น้อยขึ้นอยู่กับว่าผู้จำหน่ายทั้งสองวัดกันอย่างไร

จุดที่จุดตรวจทั้งสองแตกต่างกันอย่างแท้จริง

• เศรษฐศาสตร์ของพารามิเตอร์ — LFM2.5-24B-A2B เป็นแบบ mixture-of-experts: รวมทั้งหมด 24.0B, ใช้งานจริง 2.45B ต่อโทเคน, มี 64 expert โดยใช้การจัดเส้นทางแบบ top-4 ทั่ว 40 เลเยอร์ (บล็อก short-convolution แบบ double-gated 30 บล็อก, grouped-query attention 10 บล็อก) G​emma 4 12B เป็นแบบ dense: รวม 11.95B ทั่ว 48 เลเยอร์ โดยอ่านพารามิเตอร์ทุกตัวในทุกโทเคน

• สิ่งที่พอดีกับดิสก์ — Liquid เผยแพร่ Q4_K_M GGUF ที่ 14.5 GB และ QAT QAD-Q4_0 ที่ 13.6 GB พร้อมบิลด์ MLX แบบ 4-bit ที่ 13.6 GB; 48 GB ใน BF16 QAT GGUF ของ Google สำหรับ 12B มีน้ำหนักประมาณ 6.98 GB บวกไฟล์ multimodal projection ขนาด 0.18 GB และบิลด์จากชุมชน Unsloth มีตั้งแต่ประมาณ 4.2 GB ที่ 2-bit ถึง 7.12 GB ที่ Q4_K_M

• บริบท — 131,072 โทเค็นสำหรับ LFM2.5-24B-A2B ซึ่งเป็นสองเท่าของ 32,768 ในรุ่นก่อนหน้า Gemma 4 12B รองรับ 256K (262,144) พร้อมหน้าต่างเลื่อนขนาด 1,024 โทเค็นและแอตเทนชันแบบไฮบริดที่สลับเลเยอร์แบบโลคอลและโกลบอลเข้าด้วยกัน

• โมดัลลิตี — LFM2.5-24B-A2B รองรับเฉพาะข้อความ และเป็นเช่นนั้นโดยเจตนา G​emma 4 12B รองรับทั้งข้อความ รูปภาพ และเสียง โดยไม่มีตัวเข้ารหัสมัลติโมดัลใด ๆ เลย: แพตช์ภาพดิบและรูปคลื่นเสียงถูกฉายตรงเข้าไปในพื้นที่เดียวกับโทเคนข้อความ

• พฤติกรรมการให้เหตุผล — LFM2.5-24B-A2B เป็นแบบที่ให้เหตุผลอย่างเดียวตามถ้อยคำของผู้จำหน่าย: มันจะคิดภายในบล็อก <think> ก่อนตอบเสมอ การ์ดของ Gemma 4 12B ระบุว่าเป็นโมเดลที่ปรับตามคำสั่งโดยไม่มีร่องรอยบังคับ ซึ่งบนแล็ปท็อปถือเป็นข้อได้เปรียบด้านความหน่วงและเป็นการสูญเสียความโปร่งใส

• สัญญาอนุญาต — lfm1.0 สามารถดาวน์โหลด ปรับแต่งละเอียด และใช้งานเชิงพาณิชย์ได้ฟรีจนถึงรายได้ต่อปี 10 ล้านดอลลาร์สหรัฐฯ จากนั้นจึงต้องใช้สัญญาอนุญาตเชิงพาณิชย์ ส่วน G​emma 4 12B ใช้ Apache 2.0 โดยไม่มีเงื่อนไขเกี่ยวกับรายได้ ขณะที่ข้อกำหนดการใช้งานและนโยบายการใช้งานที่ต้องห้ามของ G​oogle อยู่เคียงคู่กับน้ำหนักโมเดลในฐานะเอกสารการใช้งานที่ยอมรับได้ ไม่ใช่ข้อจำกัดของสัญญาอนุญาต

