LFM3-1.7B เทียบกับ Gemma 4 12B: เมื่อโมเดลที่เล็กกว่าเจ็ดเท่าคว้าชัยในเบนช์มาร์กการเขียนโค้ด

LFM3-1.7B เป็นโมเดลข้อความขนาด 1.73 พันล้านพารามิเตอร์ที่ Liquid AI เผยแพร่บน Hugging Face เมื่อวันที่ 26 ตุลาคม 2026 และประกาศในวันถัดไปโดยเป็นส่วนหนึ่งของการเปิดตัวตระกูล LFM3 Gemma 4 12B เป็นโมเดลแบบ dense ขนาด 11.95 พันล้านพารามิเตอร์ที่ Google DeepMind เปิดตัวเมื่อวันที่ 3 มิถุนายน 2026 และสามารถอ่านภาพและเสียงได้เช่นเดียวกับข้อความ บนเกณฑ์มาตรฐานการเขียนโค้ดหนึ่งรายการที่ผู้จำหน่ายทั้งสองเผยแพร่ — LiveCodeBench v6 — โมเดลที่เล็กกว่าทำคะแนนได้ 73.46 และโมเดลที่ใหญ่กว่าทำคะแนนได้ 72.0 อ่านสองครั้ง เพราะนี่คือเหตุผลทั้งหมดที่หน้านี้มีอยู่ และยังเป็นตัวเลขที่ถูกอ่านผิดได้ง่ายที่สุดบนอินเทอร์เน็ต การกำหนดเส้นทางไม่ได้เพิ่มกำไรส่วนเพิ่มให้กับราคาตามรายการของผู้ให้บริการ มาร์กอัป 0% ดูราคาแบบส่งผ่านได้ที่หน้าราคาของเรา

ตัวเลขทั้งสองเป็นข้อมูลที่ผู้ขายรายงานเอง ยังไม่มีตัวเลขใดถูกทำซ้ำโดยผู้ประเมินอิสระ ตัวเลขเหล่านี้ถูกสร้างขึ้นโดยทีมที่แตกต่างกัน บนฮาร์เนสที่แตกต่างกัน และห่างกันหลายเดือน และ Liquid ไม่ได้เผยแพร่บันทึกระเบียบวิธีใด ๆ ที่อธิบายว่าการรัน LiveCodeBench ของตนถูกกำหนดค่าไว้อย่างไร ดังนั้นเวอร์ชันที่ซื่อสัตย์ของประโยคข้างต้นจึงไม่ใช่ “โมเดล 1.7B เอาชนะโมเดล 12B ในด้านโค้ด” แต่เป็นว่า ผู้ขายสองรายรายงานคะแนนที่ใกล้เคียงกันมากบนเบนช์มาร์กที่ใช้ชื่อเดียวกัน และช่องว่าง 9 จุดบน GPQA Diamond ในทิศทางตรงกันข้ามบ่งชี้ว่าโมเดลทั้งสองไม่ได้เทียบเท่ากันเลยแม้แต่ใกล้เคียง

อะไรที่เทียบเคียงได้จริง ๆ และอะไรที่ไม่ใช่

หน้าเว็บ “X vs Y” ส่วนใหญ่เอาตารางของผู้ขายสองรายมาวางข้างกันแล้วเรียกสิ่งนั้นว่าการเปรียบเทียบ ซึ่งจะใช้ได้ก็ต่อเมื่อตารางเหล่านั้นมีส่วนที่ทับซ้อนกัน ระหว่างโพสต์เปิดตัว LFM3 ของ Liquid กับโมเดลการ์ด Gemma 4 ของ Google มีชื่อ benchmark เพียงสองชื่อเท่านั้นที่ปรากฏทั้งสองฝั่งโดยมีคำจำกัดความที่เทียบกันได้ คือ LiveCodeBench v6 และ GPQA Diamond ส่วนที่เหลือมีผู้ขายเพียงฝ่ายเดียวรายงาน ไม่อีกฝ่ายรายงาน และช่องว่างไม่ใช่ค่าศูนย์

