LFM3-1.7B บน Ollama: คำสั่งเดียว และใบรายงานผลที่แยกออกเป็นสองส่วน

ณ เวลาที่เขียนบทความนี้ หน้า Ollama สำหรับ lfm3 เปิดมาประมาณหนึ่งชั่วโมงแล้วและมียอดดาวน์โหลด 45 ครั้ง นั่นคือการใช้งานสาธารณะทั้งหมดจนถึงตอนนี้ โมเดลที่อยู่เบื้องหลังคือ LiquidAI/LFM3-1.7B ซึ่งถูกประกาศเมื่อหนึ่งวันก่อนหน้า เมื่อวันที่ 27 ตุลาคม 2026 ในฐานะสมาชิกแบบข้อความของตระกูล LFM3 ที่สร้างขึ้นจาก LFM3-1.7B-Base โครงสร้างหลัก — พร้อมกับโมเดล vision, audio, omni และโมเดลตัดสินใจอีกสองตัวที่ Liquid AI เปิดตัวในชุดเดียวกัน สิ่งที่เปลี่ยนไปในวันที่ 28 ตุลาคมไม่ใช่ตัวโมเดล แต่คือช่องทางการนำมาใช้งาน: ollama run lfm3 แทนการต้องไปตามหา build ของ llama.cpp ที่รองรับ LFM3 ซึ่งเป็นเส้นทางในวันเปิดตัว

เหตุผลที่สิ่งนี้มีค่ามากกว่าบรรทัดในบันทึกการเปลี่ยนแปลงเพียงบรรทัดเดียว คือตาราง benchmark LFM3-1.7B ติดอันดับหนึ่งในตารางคะแนนที่ผลเหลื่อมล้ำที่สุดในกลุ่มโมเดลขนาดเล็ก: มันเอาชนะ Qwen3.5-9B — โมเดลที่มีขนาดใหญ่กว่าตัวมันกว่าห้าเท่า — ในด้านระบบอัตโนมัติบนเบราว์เซอร์ การเรียกใช้เครื่องมือ และการทำตามคำสั่ง แต่แพ้โมเดลนั้นด้วยส่วนต่างสองหลักในด้านความรู้ทั่วไปและการดึงข้อมูลจากบริบทขนาดยาว ตัวเลขทุกตัวในตารางนั้นเป็นของ Liquid AI เอง ทั้งหมดยังไม่มีการทำซ้ำผลโดยอิสระ

อะไรเปลี่ยนแปลงจริง ๆ เมื่อวันที่ 28 ตุลาคม

Ollama แสดงรายการแท็กห้ารายการสำหรับ lfm3 โดยทั้งหมดถูกประทับเวลาไว้ภายในชั่วโมงเดียวกัน ทั้งหมดมีบรรทัดบริบท 256K และรองรับอินพุตแบบข้อความเท่านั้น ค่าเริ่มต้นคือตัวที่คนส่วนใหญ่จะดึงไปใช้

• lfm3:latest และ lfm3:1.7b — 1.7 GB ซึ่งเป็นอาร์ติแฟกต์คลาส Q4 เริ่มต้น และเป็นไดเจสต์เดียวกันภายใต้ทั้งสองชื่อ

