LFM2.5-24B-A2B vs LFM2.5-8B-A1B-DSpark: หนึ่งในนี้ไม่ใช่โมเดลที่คุณสามารถรันได้

ใส่ LFM2.5-24B-A2Bและ LFM2.5-8B-A1B-DSpark ลงในตารางเปรียบเทียบ แล้วตารางนั้นก็โกหกตั้งแต่ก่อนที่คุณจะเติมข้อมูลลงในเซลล์แม้แต่ช่องเดียว LFM2.5-24B-A2B ของ Liquid AI ซึ่งเปิดตัวเมื่อวันที่ 13 ตุลาคม 2026 เป็นโมเดลภาษา: พารามิเตอร์ 24.0B เปิดใช้งาน 2.45B ต่อโทเคน บริบท 131,072 โทเคน และตอบพรอมต์ได้ ส่วน LFM2.5-8B-A1B-DSpark ซึ่งเปิดตัวเมื่อวันที่ 20 สิงหาคม 2026 เป็นเช็กพอยต์ดราฟต์ขนาด 327.7 ล้านพารามิเตอร์ที่ไม่สามารถตอบอะไรได้ด้วยตัวเอง — มันมีอยู่เพื่อเดาโทเคนถัดไปให้กับโมเดลอีกตัวหนึ่ง คือ LFM2.5-8B-A1B และให้โมเดลนั้นเป็นตัวตรวจสอบ การสับสนระหว่างสองตัวนี้เป็นวิธีที่พบบ่อยที่สุดที่ทำให้การเปิดตัวครั้งนี้ถูกตีความผิด และคุ้มค่าที่จะทำให้กระจ่างตั้งแต่ย่อหน้าแรก เพราะเนื้อหาที่เหลือของหน้านี้ขึ้นอยู่กับเรื่องนี้: หนึ่งในสองตัวนี้มีราคาต่อล้านโทเคนและมีการ์ด Hugging Face ที่คุณชี้ให้เอเจนต์เข้าไปได้ ส่วนอีกตัวอาศัยอยู่ในสแตกอินเฟอเรนซ์ของคนอื่น

สิ่งที่ทำให้การจับคู่นี้มีค่าควรแก่การเขียนถึงเป็นหน้าหนึ่งจริง ๆ ก็คือ มันเป็นการเปรียบเทียบที่ Liquid AI ตั้งไว้สำหรับตัวเอง การ์ดโมเดล LFM2.5-24B-A2B ระบุว่า DSpark speculative-decoding draft สำหรับรุ่น 24B กำลังจะมา เมื่อมันมาถึง คำถามที่หน้านี้ตอบอยู่พอดีก็จะเป็นคำถามที่ผู้คนถามเกี่ยวกับมัน — เคล็ดลับ draft ที่ทำให้โมเดล 8B เร็วขึ้นถึง 3.18× บน GPU ของศูนย์ข้อมูลจะให้ผลคุ้มค่าจริงหรือไม่กับโมเดล 24B ที่เหตุผลทั้งหมดของการมีอยู่คือแล็ปท็อป? ตัวเลขของ 8B มีรูปร่างของคำตอบอยู่แล้ว และมันไม่ใช่รูปร่างที่พาดหัวข่าวบอกเป็นนัย