• ขนาดคำศัพท์และขนาดการฝึก — LFM2.5-24B-A2B ขยายคำศัพท์จาก 65K เป็น 128K ด้วยการขยาย tokenizer แบบ in-place และขยายการพรีเทรนจาก 17T เป็น 33T โทเคน โดยมีโทเคนช่วง mid-training 300B ที่บริบทเต็ม และขั้นตอน RL เชิงเอเจนต์ภายในฮาร์เนสจริง G​emma 4 12B มีคำศัพท์ขนาด 262K ที่ใช้ร่วมกันทั่วทั้งตระกูล และถูกพรีเทรนด้วย 140+ ภาษา โดยอ้างว่ารองรับ 35+ ภาษาได้ทันที

เกณฑ์มาตรฐานหนึ่งเดียวที่ผู้ขายทั้งสองรายทำ

การเปรียบเทียบตารางการเปิดตัวสองตารางที่แตกต่างกันโดยปกติแล้วเป็นกับดัก ในที่นี้มีเพียงหนึ่งแถวเท่านั้นที่บริษัททั้งสองวัดสิ่งเดียวกันด้วยเกณฑ์ที่เทียบเคียงกันได้ และแถวนั้นก็คุ้มค่าที่จะแยกออกมาให้เห็นชัด เพราะมันช่างโดดเดี่ยวเหลือเกิน

GPQA Diamond — Liquid รายงานค่า 74.42 สำหรับ LFM2.5-24B-A2B ขณะที่ตารางตระกูล Gemma 4 ของ Google รายงานค่า 78.8 สำหรับ Gemma 4 12B ที่ปรับแต่งด้วยคำสั่ง ทั้งสองเป็นค่าที่ผู้ขายรายงานเองและยังไม่มีใครทำซ้ำได้ ตัว dense 12B ได้เปรียบเล็กน้อยในคำถามวิทยาศาสตร์ระดับบัณฑิตศึกษา ซึ่งสอดคล้องกับกรอบที่ Liquid เองวางไว้ว่าโมเดลของตนไม่ใช่ตัวที่ควรใช้ถามคำถามเชิงความรู้ — โพสต์เปิดตัวแนะนำให้จับคู่กับ retrieval หรือการค้นเว็บ แทนที่จะเชื่อถือเวตของมัน

ทุกอย่างอื่นต้องอ่านภายในตารางของตัวเอง และสรุปตามจริงก็คือ สองตารางนี้วัดสิ่งที่แทบจะไม่เกี่ยวข้องกันเลย ตารางสิบหกเบนช์มาร์กของ Liquid ครอบคลุม AutomationBench (27.69), BFCLv4 (65.01), ToolSandbox (80.71), LiveClaw (48.09), PinchBench (83.18), τ³-Bench Banking (8.04), WebArena Verified (26.75), IFEval (96.75), IFBench (74.69), Multi-IF (84.38), MATH-500 (96.04), SWE-Bench Verified ผ่าน OpenCode (51.00), SciCode (32.71), AA-Omniscience (−24.90) และ HLE (7.40) ตารางตระกูลของ G​oogle ครอบคลุม MMLU Pro (77.2), AIME 2026 โดยไม่ใช้เครื่องมือ (77.5), LiveCodeBench v6 (72.0), คะแนน ELO ของ Codeforces ที่ 1659, MMMU Pro (69.1) และ MRCR v2 ที่ 128K พร้อมเข็มแปดอัน (43.4)

มีจุดทับซ้อนเพียงจุดเดียว และไม่มีชุดทดสอบที่ใช้ร่วมกัน ใครก็ตามที่เผยแพร่ตารางคะแนนรวมจากสองตารางนั้น กำลังกุการเปรียบเทียบที่ทั้งสองบริษัทไม่ได้ลงมือทำ