• lfm3:1.7b-mlx-bf16 — 3.5 GB, MLX แบบความแม่นยำเต็มรูปแบบสำหรับ Apple silicon

• lfm3:1.7b-mxfp8 — 2.1 GB, MLX 8 บิต

• lfm3:1.7b-nvfp4 — 1.7 GB และนี่คือตัวที่ต้องอ่านอย่างละเอียด

แท็กสุดท้ายนั้นมีไดเจสต์ 2012d88e202f — เป็นอาร์ติแฟกต์เดียวกันกับที่อยู่เบื้องหลัง :latest การดึง lfm3:1.7b-nvfp4 ผ่าน Ollama ไม่ได้ทำให้คุณได้เช็กพอยต์ NVFP4 ตัวจริง แต่ตัวจริงเป็นรีโพซิทอรีแยกต่างหากบน Hugging Face ซึ่งเผยแพร่สำหรับการให้บริการบน GPU มากกว่าการดึงมาใช้ในเครื่อง ว่าแท็กนี้เป็นเพียงตัวแทนชั่วคราวหรือความผิดพลาดในการเผยแพร่ ไม่ใช่สิ่งที่หน้าเว็บของ Ollama ระบุไว้ ไดเจสต์สามารถตรวจสอบได้ และ它們เหมือนกัน ซึ่งเป็นส่วนที่สำคัญหากคุณคาดหวังจะประหยัดหน่วยความจำจาก FP4 บนแล็ปท็อป

หน้าของ Ollama เองไม่ใช่การอัปโหลดโดยชุมชน การ์ดโมเดลของ Liquid AI ระบุชื่อ Ollama เป็นหนึ่งในเอนจิน GGUF ที่รองรับ ควบคู่กับ llama.cpp และ LM Studio ดังนั้นนี่คือเส้นทางที่ผู้จำหน่ายกำหนดไว้ซึ่งมาช้า ไม่ใช่บิลด์ของคนแปลกหน้า ข้อความการ์ดโมเดลบนหน้านั้นเป็นของ Liquid เอง: "LFM3-1.7B เป็นโมเดลไตรไฮบริดสำหรับเอเจนต์ภายในเครื่องและแอปพลิเคชันเฉพาะทาง"

สถาปัตยกรรม ในแง่ที่ใช้ตัดสินว่าเข้ากันได้หรือไม่

LFM3-1.7B มีพารามิเตอร์ 1.73B ใน 24 เลเยอร์ และมีเพียงหกเลเยอร์เท่านั้นที่ใช้แอตเทนชันแบบเต็ม สิบสามเลเยอร์เป็นคอนโวลูชันสั้นแบบมีเกตที่มีขนาดเคอร์เนลเท่ากับ 7 ซึ่งเพิ่มขึ้นจาก 3 ในรุ่นก่อนหน้า และห้าเลเยอร์เป็นแอตเทนชันแบบหน้าต่างเลื่อนที่มีหน้าต่างขนาด 256 โทเค็น โทเค็นส่วนใหญ่ในพรอมต์ยาวจะไม่ไปถึงเมทริกซ์แอตเทนชันระดับโกลบอลเลย ซึ่งนี่คือที่มาของเรื่องราวด้านหน่วยความจำ

Liquid ทำให้ KV cache ขนาด 128K token ใช้พื้นที่ 1.6 GB ตัวเลขเดียวกันสำหรับ Qwen3.5-4B คือ 4.3 GB และสำหรับ MiniCPM5-2B คือ 5.6 GB ช่องว่างนี้ ไม่ใช่จำนวนพารามิเตอร์ คือเหตุผลที่โมเดลขนาด 1.7B สามารถรองรับบริบทยาวบนฮาร์ดแวร์ที่โมเดล 4B ทำไม่ได้ มีตัวเลขอีกสองตัวที่ควรจดจำไว้: โทเค็นก่อนการฝึก 22T และขั้นการฝึกกลางขั้นสุดท้ายขนาด 3.5T โทเค็นที่ให้น้ำหนักไปทาง agentic traces และการเรียกเครื่องมือ ขั้นสุดท้ายนั้นคือคำอธิบายที่ชัดเจนที่สุดสำหรับทุกสิ่งในสองส่วนถัดไป

การ์ดยังระบุภาษาทั้งหมด 16 ภาษา คำศัพท์ขนาด 128K ที่ใช้ร่วมกับ LFM2.5-8B-A1B และการเปิดโหมด thinking เป็นค่าเริ่มต้น — Ollama แสดงสิ่งนี้เป็นแท็กความสามารถ ไม่ใช่แฟล็กที่ซ่อนอยู่ คอนเท็กซ์ 256K เป็นของจริงในแง่การกำหนดค่า แต่การ์ดเผยแพร่ตัวเลข KV ที่ 128K เท่านั้น ที่ 256K เต็ม แคชจะปรับขนาดตามหน้าต่าง ดังนั้นควรมองว่าขีดสูงสุดของช่วงนั้นเป็นการตั้งค่าสำหรับดาต้าเซ็นเตอร์มากกว่าสำหรับแล็ปท็อป