ดราฟต์เช็กพอยต์จริง ๆ คืออะไร ในสามประโยค

การถอดรหัสเชิงคาดการณ์วางโมเดลราคาถูกไว้หน้าโมเดลราคาแพง โดยดราฟเตอร์จะเสนอบล็อกของโทเคนตัวเลือก โมเดลจริงตรวจสอบทั้งบล็อกในฟอร์เวิร์ดพาสเดียว แล้วเก็บเฉพาะสิ่งที่มันเห็นด้วย เพราะโมเดลเป้าหมายตรวจสอบทุกโทเคนที่ถูกเสนอ เอาต์พุตภายใต้การถอดรหัสแบบ greedy จึงเหมือนกันทุกบิตกับการรันโมเดลเป้าหมายเพียงลำพัง วลีของ Liquid คือ "ไม่สูญเสียข้อมูลโดยโครงสร้าง" และนั่นคือเหตุผลที่ดราฟต์ปลอดภัยที่จะติดตั้งเข้ากับสแตกโปรดักชัน LFM2.5-8B-A1B-DSpark เป็นดราฟเตอร์ที่ตั้งใจให้เล็กโดยเฉพาะ: ห้าชั้นที่มีเฉพาะ attention, บล็อกละเก้าโทเคนที่เสนอต่อหนึ่งขั้น และเฮด Markov บนคำศัพท์ 128,000 โทเคนของโมเดลเป้าหมาย ฝึก 15 เอพ็อกบนข้อมูลแชต โค้ด และการเรียกฟังก์ชัน โดยเลือกเช็กพอยต์จากอัตราการยอมรับแทนที่จะเป็น validation loss

รายละเอียดข้อสุดท้ายนั้นไม่ใช่เกร็ดเล็กเกร็ดน้อย บทความที่ Liquid เขียนเองระบุว่า สำหรับดราฟต์ที่มีขนาดใหญ่กว่า ค่า validation loss “ยังคงดีขึ้นเรื่อย ๆ หลังจากที่ค่า benchmark acceptance ที่เราสนใจหยุดนิ่งไปแล้ว” — ซึ่งเป็นประโยคแบบที่เกิดขึ้นได้ก็ต่อเมื่อทีมกำลังนำสิ่งนี้ไปใช้งานในระบบเสิร์ฟจริง มากกว่าที่จะตีพิมพ์เปเปอร์

สแต็กทั้งสอง หนึ่งบรรทัดต่อมิติ

• คืออะไร — LFM2.5-24B-A2B เป็นโมเดลการให้เหตุผลที่พร้อมนำไปใช้งาน รับข้อความเข้าและส่งข้อความออก ส่วน LFM2.5-8B-A1B-DSpark เป็นเพียงตัวเร่งการถอดรหัสเชิงคาดการณ์ (speculative decoding) เท่านั้น ไม่ใช่อย่างอื่น

• ขนาด — รวม 24.0B / ใช้งานจริง 2.45B ต่อโทเคน, ผู้เชี่ยวชาญ 64 ตัว พร้อมการจัดเส้นทางแบบ top-4 ทั่ว 40 เลเยอร์ เทียบกับพารามิเตอร์ดราฟต์ 327.7M ในห้าเลเยอร์ที่มีเฉพาะ attention

• บริบท — 131,072 โทเค็นสำหรับรุ่น 24B ซึ่งเพิ่มขึ้นเป็นสองเท่าจากรุ่นก่อนหน้า; ฉบับร่างไม่มีบริบทเป็นของตัวเอง เนื่องจากมันทำงานบนสตรีมของโมเดลเป้าหมาย

• การให้เหตุผล — โมเดล 24B จะส่งออกสายความคิดที่ชัดเจนภายในบล็อก <think> เสมอ ส่วนฉบับร่างไม่แสดงสิ่งใดที่ผู้ใช้จะได้เห็นเลย

• ราคา — $0.10 ต่อล้านโทเค็นอินพุต ($0.05 สำหรับแคช) และ $1.00 ต่อล้านโทเค็นเอาต์พุตบน Console ของ Liquid พร้อมเครดิตเริ่มต้น $2 สำหรับรุ่น 24B ส่วนฉบับร่างไม่มีราคา เนื่องจากไม่มีผู้ให้บริการอินเฟอเรนซ์รายใดรองรับ

• สัญญาอนุญาต — lfm1.0 สำหรับทั้งสอง: ดาวน์โหลด ปรับแต่งละเอียด และนำไปใช้งานเชิงพาณิชย์ได้ฟรี จนกว่าบริษัทจะมีรายได้ต่อปีเกิน $10M ซึ่ง ณ จุดนั้นจะต้องใช้สัญญาอนุญาตเชิงพาณิชย์

