LFM3-1.7B-Base เทียบกับ Qwen 3.8: ผิดรุ่นน้ำหนัก แต่คำถามถูกต้อง

คำตอบที่ตรงไปตรงมาคือ LFM3-1.7B-Baseไม่ได้แข่งขันกับ Qwen3.8-27B และไม่เคยมีจุดประสงค์ให้เป็นเช่นนั้น ถ้าตั้งคำถามให้ถูกต้อง คุณจะได้โมเดล Qwen สามรุ่นที่แตกต่างกันกลับมา ได้แก่ โมเดลวิชัน-ภาษาขนาด 27B แบบเปิดน้ำหนักที่ Alibaba เผยแพร่ในเดือนสิงหาคม 2026 และโมเดลแบบโฮสต์ Qwen3.8-Flash ในราคา $0.15 ต่อหนึ่งล้านโทเค็นอินพุต และ $0.47 ต่อหนึ่งล้านโทเค็นเอาต์พุต และ Qwen3.8-Max ในราคา $2.00 และ $6.00 เช็กพอยต์ 1.73B ใหม่ของ Liquid เป็นวัสดุดิบที่ผ่านการพรีเทรนสำหรับโทรศัพท์ แล็ปท็อป หรือการรันไฟน์ทูน ส่วนไลน์ของ Qwen คือครอบครัวของผลิตภัณฑ์สำเร็จรูป การเปรียบเทียบที่มีประโยชน์ไม่ใช่ว่าใครได้คะแนนสูงกว่า แต่คือคุณกำลังซื้อกรอบการติดตั้งใช้งานแบบใดกันแน่

กรอบความคิดนั้นยังอธิบายได้ด้วยว่าทำไมการเปรียบเทียบนี้จึงยังไม่มีการรายงานอย่างจริงจัง ไม่มีอะไรให้ใช้เป็นเกณฑ์เปรียบเทียบได้เลย: ฝ่ายหนึ่งมีตารางผู้ขายที่มี 27 แถว ส่วนอีกฝ่ายไม่มีการประเมินที่เผยแพร่เลยแม้แต่ครั้งเดียว ดังนั้นบทความนี้จึงทำการเปรียบเทียบตามลำดับเดียวที่ยังคงอยู่ได้เมื่อเผชิญกับข้อเท็จจริง — สิ่งที่แต่ละฝ่ายส่งมอบ ค่าใช้จ่ายในการใช้งาน และสิ่งที่คุณได้รับอนุญาตให้ทำกับมัน

Qwen 3.8 สามตัว จากการซื้อที่แตกต่างกันสามครั้ง

Qwen3.8-27B เป็นตัวเลือกแบบ open-weight Alibaba เผยแพร่ในเดือนสิงหาคม 2026 ภายใต้ Apache 2.0 และนับตั้งแต่นั้นมียอดดาวน์โหลดสะสมมากกว่า 7.5 ล้านครั้ง เป็นโมเดล causal แบบ dense ขนาด 27B พร้อมตัวเข้ารหัสภาพ มี 64 เลเยอร์ในเลย์เอาต์ 16 × (3 × Gated DeltaNet → FFN, 1 × Gated Attention → FFN) และมีบริบทเนทีฟ 262,144 โทเค็น ซึ่ง Alibaba กล่าวว่าสามารถขยายได้ถึง 1,000,000 โทเค็น รองรับความเข้าใจภาพและวิดีโอ มีการควบคุมการคิด และมุ่งเป้างานเอเจนต์ระยะยาวอย่างชัดเจน

Qwen3.8-Flash เป็นระดับบริการแบบโฮสต์ที่ทีมส่วนใหญ่จะนำมาประเมินราคาเป็นอันดับแรกจริง ๆ ในแคตตาล็อกของ OrcaRouterเป็นโมเดลที่รองรับบริบท 1M ซึ่งรองรับอินพุตข้อความ รูปภาพ และวิดีโอ โดยมีเพดานเอาต์พุต 131K และอัตราค่าบริการอยู่ที่ $0.15 สำหรับอินพุต และ $0.47 สำหรับเอาต์พุตต่อหนึ่งล้านโทเค็น หน้าโมเดลระบุวันที่ลงรายการเป็น 26 สิงหาคม 2026 และบันทึกเอาต์พุต 157 โทเค็นต่อวินาทีในช่วงสัปดาห์ก่อนหน้า