โดยอิสระ และนี่คือประเด็นที่แหลมคมกว่า

Artificial Analysis ได้ให้คะแนน Gemma 4 12B ไว้ดังนี้: ดัชนี Intelligence Index อยู่ที่ 14 จัดเป็นอันดับที่ 20 จาก 141 โมเดลในกลุ่มเปรียบเทียบเดียวกัน ด้วยความเร็วที่วัดได้ 110.9 โทเคนต่อวินาที และต้นทุนผสมจากบุคคลที่สามที่ 0.10 ดอลลาร์ต่อล้านโทเคนอินพุต และ 0.30 ดอลลาร์ต่อล้านโทเคนเอาต์พุต นี่คือตัวเลขจากแหล่งอิสระของโมเดลที่เปิดให้สาธารณะมาแล้วสี่เดือนและมีระบบนิเวศอยู่เบื้องหลัง

LFM2.5-24B-A2B ไม่มีอะไรเทียบเท่าได้ มันเพิ่งมีอายุได้หนึ่งวัน ยังไม่มีบุคคลที่สามรายใดเผยแพร่คะแนน และตัวเลข edge ของ Liquid เอง — 184 โทเคนต่อวินาทีบน Apple M5 Max, 114 บน AMD Ryzen AI Max+ 395, "เร็วสูงสุดถึง 1.7 เท่าของ MoEs ที่เทียบเคียงได้บนอุปกรณ์" — ไม่มีค่าพื้นฐานอ้างอิงและไม่มีผลการทำซ้ำ สำหรับโมเดลที่ผู้ขายวัดเองเทียบกับโมเดลที่วัดอย่างอิสระ ความไม่สมมาตรนั่นแหละคือข้อค้นพบ: หนึ่งในสองตัวเลขนี้คุณตรวจสอบเองได้วันนี้ และไม่ใช่ตัวเลขที่ใหม่กว่า

ถ้าคุณไม่อยากเดิมพันเส้นทางโปรดักชันกับตารางผู้ให้บริการที่อายุแค่สี่วัน นี่แหละคือสิ่งที่ automatic failover มีไว้เพื่อสิ่งนี้ ชี้ agent ไปที่ LFM2.5-24B-A2B เก็บโมเดลที่มีคะแนนไว้ข้างหลัง แล้วปล่อยให้ router ย้ายคำขอเมื่อ harness เริ่มล้มเหลว — ไม่ต้องมีสัญญาที่สอง ไม่ต้องแก้โค้ดใด ๆ นอกเหนือจากรายการ fallback

ค่าใช้จ่าย ในสองสกุลเงินที่สิ่งเหล่านี้ดำเนินการอยู่

ทั้งสองเป็นโมเดลแบบ local-first ดังนั้นค่าใช้จ่ายจริงคือฮาร์ดแวร์และไฟฟ้า ในฝั่งที่โฮสต์ Liquid คิดราคาการเข้าถึง API ที่ $0.10 ต่อล้านโทเค็นอินพุต ($0.05 สำหรับแคช) และ $1.00 ต่อล้านเอาต์พุตผ่าน Console ของตัวเอง โดยมีเครดิตเริ่มต้น $2 G​oogle ไม่ได้ประกาศราคาต่อโทเค็นสำหรับ G​emma 4 12B เลย — การผสมผสาน $0.10/$0.30 ข้างต้นเป็นค่ามัธยฐานจากบุคคลที่สามในแพลตฟอร์มต่างๆ ที่ให้บริการ open weights ไม่ใช่ราคาที่ประกาศ และการถือว่ามันเป็นราคาที่ประกาศจะผิด