• รูปแบบที่เผยแพร่ — GGUF จาก Q4_K_M ที่ 14.5 GB ถึง 48 GB BF16, QAT QAD-Q4_0 ที่ 13.6 GB, FP8, ONNX และ MLX แบบ 4/5/6/8-bit สำหรับ 24B; Safetensors และ GGUF สำหรับโมเดล draft พร้อมการรองรับ SGLang และ llama.cpp ตั้งแต่วันแรก

มิติที่ตัดสินทุกสิ่งคือมิติสุดท้ายที่ถูกแก้ไขโดยตัวที่ห้า: หนึ่งในสิ่งเหล่านี้มีราคาต่อโทเคน และอีกสิ่งคือสิ่งที่คุณติดตั้งเพื่อทำให้โมเดลที่โฮสต์เองมีต้นทุนต่อโทเคนถูกลง พวกมันไม่เคยแข่งขันกันเลย พวกมันซ้อนทับกัน

ตัวเลขที่สำคัญ และตัวเลขหนึ่งที่ควรทำให้คุณกังวล

Liquid วัด DSpark draft ที่ขนาดแบตช์ 1 และอุณหภูมิ 0 บนห้าชุดข้อมูล — บน H100 80GB ใน BF16 ภายใต้ SGLang และบน MacBook Pro M4 Max ใน FP16 GGUF ภายใต้ llama.cpp ด้วยเคอร์เนล Metal เชิงทดลอง ทุกการเพิ่มความเร็วเปรียบเทียบกับโมเดลเป้าหมายเดียวกันที่ทำงานลำพังบนฮาร์ดแวร์เดียวกัน ทั้งหมดเป็นข้อมูลที่ผู้ขายรายงาน และเมื่อผ่านไปสามเดือน ก็ยังไม่มีการทำซ้ำ

บน H100 เทียบกับ LFM2.5-8B-A1B:

• MATH500 — 3.18× (428 → 1,362 โทเคน/วินาที, อัตราการยอมรับ 8.27) — ตัวเลขไฮไลต์

• MT-Bench — 3.02× (426 → 1,288 โทเคน/วินาที, อัตราการยอมรับ 8.52)

• MBPP — 2.64× (426 → 1,122) และ HumanEval — 2.58× (426 → 1,100)

• GSM8K — 1.29× (385 → 496, อัตราการยอมรับ 4.02) — เป็นกรณีที่อ่อนแอ และสังเกตว่ามันเป็นกรณีที่เป้าหมายนั้นเร็วกว่าอยู่แล้วตั้งแต่แรก

• ค่าเฉลี่ย — 2.54× (418 → 1,074 tokens/s)

บน M4 Max ฉบับร่างเดียวกันเมื่อเทียบกับเป้าหมายเดียวกันคือผลิตภัณฑ์ที่แตกต่างออกไป: MATH500 1.21× (93 → 112), GSM8K 1.44× (90 → 129), HumanEval 1.12× (91 → 101), MBPP 1.09× (89 → 97), MT-Bench 1.04× (87 → 90), ค่าเฉลี่ย 1.18× (90 → 106).

อ่านรายการทั้งสองนี้ประกอบกัน แล้วข้อสรุปก็เลี่ยงไม่ได้: ดราฟต์เช็กพอยต์ไปเร่งฮาร์ดแวร์ที่โมเดลไม่ได้ถูกสร้างมาเพื่อให้เร็วขึ้น และแทบไม่ส่งผลกับฮาร์ดแวร์ที่มันถูกสร้างมาเพื่อเลย นั่นไม่ใช่บั๊กในสิ่งที่ Liquid พัฒนา แต่มันคือจุดที่คอขวดตั้งอยู่ — speculative decoding ให้ผลคุ้มค่าเมื่อคุณว่างจากการประมวลผลและขาดแคลนหน่วยความจำ และ M4 Max ที่รัน MoE แบบควอนไทซ์ซึ่งมีพารามิเตอร์ทำงาน 1.5B นั้นใกล้ถึงเพดานแบนด์วิดท์หน่วยความจำของมันอยู่แล้ว Liquid เองเป็นคนเผยแพร่ครึ่งที่แย่ของผลลัพธ์ ซึ่งเป็นเหตุผลว่าทำไมตัวเลข 3.18× ถึงถูกอ้างถึงเดี่ยว ๆ บ่อยกว่าตัวเลข 1.18× ที่ผู้อ่านส่วนใหญ่ของพวกเขาจะได้พบจริงเสียอีก