Qwen3.8-Max คือรุ่นท็อปสุดของไลน์นี้: ราคาอินพุต $2.00 และเอาต์พุต $6.00 ต่อหนึ่งล้านโทเคน รองรับคอนเท็กซ์ 1M และไม่มี open weights นี่คือระดับที่คุณใช้เมื่องานนั้นสมเหตุสมผลกับราคาระดับฟรอนเทียร์ ไม่ใช่ระดับที่คุณจะเอาไปเทียบกับเช็กพอยต์ฐานขนาด 1.7B

LFM3-1.7B-Base มาพร้อมกับอะไรจริง ๆ

Liquid สร้างที่เก็บ LFM3-1.7B-Base เมื่อวันที่ 26 ตุลาคม 2026 และประกาศตระกูลโมเดลในวันถัดมา checkpoint นี้เป็นแบบข้อความล้วน มีพารามิเตอร์ 1.73B ประกอบด้วย 24 เลเยอร์ของ gated short convolutions และ attention แบบเต็มหรือแบบ sliding-window พร้อมบริบท 256K โทเคน คำศัพท์ 128,000 โทเคน ภาษาที่ระบุชื่อ 16 ภาษา และใช้หน่วยความจำประมาณ 1 GB ที่ความแม่นยำ 4-bit โมเดลนี้ฝึกด้วย 22 ล้านล้านโทเคน โดย 3.5 ล้านล้านโทเคนสุดท้ายเป็นข้อมูล mid-training ที่รวม agentic traces และ tool calls และมาพร้อมการขยายบริบท

สิ่งที่ไม่ได้มาพร้อมกับมันคือคะแนน การ์ดพื้นฐานไม่มีตารางการประเมิน ไม่มีตัวเลขการดึงข้อมูลบริบท และไม่มีการเปรียบเทียบกับโมเดลอื่นใด ทุกตัวเลขในบล็อกเปิดตัวของ Liquid — ค่าเฉลี่ย 49.37, LiveCodeBench v6 ที่ 73.46, SWE-bench Verified ที่ 43.40, GPQA Diamond ที่ 63.37, IFEval ที่ 96.66 — เป็นของ LFM3-1.7B หลังจาก supervised fine-tuning, reinforcement learning, on-policy distillation และ agentic RL เหล่านั้นเป็นตัวเลขจริง และ Liquid รายงานอย่างซื่อสัตย์ว่าเป็นของตัวเอง แต่ตัวเลขเหล่านั้นอธิบายโมเดลที่เสร็จสมบูรณ์แล้ว ไม่ใช่ base checkpoint ที่มีชื่ออยู่ในหัวข้อนี้

สัญญาอนุญาตคือ LFM Open License v1.0 โดยให้สิทธิ์เชิงพาณิชย์เฉพาะเมื่อผู้รับใบอนุญาตมีรายได้ต่อปีต่ำกว่า 10 ล้านดอลลาร์เท่านั้น หากเกินเกณฑ์ดังกล่าว งานนี้จะไม่ได้รับอนุญาตภายใต้ข้อตกลง และจำเป็นต้องทำข้อตกลงแยกต่างหาก ข้อกำหนดเพียงข้อเดียวนี้จะทำให้ LFM3-1.7B-Base หลุดออกจากชอร์ตลิสต์จำนวนมากก่อนที่ใครจะได้รันโทเคนแม้แต่ตัวเดียวผ่านโมเดลนี้