นี่คือส่วนที่สำคัญสำหรับทีมที่กำลังประเมินทั้งสอง: ไม่มี checkpoint ใดอยู่ในแคตตาล็อกของเราวันนี้ เรามีจุดอ้างอิงที่การตัดสินใจนี้วนกลับมาที่ — qwen/qwen3.6-35b-a3b ซึ่งเป็นโมเดลที่ Liquid วัดเทียบด้วยพารามิเตอร์มากกว่า 1.5 เท่า บวกกับ google/gemma-4-26b-a4b-it, obsidian/gemma-4-26B-A4B และ google/gemma-4-31b-it จากตระกูล G​emma 4 เดียวกัน — ทั้งหมดอยู่ภายใต้คีย์เดียว ทั้งหมดมีมาร์กอัป 0% จากราคาที่ผู้ให้บริการกำหนดเอง ดังนั้นการเปลี่ยนแปลงราคาของผู้ขายจะส่งถึงคุณในวันที่เปลี่ยนแปลง ไม่ใช่วันที่ใครบางคนเซ็นสัญญาใหม่ รันงานของคุณเองกับขนาด G​emma 4 ที่โฮสต์ไว้ จากนั้นตัดสินว่าขนาด 12B บนแล็ปท็อปของคุณซ้ำซ้อนหรือไม่

สิ่งที่ฉันจะทำจริงๆ

ดาวน์โหลดควอนต์ทั้งสองตัว Gemma 4 12B ที่ Q4_K_M มีขนาดประมาณ 7 GB และจะบอกคุณได้ภายในหนึ่งชั่วโมงว่างานของคุณต้องใช้ตาและหูหรือไม่ — ถ้าใช่ การตัดสินใจก็จบเลย และ LFM2.5-24B-A2B ก็ไม่มีสิทธิ์อยู่ในตัวเลือกเลยด้วยซ้ำ เพราะมันมองไม่เห็น ถ้าไม่ต้อง ให้โหลด LFM2.5-24B-A2B QAD-Q4_0 ที่ขนาด 13.6 GB แล้วรันฮาร์เนสจริงของคุณกับมัน เพราะเหตุผลทั้งหมดที่สนับสนุนเช็คพอยต์นั้นคือการเรียกเครื่องมือแบบหลายขั้นตอน และไม่มีเบนช์มาร์กแบบสถิตใดจะชี้ขาดให้กับเครื่องมือของคุณได้

สองสิ่งที่ควรคำนึงถึงขณะที่คุณทำ ข้อแรก ตารางของทั้งสองผู้ให้บริการยังไม่มีการทำซ้ำผล และโมเดลเดียวในบทเปรียบเทียบนี้ที่มีการให้คะแนนอย่างเป็นอิสระคือโมเดลที่เก่ากว่าและมีความหนาแน่นสูงกว่า — ซึ่งเป็นเหตุผลที่ทำให้ควรเชื่อตัวเลขของ Gemma 4 12B มากขึ้น ไม่ใช่เหตุผลที่จะสรุปว่าโมเดลใหม่กว่าอ่อนแอกว่า ข้อที่สอง ช่องว่างด้านสัญญาอนุญาตนั้นเป็นของจริงและไม่สมมาตรในแบบที่แทบไม่ค่อยปรากฏในโพสต์เปรียบเทียบ benchmark: Gemma 4 12B เป็น Apache 2.0 ตลอดไป ขณะที่ LFM2.5-24B-A2B จะกลายเป็นเรื่องที่ต้องเจรจากันเรื่องการใช้งานเชิงพาณิชย์ทันทีที่บริษัทของคุณมีรายได้เกิน 10 ล้านดอลลาร์ สำหรับนักพัฒนาเดี่ยว สิ่งนี้มองไม่เห็น สำหรับทีมผลิตภัณฑ์ที่ส่งมอบเอเจนต์ที่ทำงานบนอุปกรณ์ มันคือรายการในรอบการวางแผนครั้งถัดไป และเป็นมิติเดียวที่โมเดลที่เล็กกว่า เก่ากว่า และเป็นมัลติโมดัลนั้นเป็นตัวเลือกเริ่มต้นที่ปลอดภัยกว่าอย่างชัดเจน

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