ทำไมการจับคู่ 24B จึงเป็นคำถามที่เปิดกว้างอย่างแท้จริง

ทุกสิ่งเกี่ยวกับร่าง LFM2.5-24B-A2B ที่กำลังจะมาถึงยังไม่มีการประกาศใด ๆ นอกเหนือจากคำว่า "coming soon" บนการ์ดโมเดล ดังนั้นสิ่งที่ตามมาจึงเป็นการให้เหตุผลเกี่ยวกับรูปร่างของปัญหา มากกว่าที่จะเป็นรายงาน

คุณค่าของแบบร่างขึ้นอยู่กับอัตราการยอมรับ และอัตราการยอมรับก็ขึ้นอยู่กับว่าสิ่งที่ต้องการทำนายนั้นคาดเดาได้มากแค่ไหน โมเดลให้เหตุผลที่สร้างสายความคิดแบบชัดแจ้งออกมาเสมอ — LFM2.5-24B-A2B ก็เป็นเช่นนั้นพอดี และ Liquid ก็จัดส่งมันมาพร้อมอุณหภูมิที่แนะนำที่ 0.1 — ย่อมปล่อยข้อความยาว ๆ ที่คาดเดาได้ในระดับท้องถิ่นออกมา นั่นคือดินชั้นดีที่สุดสำหรับบล็อกขนาด 9 โทเคน ดังนั้นเพดานของแบบร่าง 24B จึงอาจสูง และบันทึกหมายเหตุเรื่องคำศัพท์ของบัตรการ์ดเองก็ช่วยด้วย: 24B ใช้คำศัพท์ 128,000 โทเคนชุดเดียวกับที่หัว Markov ของตัวร่าง 8B ถูกสร้างขึ้นมาบนนั้น ดังนั้นหัวร่างจึงไม่จำเป็นต้องสร้างใหม่จากปริภูมิโทเคนที่ต่างออกไป

ตัวถ่วงดุลคือฮาร์ดแวร์ ผลลัพธ์บน edge ที่โมเดล 24B ระบุไว้คือ 184 โทเคนต่อวินาทีบน Apple M5 Max และเป้าหมายที่ใหญ่กว่าย่อมหมายถึงรอบการตรวจสอบที่ใหญ่กว่า แม้ว่าบล็อกจะถูกยอมรับทั้งหมดก็ตาม หากรูปแบบของ 8B ยังคงเดิม — ได้ประโยชน์มากในจุดที่คุณมีพลังประมวลผลเหลือเฟือ ได้ประโยชน์เล็กน้อยบนแล็ปท็อป — ดราฟต์ 24B อาจกลายเป็นเครื่องมือสำหรับดาต้าเซ็นเตอร์ที่แนบมากับโมเดล edge ซึ่งเป็นรูปร่างที่แปลกสำหรับผลิตภัณฑ์ ใครก็ตามที่อ้าง "3.18×" โดยคาดหวังสิ่งนั้น กำลังอ้างตัวเลขที่วัดบนโมเดลอื่น บนฮาร์ดแวร์อื่น และกับดราฟต์อื่น

ต้นทุน และเหตุผลสนับสนุนการไม่โฮสต์ด้วยตนเองเลย

ข้อควรพิจารณาที่ตรงไปตรงมาอย่างหนึ่ง: คุณค่าทั้งหมดที่ DSpark นำเสนอคือปริมาณงานต่อโทเคนที่โฮสต์เอง ดังนั้นเหตุผลเชิงเศรษฐศาสตร์ของมันจึงอยู่ที่ต้นทุนต่อโทเคนของเวลา GPU ของคุณเอง ในทางกลับกัน โมเดล 24B มีราคาสาธารณะ — $0.10 ต่อล้านโทเคนอินพุต ($0.05 เมื่อแคช) และ $1.00 ต่อล้านโทเคนเอาต์พุต — ซึ่งเป็นสิ่งที่คุณจ่ายหากคุณไม่อยากรันเช็กพอยต์ควอนไทซ์ขนาด 14.5 GB บนแล็ปท็อปของคุณเองเลย