บนแกนร่วมสองแกนนั้น ผลลัพธ์คือการแบ่งแยกที่ชัดเจน LFM3-1.7B ทำคะแนน LiveCodeBench v6 ได้ 73.46 เทียบกับ 72.0 ส่วน Gemma 4 12B ทำคะแนน GPQA Diamond ได้ 78.8 เทียบกับ 63.37 — เป็นส่วนต่าง 15.4 จุด ซึ่งไม่ใช่สัญญาณรบกวนในการประเมินที่มีคำถามเพียงไม่กี่ร้อยข้อ

รูปแบบนั้นควรค่าแก่การตั้งชื่อ มากกว่าจะปล่อยให้มันหายไปด้วยการเฉลี่ย LiveCodeBench วัดความสามารถของโมเดลในการทำโจทย์การเขียนโปรแกรมเชิงแข่งขัน ซึ่งเป็นทักษะที่แคบและเน้นรูปแบบซ้ำ ๆ ซึ่งโมเดลขนาดเล็กที่ฝึกด้วยข้อมูลที่เหมาะสมก็ทำได้ดี GPQA Diamond วัดการให้เหตุผลทางวิทยาศาสตร์ระดับบัณฑิตศึกษา ซึ่งขึ้นอยู่กับความกว้างขององค์ความรู้ — เป็นสิ่งที่จำนวนพารามิเตอร์ซื้อให้คุณได้พอดี โมเดล 1.7B อาจแข่งขันได้ในตัวแรกและจะแพ้ในตัวที่สอง และนั่นเป็นผลลัพธ์ที่สอดคล้องกัน ไม่ใช่ความขัดแย้ง

ผู้ขายเสนอราคาต่ำกว่าตัวเลขที่ดีที่สุดของตัวเอง

นี่คือส่วนที่ควรเปลี่ยนวิธีที่คุณอ่าน 73.46 เลื่อนไปที่ด้านล่างของการ์ดโมเดล LFM3-1.7B แล้ว Liquid ระบุไว้เป็นภาษาที่เข้าใจง่ายว่า โมเดลนี้ถูกออกแบบมาสำหรับเอเจนต์ภายในเครื่อง การเรียกใช้เครื่องมือ และเอาต์พุตแบบมีโครงสร้าง และว่าโมเดลนี้ไม่แนะนำสำหรับการเขียนโค้ดแบบเอเจนต์หรือการให้เหตุผลหลายขั้นตอนที่ซับซ้อน เนื่องจากมีขนาดเล็ก.

นี่คือผู้จำหน่าย ไม่ใช่คู่แข่ง ที่บอกคุณถึงเพดานความสามารถ มันวางอยู่เคียงข้างคะแนน LiveCodeBench ที่เฉือนชนะโมเดลทั่วไปขนาด 11.95B อย่างน่าอึดอัด และคำอธิบายที่ทำให้ทั้งสองสิ่งสอดคล้องกันคือพวกมันวัดสิ่งที่แตกต่างกัน การแก้โจทย์การแข่งขันเขียนโปรแกรมแบบแยกส่วนไม่ใช่งานเดียวกับการเก็บ repository ไว้ในบริบทและทำการแก้ไข 20 จุดที่ต้องประสานกัน โมเดลหนึ่งอาจแข็งแกร่งในเรื่องแรกและไม่เหมาะสมอย่างชัดเจนกับเรื่องที่สอง และ Liquid กำลังบอกเช่นนั้น แทนที่จะปล่อยให้ benchmark สื่อเป็นนัยเป็นอย่างอื่น