เหตุใดช่องว่างของเกณฑ์มาตรฐานจึงไม่อาจปิดลงได้ด้วยเลขคณิต

สิ่งล่อใจคือการนำตัวเลขจากผู้จำหน่ายของ Qwen3.8-27B มาเทียบกับตัวเลขจากผู้จำหน่ายของ Liquid แล้วประกาศหาผู้ชนะ จงต้านทานสิ่งนั้นไว้ เพราะตารางทั้งสองไม่ได้วัดสิ่งเดียวกัน Qwen รายงาน SWE-bench Pro 61.7, Terminal Bench 2.1 ที่ 73.0, LiveCodeBench v6 ที่ 90.3, GPQA Diamond 89.2 และ HLE 30.8 Liquid รายงาน SWE-bench Verified 43.40, LiveCodeBench v6 73.46, GPQA Diamond 63.37 และ HLE แบบไม่มีเครื่องมือที่ 7.17 SWE-bench Pro กับ SWE-bench Verified เป็นเบนช์มาร์กที่แตกต่างกันซึ่งมีความยากต่างกัน จำนวนพารามิเตอร์ต่างกันถึง 16 เท่า และคอลัมน์หนึ่งอธิบายโมเดลแชตที่ผ่านการ post-training แล้ว ขณะที่อีกคอลัมน์อธิบาย checkpoint ฐานที่ยังไม่ผ่านการ post-training เลย

มีตัวเลขหนึ่งค่าที่ควรนำมาจากแหล่งภายนอกผู้จำหน่ายทั้งสองราย หน้าข้อมูลโมเดล Qwen3.8-27B ของ OrcaRouter ระบุดัชนี Artificial Analysis Intelligence Index ที่ 33.7 และคะแนน AA Coding ที่ 68.1 ซึ่งประเมินเมื่อวันที่ 14 สิงหาคม 2026 นั่นคือกระดานคะแนนอิสระ และมีข้อมูลนี้สำหรับ Qwen ณ วันที่ 28 ตุลาคม 2026 เราไม่พบรายการ LFM3 บน Artificial Analysis ดังนั้นจึงไม่มีตัวถ่วงดุลอิสระในอีกฝั่งหนึ่ง ใครก็ตามที่นำเสนอคำตัดสินด้านความสามารถแบบเทียบกันตัวต่อตัวสำหรับสองโมเดลนี้ในวันนี้ กำลังนำตารางของผู้จำหน่ายมาเปรียบเทียบกันข้ามชุดทดสอบที่เข้ากันไม่ได้ หรือไม่ก็กำลังสร้างตัวเลขขึ้นมาเอง

ขอบเขตการปรับใช้ แบบเคียงข้างกัน

• พารามิเตอร์ — LFM3-1.7B-Base: 1.73B, รองรับเฉพาะข้อความ, 24 เลเยอร์ Qwen3.8-27B: 27B แบบ dense พร้อมตัวเข้ารหัสภาพ (vision encoder), 64 เลเยอร์

• บริบท — LFM3-1.7B-Base: 256K โทเค็น Qwen3.8-27B: 262,144 แบบเนทีฟ ขยายได้ถึง 1M; Qwen3.8-Flash และ Qwen3.8-Max: 1M

• รูปแบบอินพุต — LFM3-1.7B-Base: ข้อความ Qwen3.8-27B, Qwen3.8-Flash และ Qwen3.8-Max: ข้อความ รูปภาพ และวิดีโอ

• เวทโมเดล — LFM3-1.7B-Base: ดาวน์โหลด BF16 พร้อมโค้ดการสร้างโมเดลแบบกำหนดเองและ trust_remote_code Qwen3.8-27B: เวท Apache-2.0 ที่รันได้ใน Transformers, vLLM, SGLang และ TokenSpeed

• หน่วยความจำขั้นต่ำ — LFM3-1.7B-Base: ประมาณ 1 GB ที่ 4-bit ตามข้อมูลจาก Liquid. Qwen3.8-27B: ประมาณ 55 GB ใน BF16 ดังนั้นต้องใช้เครื่องที่มีหลาย GPU หรือทำ quantisation อย่างหนัก

• ใบอนุญาต — LFM3-1.7B-Base: LFM Open License v1.0 ใช้เชิงพาณิชย์ได้หากรายได้ต่อปีต่ำกว่า $10M Qwen3.8-27B: Apache 2.0 ไม่มีเงื่อนไขเรื่องรายได้

• ราคาที่ระบุ — LFM3-1.7B-Base: ไม่มีการเผยแพร่ราคาต่อโทเคนแบบโฮสต์ Qwen3.8-27B บน OrcaRouter: อินพุต $0.33 / เอาต์พุต $2.40 ต่อล้านโทเคน; Qwen3.8-Flash: $0.15 / $0.47; Qwen3.8-Max: $2.00 / $6.00