ในจุดที่คะแนนแข็งแกร่ง

รูปแบบนี้สอดคล้องกันในทุกงานที่ให้รางวัลกับการลงมือทำสิ่งใดสิ่งหนึ่งด้วยเครื่องมือ มากกว่าการรู้เรื่องใดเรื่องหนึ่งเกี่ยวกับโลก ตัวเลขเหล่านี้เป็นตัวเลขที่ผู้ขายรายงาน และตัวเปรียบเทียบคือตัวที่ Liquid AI เลือกเอง

• WebArena-Verified — 38.42 สำหรับ LFM3-1.7B, 3.02 สำหรับ LFM2.5-2.6B และ 28.94 สำหรับ Qwen3.5-9B

• AutomationBench — 41.29 เมื่อเทียบกับ 0.94 สำหรับ LFM2.5-2.6B และ 15.10 สำหรับ Qwen3.5-9B

• BFCL V4 tool calling — 71.39 เทียบกับ 55.89 และ 62.83 สำหรับสองตัวเดียวกัน

• IFBench — 73.03 เทียบกับ 48.84 ของ Qwen3.5-9B

• IFEval — 96.66 ซึ่งสูงที่สุดในตารางของ Liquid

• LiveCodeBench v6 — 73.46 สูงกว่า 69.86 ของ Qwen3.5-9B

แถวที่น่าสนใจที่สุดไม่ใช่แถวที่ใหญ่ที่สุด AA-Omniscience เป็น benchmark ที่ให้คะแนนบางส่วนจากว่าโมเดลปฏิเสธที่จะตอบแทนการเดาหรือไม่ และ LFM3-1.7B ทำได้ 92.93 ในด้าน non-hallucination เทียบกับ 52.59 ของ Qwen3.5-9B ความแม่นยำของมันในชุดเดียวกันอยู่ที่ 7.07 เมื่ออ่านรวมกัน ตัวเลขสองตัวนี้อธิบายโมเดลที่ส่วนใหญ่บอกว่าไม่รู้ ซึ่งเป็นคุณสมบัติที่ถูกประเมินต่ำเกินไปในเอเจนต์ที่กำลังจะลงมือทำ และเป็นคุณสมบัติที่ไม่ดีในผู้ช่วยที่คาดว่าจะตอบคำถาม

ในจุดที่มันเป็นรอง บางครั้งก็เป็นรองอย่างหนัก

ตารางเดียวกัน แต่อ่านในอีกทางหนึ่ง

• GPQA Diamond — 63.37 เทียบกับ 80.40 สำหรับ Qwen3.5-9B และ 65.15 สำหรับ MiniCPM5-2B ซึ่งเป็นโมเดลขนาด 2B ที่เอาชนะมันได้

• Humanity's Last Exam แบบไม่ใช้เครื่องมือ — 7.17 เทียบกับ 16.41 สำหรับ Qwen3.5-9B

• RULER 128K — 65.56 เทียบกับ 84.63 สำหรับ Qwen3.5-4B และ 87.11 สำหรับ Qwen3.5-9B

• การให้เหตุผลแบบบริบทยาว AA-LCR — 52.83 เทียบกับ 62.00 สำหรับ Qwen3.5-9B

• MCP-Atlas — 32.57 เมื่อเทียบกับ 41.37 สำหรับ Qwen3.5-4B และ 42.67 สำหรับ Qwen3.5-9B