เชื่อคำของผู้ขายตามตัวอักษร ถ้าภาระงานของคุณคือการเขียนโค้ดแบบเอเจนต์ การเปรียบเทียบนี้ไม่ควรจบที่ LFM3-1.7B ถ้าภาระงานของคุณคือการเรียกใช้เครื่องมือ การสกัดข้อมูลแบบมีโครงสร้าง การจำแนกประเภท หรือผู้ช่วยในเครื่องบนอุปกรณ์ที่คุณเป็นเจ้าของ คำเตือนบนการ์ดไม่ใช้กับคุณ และขนาดหน่วยความจำ 1 GB ก็กลายเป็นเหตุผลทั้งหมด

โดยที่ 12B เป็นเพียงสิ่งที่อยู่คนละประเภท

Gemma 4 12B เป็นโมเดลหลายรูปแบบ (multimodal) ในลักษณะที่ไม่สามารถเพิ่มให้ LFM3-1.7B ได้ด้วยการ fine-tuning การ์ดของ Google อธิบายว่าอินพุตภาพและเสียงถูกฉายโดยตรงเข้าสู่พื้นที่เดียวกับโทเคนข้อความ โดยไม่มีเอนโคเดอร์แยกต่างหาก — เสียงรองรับโดยตรงบน 12B และรุ่นน้องที่เล็กกว่า LFM3-1.7B เป็นข้อความเข้า ข้อความออก ความสามารถด้านการมองเห็นของ Liquid อยู่ใน LFM3-VL-2B ซึ่งเป็นเช็กพอยต์แยกต่างหากที่มีเอนโคเดอร์แยกต่างหาก และโมเดลข้อความจะไม่ได้เอนโคเดอร์ดังกล่าวมาโดยการ fine-tuning

• พารามิเตอร์ — 1.73B แบบ dense สำหรับ LFM3-1.7B; 11.95B แบบ dense สำหรับ Gemma 4 12B อัตราส่วนคือ 6.9 ต่อ 1

• รูปแบบข้อมูล — ข้อความเท่านั้น เทียบกับอินพุตข้อความ รูปภาพ และเสียง

• บริบท — 262,144 โทเค็นทั้งสองรุ่น นี่คือแถวเดียวที่โมเดลเล็กไม่ได้เสียเปรียบอะไรเลย และเป็นความสำเร็จที่แท้จริงของสถาปัตยกรรมไตรไฮบริด ไม่ใช่เรื่องบังเอิญ

• พื้นที่หน่วยความจำ — ประมาณ 1 GB ที่ 4-bit เทียบกับราว 7 GB บนโทรศัพท์ ความแตกต่างนี้คือความแตกต่างระหว่างการเปิดตัวได้กับการเปิดตัวไม่ได้

• ภาษา — ภาษาที่ระบุชื่อ 16 ภาษา เทียบกับ 140+ ภาษาที่ผ่านการฝึกฝนล่วงหน้าพร้อมการรองรับที่แข็งแกร่งแบบพร้อมใช้ สำหรับผลิตภัณฑ์ที่ใช้ตัวอักษรละติน ช่องว่างนี้แทบไม่สร้างปัญหา แต่สำหรับการติดตั้งใช้งานในระดับภูมิภาค มันเป็นปัจจัยชี้ขาด

• สัญญาอนุญาต — LFM Open License v1.0 ใช้งานเชิงพาณิชย์ได้ฟรีเมื่อมีรายได้ต่อปีต่ำกว่า 10 ล้านดอลลาร์ และจำเป็นต้องมีสัญญาอนุญาตแบบชำระเงินเมื่อรายได้สูงกว่านั้น ส่วน Gemma 4 12B อยู่ภายใต้ Apache 2.0 โดยไม่มีเงื่อนไขเกี่ยวกับรายได้