• ความเร็วที่สังเกตได้ — LFM3-1.7B-Base: ไม่มีการวัดผลโดยอิสระ; Qwen3.8-27B บน OrcaRouter: 91 โทเค็นเอาต์พุตต่อวินาทีในช่วงเจ็ดวันที่ผ่านมา; Qwen3.8-Flash: 157 โทเค็นต่อวินาที

การคำนวณที่ตัดสินเรื่องนี้

ลองพิจารณาปริมาณงานที่ใช้เอาต์พุตโทเคน 100 ล้านโทเคนต่อเดือน บน Qwen3.8-Flash มีค่าใช้จ่าย $47 บน Qwen3.8-27B ผ่าน OrcaRouter มีค่าใช้จ่าย $240 บน Qwen3.8-Max มีค่าใช้จ่าย $600 โทเคนอินพุตมีราคาถูกกว่าในทุกระดับ ดังนั้นส่วนผสมที่สมจริงจะอยู่ต่ำกว่าตัวเลขเหล่านั้น แต่เอาต์พุตเป็นตัวหลักของค่าใช้จ่าย และอันดับไม่เปลี่ยนแปลง

ตอนนี้ลองเปรียบเทียบค่าใช้จ่ายเหล่านั้นกับการรัน LFM3-1.7B-Base ด้วยตัวเอง ที่ 4 บิต มันใช้พื้นที่ประมาณหนึ่งกิกะไบต์ ซึ่งหมายความว่าฮาร์ดแวร์ที่คุณอาจมีอยู่แล้ว: แล็ปท็อป โทรศัพท์รุ่นใหม่ หรือ GPU ขนาดเล็กเพียงตัวเดียว ต้นทุนส่วนเพิ่มต่อโทเค็นคือค่าไฟฟ้าและไม่มีอย่างอื่น และโมเดลไม่เคยออกจากอุปกรณ์ ลองคำนวณแบบเดียวกันกับ Qwen3.8-27B แล้วภาพจะพลิกกลับ: 100 ล้านโทเค็นเอาต์พุตต่อเดือนในราคา 2.40 ดอลลาร์ต่อล้าน = 240 ดอลลาร์ ซึ่งประมาณเท่ากับค่าเช่า GPU ระดับ 24 GB หนึ่งเดือนที่ราคาราว 0.35 ดอลลาร์ต่อชั่วโมง การโฮสต์เองโมเดล 27B จะเริ่มคุ้มกว่าค่าใช้จ่ายแบบโฮสต์ก็ต่อเมื่อเกิน 100 ล้านโทเค็นเอาต์พุตต่อเดือนขึ้นไป — และการคำนวณนั้นยังไม่นับเวลางานวิศวกรรม การดาวน์โหลด 55 GB และข้อเท็จจริงที่ว่าโมเดล 27B ต้องใช้หน่วยความจำมากกว่า 24 GB อย่างมีนัยสำคัญเมื่อรวม KV cache

เวอร์ชันที่ใช้ได้จริง: ต่ำกว่าประมาณ 100 ล้านเอาต์พุตโทเคนต่อเดือน ระดับที่โฮสต์ของ Qwen3.8 ชนะทั้งด้านต้นทุนรวมและความเรียบง่ายในการดำเนินงาน หากปริมาณงานของคุณเล็กพอที่จะรันบนโทรศัพท์ได้ LFM3-1.7B-Base จะชนะเพราะมิเตอร์ไม่เริ่มนับ ช่องว่างระหว่างสองจุดยืนนี้คือที่ที่การติดตั้งใช้งานจริงส่วนใหญ่อยู่ และเป็นคำถามเรื่องปริมาณและความเป็นส่วนตัว ไม่ใช่เรื่องคะแนน benchmark