• SWE-bench Verified — 43.40 เทียบกับ 51.20 สำหรับ Qwen3.5-9B

• Terminal-Bench 2.1 — 12.92 เทียบกับ 17.98 สำหรับ Qwen3.5-9B

แถว RULER ควรมีประโยคของตัวเอง: โมเดลที่สเปกเด่นคือหน้าต่าง 256K กลับเป็นตัวค้นคืนบริบทแบบยาวที่อ่อนที่สุดในตารางเปรียบเทียบของตัวเอง แพ้โมเดลที่โฆษณาเพียงหนึ่งในสี่ของขนาดนั้น หน้าต่างยาวกับความสามารถในการหาสิ่งใดสิ่งหนึ่งภายในนั้นเป็นทักษะคนละอย่าง และ LFM3-1.7B ได้มาซึ่งอย่างแรกโดยไม่มีอย่างที่สอง ใครก็ตามที่วางแผนจะชี้มันไปยังรีโพซิทอรีขนาดใหญ่หรือสัญญายาว ควรทดสอบแถวนั้นก่อนเชื่อสเปกชีต

MCP-Atlas กับคู่ SWE-bench เป็นบทเรียนเดียวกันในอีกระดับหนึ่ง LFM3-1.7B เก่งในการควบคุมเครื่องมือเดียวที่มีข้อกำหนดชัดเจน แต่ยังตามหลังงานหลายขั้นตอนและหลายเครื่องมือซึ่งเป็นสิ่งที่เฟรมเวิร์กเอเจนต์ถูกสร้างขึ้นมาเพื่อรองรับจริง ๆ และยิ่งตามหลังมากขึ้นเมื่องานต้องอาศัยการรู้ว่าโค้ดเบสทำงานอย่างไร

ตัวเลขเหล่านี้คืออะไร และไม่ใช่อะไร

ตัวเลขทุกตัวข้างต้นมาจากการรันการประเมินของ Liquid AI เอง ซึ่งเผยแพร่พร้อมกับการเปิดตัว ระเบียบวิธีไม่อยู่ในประกาศ: ไม่มีการระบุการกำหนดค่าฮาร์เนสแยกตามการทดสอบ ไม่มีคำชี้แจงว่าเฉลี่ยจากการลองกี่ครั้ง ไม่มีข้อบ่งชี้ว่าโมเดลที่ใช้เปรียบเทียบนั้นรันโดย Liquid หรืออ้างอิงจากเอกสารข้อมูลของโมเดลเหล่านั้นเอง ตาราง 27 แถวที่มีเจ้าของเพียงรายเดียวเป็นข้อโต้แย้ง ไม่ใช่การวัด

ณ วันที่ 28 ตุลาคม ไม่มีรายการ LFM3-1.7B บน Artificial Analysis ดังนั้นจึงยังไม่มีตัวเลขจากบุคคลที่สามมาเทียบกับตัวเลขของผู้จำหน่าย เรื่องนี้จะเปลี่ยนไป และเมื่อถึงตอนนั้น การเปรียบเทียบที่ให้ข้อมูลมากที่สุดจะอยู่ที่แถว agentic ซึ่งส่วนต่างของผู้จำหน่ายกว้างที่สุด และด้วยเหตุนี้จึงเป็นส่วนที่ต้องการความเห็นที่สองมากที่สุด

รายละเอียดหนึ่งที่สวนทางกันและควรค่าแก่การยกเครดิตให้ Liquid ก็คือ Liquid ฝึก checkpoint สำหรับ distillation ที่ตระหนักถึงการควอนไทซ์โดยเฉพาะ เพื่อกู้คืนความแม่นยำที่การควอนไทซ์ Q4_0 ทำให้สูญเสียไป และจัดส่งมันเป็นไฟล์ GGUF แยกต่างหาก การเผยแพร่ตัวเลขของโมเดลขนาดเล็กที่ระดับความแม่นยำซึ่งผู้คนจะใช้งานจริงนั้นเป็นสิ่งที่ผู้จำหน่ายส่วนใหญ่ไม่ได้ทำ และยังทำให้ตัวเลข 4 บิตน่าเชื่อถือมากขึ้นเล็กน้อยเมื่อเทียบกับการควอนไทซ์แบบ post-hoc