ธนบัตรทั้งสองฉบับไม่ได้ระบุเป็นสกุลเงินเดียวกัน

Gemma 4 12B มีราคาตลาดเพราะมีบุคคลที่สามให้บริการ Artificial Analysis รายงานค่ามัธยฐานแบบผสมที่ 0.10 ดอลลาร์ต่อโทเค็นอินพุตหนึ่งล้านโทเค็น และ 0.30 ดอลลาร์ต่อโทเค็นเอาต์พุตหนึ่งล้านโทเค็น across แพลตฟอร์มที่โฮสต์น้ำหนักแบบเปิด — เป็นค่ามัธยฐานจากผู้ให้บริการหลายราย ไม่ใช่ราคาตั้ง และเป็นค่าที่เปลี่ยนแปลงตามอุปทาน ด้วยอัตราดังกล่าว ทีมส่วนใหญ่จึงไม่เคยคิดที่จะรันโมเดล 12B ด้วยตนเอง

LFM3-1.7B ไม่มีราคาดังกล่าว การ์ดบน Hugging Face ระบุไว้อย่างชัดเจนว่าโมเดลนี้ไม่ได้ถูกดีพลอยโดยผู้ให้บริการ inference รายใด และสอดคล้องกับสิ่งที่เราเห็นฝั่งเราเอง: ปัจจุบัน OrcaRouter ไม่ได้ route LFM3-1.7B หากคุณต้องการเรียกใช้งาน คุณต้องดาวน์โหลดน้ำหนัก BF16 ขนาด 3.46 GB หรือบิลด์ 4-bit ขนาดประมาณ 1 GB แล้วรัน vLLM, SGLang, llama.cpp, MLX หรือ ONNX ด้วยตัวเอง API ของ Liquid เองก็ให้บริการโมเดลนี้ และแพลตฟอร์มบุคคลที่สามหลายแห่งก็ให้บริการเช่นกัน

ดังนั้นการเปรียบเทียบต้นทุนจึงไม่ใช่การเทียบโทเคนกับโทเคน แต่เป็นการเทียบค่าใช้จ่ายในการ fine-tuning และการให้บริการกับค่าใช้จ่ายต่อการเรียกใช้งาน ในปริมาณการใช้งานต่ำ API ชนะอย่างไม่มีข้อกังขา แต่ในปริมาณการใช้งานต่อเนื่องบนฮาร์ดแวร์ที่คุณมีอยู่แล้ว โมเดลขนาด 1 GB ที่ปล่อยให้ GPU ส่วนที่เหลือว่างอยู่นั้นมีรูปแบบทางเศรษฐกิจที่แตกต่างออกไปโดยสิ้นเชิง ความไม่สมมาตรนี้ — ไม่ใช่ช่องว่างสี่จุดบน LiveCodeBench — คือเหตุผลที่แท้จริงในการพิจารณาโมเดลขนาดเล็ก

แต่ละอย่างจริงๆ แล้วใช้ทำอะไร

เลือก LFM3-1.7Bเมื่อเป้าหมายการติดตั้งใช้งานเป็นข้อจำกัด: โทรศัพท์ แล็ปท็อป หรือ GPU ขนาดเล็กเพียงตัวเดียวที่ยังต้องทำงานอื่นด้วย คอนเท็กซ์ 256K นั้นผิดปกติจริง ๆ ในขนาดนี้ คำศัพท์ 16 ภาษาครอบคลุมผลิตภัณฑ์ในภูมิภาคส่วนใหญ่ และการรองรับการอนุมานแบบหกทางหมายความว่าคุณไม่ได้เดิมพันกับรันไทม์เดียว ยอมรับว่าคุณกำลังซื้อโมเดลสำหรับเรียกใช้เครื่องมือและสกัดข้อมูล ไม่ใช่โมเดลสำหรับการให้เหตุผล และวางแผนการดึงข้อมูลโดยคำนึงถึงช่องว่างความรู้ที่ผู้ขายระบุเอง