OrcaRouter เหมาะกับตรงไหน และไม่เหมาะกับตรงไหน

ทั้งสามระดับของ Qwen 3.8 อยู่บนแคตตาล็อกของ OrcaRouter แล้วในวันนี้ รวมถึง Qwen3.8-27B ที่โฮสต์เองบนโครงสร้างพื้นฐานของเราเอง ในราคาอินพุต $0.33 และเอาต์พุต $2.40 ต่อล้านโทเค็น พร้อมคอนเท็กซ์ 262K เวลาถึงโทเค็นแรกที่ p50 เท่ากับ 2.37 วินาที และ 91 โทเค็นเอาต์พุตต่อวินาที ซึ่งวัดตลอดสัปดาห์ที่ผ่านมา การเราเตอร์ทั้งสามตัวไว้เบื้องหลังคีย์เดียวที่เข้ากันได้กับ OpenAI คือจุดสำคัญ นั่นคือค่าเริ่มต้นราคาถูกบน Qwen3.8-Flash เส้นทางยกระดับไปยัง Qwen3.8-27B หรือ Qwen3.8-Max เมื่องานต้องการ และการเฟลโอเวอร์อัตโนมัติหากอัปสตรีมตัวใดตัวหนึ่งมีประสิทธิภาพลดลง เนื่องจากเราส่งต่อราคาตามรายการของผู้ให้บริการโดยไม่มีมาร์กอัป 0% การเปลี่ยนแปลงราคาของผู้ขายจึงปรากฏในบิลของคุณภายในวันเดียวกัน แทนที่จะเป็นหลังรอบการปรับราคา

LFM3-1.7B-Base ไม่ได้อยู่ในแคตตาล็อกของเรา และเราจะไม่แสร้งทำเป็นว่าเป็นอย่างอื่น หากเช็กพอยต์ของ Liquid เป็นคำตอบที่เหมาะสมกับปริมาณงานของคุณ เส้นทางในตอนนี้คือ API และ playground ของผู้ให้บริการเอง หรือดาวน์โหลดไปโฮสต์เอง สิ่งที่เราเตอร์ยังทำได้คือทำให้การตัดสินใจนั้นย้อนกลับได้: วางโมเดลขนาดเล็กไว้เบื้องหลังอินเทอร์เฟซเดียวกับระดับที่ให้บริการแบบโฮสต์ เลือกเส้นทางตามงานหรือตามค่าใช้จ่าย และย้ายทราฟฟิกกลับไปยังโมเดลที่โฮสต์ไว้เมื่อเส้นทางแบบโฮสต์เองทำงานผิดพลาด

เลือกตามงาน ไม่ใช่ตามคะแนน

เลือก LFM3-1.7B-Base เมื่อข้อจำกัดคืออุปกรณ์: การทำงานแบบออฟไลน์ โทรศัพท์หรือแล็ปท็อป โมเดลเฉพาะโดเมนที่คุณตั้งใจจะฝึกเพิ่มเติมภายหลังบน GPU เดียว หรือเวิร์กโหลดที่บริบท 256K ในขนาดหน่วยความจำ 1 GB คือเหตุผลทั้งหมดที่คุณสนใจ ยอมรับว่าคุณกำลังซื้อวัตถุดิบ สัญญาอนุญาตมีเพดานรายได้ และยังไม่มีการประเมินโดยอิสระ

เลือก Qwen3.8-27B เมื่องานต้องใช้ความสามารถด้านภาพ เอเจนต์ที่ทำงานระยะยาว หรือโค้ดที่นำไปใช้งานได้จริง และคุณมีฮาร์ดแวร์หรืองบประมาณที่จะให้บริการพารามิเตอร์ 27B เลือก Qwen3.8-Flash เมื่อคุณต้องการความสามารถของผลิตภัณฑ์ส่วนใหญ่ในราคาหนึ่งในห้า และไม่จำเป็นต้องเป็นเจ้าของน้ำหนักโมเดล เลือก Qwen3.8-Max เฉพาะเมื่อมูลค่าของงานต่อโทเค็นสูงกว่า $6.00 ของผลลัพธ์

การจับคู่ในชื่อเรื่องเป็นความไม่สมดุลโดยตั้งใจ — checkpoint ที่ผ่านการฝึกมาแล้วขนาด 1.7B เทียบกับโมเดลวิชัน-ภาษาที่สมบูรณ์ขนาด 27B — และข้อสรุปที่มีประโยชน์ไม่ใช่ว่าตัวหนึ่งดีกว่า แต่คือทั้งสองตอบคำถามคนละคำถาม: ฉันจะรันบนฮาร์ดแวร์น้อยแค่ไหนได้ เทียบกับฉันจะซื้อความสามารถได้มากแค่ไหนต่อโทเคน Liquid ได้ส่งมอบคำตอบที่ละเอียดผิดปกติสำหรับคำถามแรก ส่วน Alibaba ขายคำตอบที่สองมาตั้งแต่เดือนสิงหาคม