การรันมัน และการตั้งค่าที่สำคัญ

คำสั่งบรรทัดเดียวคือ ollama run lfm3 และค่าเริ่มต้นที่ 1.7 GB ถือเป็นจุดเริ่มต้นที่เหมาะสมบนเครื่อง 16 GB หน้านี้ยังมีตัวเรียกใช้แบบบรรทัดเดียวสี่ตัวที่เชื่อมโมเดลเข้ากับ agent harness ที่มีอยู่ ได้แก่ ollama launch claude --model lfm3 และรูปแบบเดียวกันสำหรับ OpenCode, Hermes Agent และ OpenClaw นี่คือสิ่งที่มีประโยชน์ที่สุดบนหน้านี้ เพราะหมายความว่าคุณสามารถหยอดโมเดลเข้าไปในลูปเอเจนต์ที่คุณใช้งานอยู่แล้วได้โดยไม่ต้องเขียนไคลเอนต์ ซึ่งเป็นเกณฑ์ที่ต่ำกว่าการเปิดตัวโมเดลโลคอลส่วนใหญ่ที่ผ่านมา

มีโปรไฟล์การสุ่มตัวอย่างสองแบบอยู่บนการ์ด และทั้งสองใช้แทนกันไม่ได้: temperature 0.1 พร้อม top_k 50 และ repetition penalty 1.1 สำหรับแชต การใช้เครื่องมือ เอเจนต์ และการเขียนโค้ด; temperature 1.0 พร้อม top_p 0.95 และ top_k 20 สำหรับคณิตศาสตร์และวิทยาศาสตร์ การรันโปรไฟล์เอเจนต์กับโจทย์คณิตศาสตร์เป็นวิธีที่พบบ่อยที่สุดที่ทำให้โมเดลนี้ดูแย่กว่าที่เป็นจริง

หากคุณดึง GGUF โดยตรงแทนที่จะผ่าน Ollama ขนาดไฟล์จะเรียงลำดับกันได้อย่างมีประโยชน์ เช็กพอยต์ QAD Q4_0 มีขนาด 1.05 GB ซึ่งเล็กกว่า Q4_K_M ที่ 1.1 GB เล็กน้อย และเป็นตัวที่ถูกเทรนมาให้ทนต่อการควอนไทซ์ Q6_K มีขนาด 1.43 GB และ Q8_0 มีขนาด 1.85 GB หากมีพื้นที่เหลือเพียงพอ ส่วน BF16 มีขนาด 3.47 GB และแทบไม่คุ้มค่าที่ขนาดนี้

ใบอนุญาตนี้คือ LFM Open License v1.0 — โดยเนื้อหาแล้วเป็น Apache 2.0 พร้อมสิ่งเพิ่มเติมหนึ่งอย่าง: การใช้เชิงพาณิชย์ไม่มีค่าใช้จ่ายเมื่อรายได้ต่อปีต่ำกว่า 10 ล้านดอลลาร์สหรัฐ และต้องมีใบอนุญาตแบบชำระเงินเมื่อรายได้ถึงหรือสูงกว่าระดับนั้น เกณฑ์นี้คิดรวมกันทั้งกลุ่มบริษัท และมีผลต่อไปยังโมเดลที่ผ่านการไฟน์จูน ดังนั้นอนุพันธ์ที่เปลี่ยนชื่อแล้วจึงไม่สามารถหลีกเลี่ยงเกณฑ์นี้ได้ องค์กรไม่แสวงหากำไรและผู้ใช้เชิงวิจัยได้รับการยกเว้นโดยไม่คำนึงถึงรายได้ หากคุณอยู่ใกล้เส้นดังกล่าว โปรดอ่านตัวบทใบอนุญาตแทนการอ่านสรุป รวมถึงสรุปฉบับนี้ด้วย