เลือก Gemma 4 12Bเมื่องานต้องการความครอบคลุมกว้าง เมื่ออินพุตเป็นภาพหน้าจอหรือไฟล์บันทึก หรือเมื่อ Apache 2.0 มีความสำคัญต่อกระบวนการจัดซื้อจัดจ้าง มันได้คะแนนสูงกว่า 15 คะแนนในการให้เหตุผลทางวิทยาศาสตร์ระดับบัณฑิตศึกษา อ่านภาพได้โดยตรง และพร้อมใช้งานในราคามัธยฐานที่ประกาศไว้ตั้งแต่วันแรก ข้อแลกเปลี่ยนคือหน่วยความจำ: 7 GB ที่ 4-bit เป็นแล็ปท็อปหรือ GPU ขนาดปานกลาง ไม่ใช่โทรศัพท์

เลือกทั้งสองทางเมื่อคุณมีเส้นทางแคบที่ปริมาณงานสูงและเส้นทางกว้างที่ปริมาณงานต่ำ ให้ส่งเส้นทางกว้างไปยังโมเดลทั่วไปที่โฮสต์ไว้ และเก็บโมเดลขนาดเล็กไว้บนอุปกรณ์สำหรับการเรียกที่แคบและไวต่อเวลา OrcaRouter ถูกสร้างมาเพื่อครึ่งแรกของการแยกนี้ — คีย์เดียวใช้ได้กับโมเดลกว่า 200 ตัวโดยส่งต่อราคาตามรายการของผู้ให้บริการในอัตราบวกเพิ่ม 0% เพื่อให้การเปลี่ยนแปลงราคามีผลในวันเดียวกัน พร้อมการสลับอัตโนมัติ (failover) หากผู้ให้บริการมีปัญหา มันไม่ช่วยคุณในการโฮสต์ LFM3-1.7B เพราะเราไม่ได้ให้บริการโมเดลนั้น และการสื่อเป็นนัยว่าเราทำได้ก็จะเป็นการไม่ซื่อสัตย์

อะไรจะยุติเรื่องนี้ได้

การประเมินโดยอิสระเพียงครั้งเดียวของ LFM3-1.7B บนฮาร์เนสที่มันไม่ได้เลือกเอง จะมีคุณค่ามากกว่าทั้งหน้านี้ ตารางเปิดตัวของ Liquid มีรายละเอียดและสอดคล้องกันภายใน และบล็อกนี้ถือว่าเป็นข้อมูลที่ผู้ขายรายงานเองมากกว่าข้อมูลที่ตรวจสอบแล้ว ซึ่งก็เป็นอย่างนั้นจริง สิ่งที่ควรจับตาเป็นพิเศษคือการรัน LiveCodeBench หรือ SWE-bench โดยบุคคลที่สามที่ทำซ้ำค่า 73.46 ได้ โปรไฟล์ Artificial Analysis ที่จะวางทั้งสองโมเดลไว้บนมาตรวัดเดียวกัน และรายงานใด ๆ เกี่ยวกับโมเดลที่จัดการงานในรีโพซิทอรีจริง ซึ่งเป็นลักษณะการใช้งานที่การ์ดเตือนไว้โดยตรง

จนถึงตอนนั้น การตีความที่ป้องกันได้ก็แคบกว่าพาดหัวข่าว โมเดลขนาด 1.73B ที่มีคอนเท็กซ์ 256K ใช้พื้นที่ 1 GB และมีโปรไฟล์การเรียกใช้เครื่องมือที่แข็งแกร่ง ได้ไล่ทันโมเดลอเนกประสงค์ขนาด 12B ในเบนช์มาร์กการเขียนโค้ดแบบแยกส่วนเพียงรายการเดียว และตามหลังอยู่ไกลในด้านความรู้ นั่นไม่ใช่การพลิกความคาดหมาย แต่เป็นโมเดลสองตัวที่สร้างมาสำหรับงานต่างกัน และคำถามที่มีประโยชน์คือคุณมีงานแบบไหน