เพื่อให้ชัดเจนว่าเราให้บริการอะไรและไม่ให้บริการอะไร: เราไม่ให้บริการ LFM2.5-24B-A2B หรือ LFM2.5-8B-A1B-DSpark บน OrcaRouter สิ่งที่เราให้บริการคือโมเดลแบบ open-weight ที่การตัดสินใจนี้ต้องเจอเข้าซ้ำ ๆ — qwen/qwen3.6-35b-a3b ซึ่งเป็นโมเดลที่ Liquid ใช้เป็นเกณฑ์เปรียบเทียบกับรุ่น 24B ของตน โดยมีพารามิเตอร์ทั้งหมดและพารามิเตอร์ที่ทำงานอยู่มากกว่ากันราวห้าสิบเปอร์เซ็นต์ พร้อมด้วย google/gemma-4-26b-a4b-it, obsidian/gemma-4-26B-A4B และ google/gemma-4-31b-it ในกลุ่ม sparse-open เดียวกัน หากคุณกำลังชั่งน้ำหนักระหว่างการดาวน์โหลด 14 GB กับสแต็ก speculative decoding เทียบกับการเรียกใช้โมเดลที่ให้บริการอยู่หลังคีย์เดียว โดยบวกเพิ่ม 0% จากราคาตามรายการของผู้ให้บริการ นั่นคือการเปรียบเทียบที่คุณสามารถรันทดสอบได้ในบ่ายนี้ฝั่งเรา แต่ฝั่งพวกเขาทำได้เพียงประมาณการเท่านั้น

วันนี้จะทำอะไรกับสองคนนี้ดี

ถ้าคุณอยากได้โมเดลไว้เรียกใช้งาน คำตอบคือ LFM2.5-24B-A2B และเช็กพอยต์ DSpark ไม่เกี่ยวข้องกับคุณเลย — มันเร่งความเร็วโมเดล 8B รุ่นเฉพาะรุ่นเดียว และไม่มีแพลตฟอร์มบุคคลที่สามรายใดให้บริการทั้งสองตัวนี้ หากคุณโฮสต์ LFM2.5-8B-A1B ด้วยตัวเองบน GPU อยู่แล้ว ดราฟต์คือตัวคูณ throughput ฟรีที่ไม่เปลี่ยนอะไรกับผลลัพธ์ของคุณ และค่าเฉลี่ย 2.54× คือการลดต้นทุนการให้บริการจริง หากคุณโฮสต์มันเองบน Mac ค่าเฉลี่ยคือ 1.18× และการอ่านอย่างตรงไปตรงมาคือดราฟต์มีมูลค่าประมาณหนึ่งในสิบของสิ่งที่พาดหัวเปิดตัวสื่อเป็นนัย

สิ่งที่ต้องจับตาดูไม่ใช่วันที่เปิดตัวของดราฟต์ 24B ซึ่งไม่มีใครเผยแพร่ แต่เป็นว่ามันจะไปตกอยู่ในภาวะใดจากสองภาวะนี้ ถ้า Liquid เผยแพร่ค่าเฉลี่ยที่สูงกว่า 2× บน Apple silicon การถอดรหัสเชิงคาดการณ์ได้ข้ามเส้นแบ่งไปแล้ว และระดับ edge ก็จะรันได้ถูกลงอย่างแท้จริง ถ้ามันเผยแพร่ตัวเลขพีกโดยไม่มีค่าเฉลี่ยสำหรับแล็ปท็อป ผลลัพธ์ 8B ก็จะเป็นคำตอบมาตลอด: เทคนิคนี้คุ้มค่าในที่ที่คุณมีทรัพยากรประมวลผลที่ว่างอยู่ และเครื่องที่รัน mixture of experts ขนาด 24B ด้วยแบตเตอรี่ก็ไม่มีทรัพยากรเหลือให้สำรอง

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