โปรไฟล์แบบแยกส่งผลอย่างไรต่อวิธีการนำไปใช้งานของคุณ

โมเดลที่เก่งด้านการทำตามคำสั่งและสัญญาของเครื่องมือ อ่อนด้านความรู้ในพารามิเตอร์และการดึงข้อมูลบริบทขนาดยาว และมีต้นทุนต่ำพอที่จะรันบนแล็ปท็อป ไม่ใช่ผู้ช่วยอเนกประสงค์ แต่เป็นผู้ดำเนินการ สถาปัตยกรรมที่เหมาะกับมันคือลูปภายในเครื่อง — โมเดลตัดสินใจว่าจะเรียกเครื่องมือใด จัดรูปแบบอาร์กิวเมนต์ ทำตามสคีมา — โดยส่งขั้นตอนที่ต้องใช้ความรู้หนัก ๆ และบริบทขนาดยาวจริง ๆ ไปให้สิ่งที่ใหญ่กว่า

การแยกส่วนดังกล่าวเป็นกรณีที่เราเตอร์พิสูจน์คุณค่าได้ และควรพูดให้ชัดว่า OrcaRouter ครอบคลุมและไม่ครอบคลุมอะไรในที่นี้ LFM3-1.7B เป็นโมเดล open-weight และรันบนฮาร์ดแวร์ของคุณเอง ไม่อยู่ในแคตตาล็อกของเรา และไม่มีส่วนใดในบทความนี้ที่เป็นการนำเสนอขาย API สำหรับมัน สิ่งที่เรามอบให้คืออีกครึ่งหนึ่งของการแยกส่วน: คีย์เดียวครอบคลุม โมเดลโฮสต์กว่า 200 โมเดล สำหรับขั้นตอนการยกระดับ โดยมี มาร์กอัป 0% จากราคาตามรายการของผู้ให้บริการการ failover อัตโนมัติเมื่อผู้ให้บริการเสื่อมประสิทธิภาพ และ routing DSL ที่ประกอบหลายโมเดลไว้ในการเรียกครั้งเดียว ในทางปฏิบัติ โมเดลโลคัลยังคงเป็นค่าเริ่มต้นสำหรับลูป และการเรียกที่ต้องใช้ความรู้จริงจะออกผ่านปลายทางเดียว แทนที่จะต้องใช้ SDK ที่สองและสัญญาที่สอง

หากคุณกำลังประเมินโมเดลแทนที่จะนำไปใช้งานจริง การสลับไปใช้ระบบสำรอง (failover) เป็นวิธีที่ประหยัดกว่าในการดูว่าโมเดลรับมือได้หรือไม่: ส่งทราฟฟิกบางส่วนไปยังโมเดลนั้น ตั้งค่าตัวสำรอง (fallback) ไว้ และเปรียบเทียบบนงานของคุณเองแทนที่จะดูตารางของ Liquid AI

คำถามที่การเปิดตัวยังคงค้างคา

บิลด์ของ Ollama เป็นสิ่งเดียวกันกับ GGUF ของ Hugging Face หรือเปล่า

ไม่เชิง ค่าเริ่มต้น {{1}}1.7 GB{{/1}} ของ Ollama อยู่ในระดับ Q4 และตรงกับ GGUF ทั่วไป มากกว่าจะเป็นเช็กพอยต์แบบ quantisation-aware ซึ่งเป็นไฟล์แยกต่างหากขนาด {{2}}1.05 GB{{/2}} บน Hugging Face ที่ฝึกมาเพื่อกู้คืนความแม่นยำของ Q4_0 แท็ก {{3}}nvfp4{{/3}} ชี้ไปยังไดเจสต์เดียวกับ {{4}}:latest{{/4}} ดังนั้นจึงไม่ใช่บิลด์ NVFP4 แม้จะชื่อนั้น หากคุณภาพการควอนไทซ์สำคัญต่องานของคุณ ให้ดึงไฟล์ QAD และรันผ่าน {{5}}llama.cpp{{/5}} โดยตรง

แล็ปท็อปสามารถใช้หน้าต่างขนาด 256K ได้เต็มจำนวนหรือไม่

แทบจะไม่มีเลย ตัวเลขแคช 1.6 GB ที่ Liquid เผยแพร่นั้นเป็นสำหรับ 128K และหน่วยความจำแคชขยายตามขนาดหน้าต่าง ดังนั้น 256K แบบเต็มจึงต้องใช้ประมาณสองเท่าของจำนวนนั้น ก่อนจะนับน้ำหนักโมเดลและรันไทม์ บนเครื่อง 16 GB บริบทที่ใช้งานได้จริงในช่วง 32K ถึง 64K คือเพดานที่เป็นจริง หน้าต่างที่ใหญ่กว่านั้นควรอ่านเป็นข้ออ้างเรื่องความเหลือเผื่อสำหรับการติดตั้งบนเซิร์ฟเวอร์มากกว่าความสามารถของแล็ปท็อป

ทำไมคะแนนของเอเจนต์กับคะแนนความรู้จึงไม่สอดคล้องกันมากขนาดนี้

เพราะทั้งสองกำลังวัดสิ่งที่แตกต่างกัน และการรันฝึกได้เอื้อต่ออย่างใดอย่างหนึ่ง ขั้นการฝึกกลางขั้นสุดท้ายที่ใช้ 3.5T โทเคนเน้นร่องรอยแบบเอเจนต์และการเรียกใช้เครื่องมือ จากนั้นการฝึกหลังการฝึกได้เพิ่มการปรับแต่งแบบมีผู้สอนบน 1.75T โทเคน และการเรียนรู้แบบเสริมกำลังครอบคลุมการใช้เครื่องมือและเอาต์พุตแบบมีโครงสร้าง ความรู้แบบพาราเมตริกเป็นสิ่งที่โมเดลขนาด 1.7B มีพื้นที่เก็บน้อยที่สุด และการแบ่งของ AA-Omniscience — ความแม่นยำ 7.07 เทียบกับการไม่ฮัลลูซิเนต 92.93 — บ่งชี้ว่ามันถูกฝึกให้ปฏิเสธมากกว่าจะเดา นั่นคือการเลือกเชิงออกแบบ และเป็นตัวเลือกที่ถูกต้องสำหรับเอเจนต์

คำตัดสิน

LFM3-1.7B เป็นโมเดลแรกในคลาสขนาดนี้ที่แถว benchmark ด้าน agentic เป็นเหตุผลให้ดาวน์โหลดมัน ไม่ใช่แค่หมายเหตุประกอบ ถ้าคุณกำลังสร้าง agent แบบโลคอลที่ต้องเรียกใช้เครื่องมือได้อย่างน่าเชื่อถือ ทำตาม schema และยอมไม่ตอบแทนการแต่งคำตอบขึ้นมา ตอนนี้มันอยู่ห่างแค่คำสั่งเดียว และโปรไฟล์ก็เหมาะกับงานนี้ ถ้าคุณต้องการโมเดลที่รู้ข้อเท็จจริง ดึงข้อมูลจากเอกสารยาวได้อย่างแม่นยำ หรือทำงานวิศวกรรมหลายขั้นตอนได้ ตารางก็บอกตรง ๆ ว่าคุณควรไปมองที่อื่น — และสเปก 256K คือบรรทัดที่น่าเชื่อถือน้อยที่สุดในตารางนั้น

ตัวเลขที่ต้องจับตาไม่ใช่ค่าเฉลี่ย 49.37 แต่คือว่าการรันแบบอิสระจะทำซ้ำส่วนต่างในงานแบบ agentic ได้หรือไม่ เพราะนั่นคือแถวที่โมเดล 1.7B อ้างว่าเอาชนะโมเดล 9B ได้ และเป็นแถวที่ฮาร์เนสของผู้ขายเองมีช่องให้ทำให้ผลดูดีเกินจริงได้มากที่สุด