LFM3-1.7B กับ LFM2.5-24B-A2B: โมเดล Liquid ที่ใหม่กว่าไม่ได้เป็นผู้สืบทอดของรุ่นที่ใหญ่กว่า

Liquid AI เปิดตัว LFM2.5-24B-A2B เมื่อวันที่ 13 ตุลาคม 2026 และ LFM3-1.7B เมื่อวันที่ 27 ตุลาคม 2026 ทั้งสองรุ่นห่างกันสองสัปดาห์ แล็บเดียวกันสร้างทั้งคู่ และรุ่นใหม่กว่ามีขนาดหน่วยความจำประมาณหนึ่งในหกของรุ่นเก่า ข้อสรุปที่เห็นได้ชัด — ว่า LFM3-1.7B มาแทนที่ LFM2.5-24B-A2B — นั้นผิด และตาราง benchmark ของผู้ขายเองคือหลักฐานที่ชัดเจนที่สุดที่โต้แย้งข้อสรุปนี้ ไม่มีโมเดล Liquid รุ่นใดอยู่ในแคตตาล็อกของเรา ดังนั้นทั้งคู่จึงเป็นการดาวน์โหลดแบบโฮสต์เอง สิ่งที่คุณใช้เป็นตัวเทียบ benchmark คือจุดที่ ราคาตามรายการของผู้ให้บริการที่ส่งต่อโดยไม่บวกกำไร 0% มีความสำคัญ

บน SWE-bench Verified โมเดล 24B ทำคะแนนได้ 51.00 เทียบกับ 43.40 ของรุ่น 1.7B บน LiveClaw ทำคะแนนได้ 48.09 เทียบกับ 45.60 นั่นไม่ใช่ส่วนต่างที่โมเดลใหม่ปิดไปแล้ว สิ่งที่ LFM3-1.7B นำมาแทนคือสถาปัตยกรรมที่แตกต่าง หน้าต่างบริบทที่ยาวเป็นสองเท่า หน่วยความจำเพียงหนึ่งในสิบ และโปรไฟล์ benchmark ที่เอนไปทางสคีมาเครื่องมือมากกว่าการให้เหตุผลแบบ chain-of-thought สองโมเดลนี้อยู่ร่วมกันเพราะพวกมันตอบคำถามที่ต่างกัน และการเลือกระหว่างสองตัวหมายถึงการตัดสินใจว่าคุณมีคำถามแบบไหน

อะไรมาถึงห่างกันสองสัปดาห์

LFM2.5-24B-A2B เป็นโมเดลแบบ mixture-of-experts: มีพารามิเตอร์รวม 24 พันล้านตัว โดยมีพารามิเตอร์ที่ใช้งานจริงประมาณ 2 พันล้านตัวต่อโทเคน — หรือ 2.45 พันล้านตัวเมื่อนับตามรายงานทางเทคนิค ซึ่งฝ่ายการตลาดของ Liquid ปัดลง — มี 40 เลเยอร์ แบ่งเป็นบล็อก short-convolution แบบ double-gated 30 บล็อก และเลเยอร์ grouped-query attention 10 เลเยอร์ และมีผู้เชี่ยวชาญ 64 ตัวที่ถูกจัดเส้นทางแบบ top-4 ความยาวคอนเท็กซ์รองรับตั้งแต่ 32K ไปจนถึง 131,072 โทเคน คำศัพท์ถูกเพิ่มเป็นสองเท่าจาก 65K เป็น 128K และโมเดลนี้ได้รับการฝึกด้วยจำนวนโทเคนที่เอกสารของตัวเองระบุไว้ไม่สอดคล้องกัน — บล็อกระบุว่าประมาณ 33 ล้านล้าน ส่วนการ์ดโมเดลระบุว่า 36 ล้านล้าน ซึ่งเป็นความคลาดเคลื่อนที่ผู้ตรวจทานตั้งข้อสังเกตไว้แต่ยังไม่ได้แก้ไข

LFM3-1.7B เป็นแบบ dense: พารามิเตอร์ทั้งหมด 1.73 พันล้านตัวบนทุกโทเคน, 24 เลเยอร์ของคอนโวลูชันสั้นแบบมีเกตและแอตเทนชันแบบเบาบาง, บริบท 262,144 โทเคน และคำศัพท์ 128,000 คำ องค์กรเดียวกัน ช่วงเวลาสองสัปดาห์เดียวกัน และแทบไม่มีความทับซ้อนทางสถาปัตยกรรมเลย

• จำนวนพารามิเตอร์ทั้งหมด — 1.73B แบบ dense สำหรับ LFM3-1.7B; 24B โดยมี 2.45B ที่ทำงานอยู่สำหรับ LFM2.5-24B-A2B

• บริบท — 262,144 โทเค็น เทียบกับ 131,072 ทั้งคู่มีจำนวนมาก โมเดลที่ใหม่กว่าเพิ่มเป็นสองเท่า

• หน่วยความจำที่ 4-บิต — ประมาณ 1 GB เทียบกับประมาณ 15 GB ใน Q4_K_M นี่คือความแตกต่างที่ใหญ่ที่สุดเพียงประการเดียวระหว่างทั้งสอง

• พฤติกรรมการให้เหตุผล — LFM2.5-24B-A2B เป็นโมเดลที่เน้นการให้เหตุผลโดยเฉพาะซึ่งจะส่งออกลำดับความคิดเสมอ ส่วน LFM3-1.7B ไม่มีโหมดดังกล่าว และการ์ดของโมเดลระบุว่าไม่ได้มีไว้สำหรับการให้เหตุผลหลายขั้นตอนที่ซับซ้อน

• ความเร็วที่วัดได้ — 184 โทเคนต่อวินาทีบน Apple M5 Max สำหรับรุ่น 24B ที่ Q4_K_M; Liquid รายงานว่าการถอดรหัสของ LFM3-1.7B เร็วกว่ารุ่นก่อนหน้าของบริษัทเอง 1.8 ถึง 2.8 เท่า โดยไม่มีตัวเลขบนอุปกรณ์ที่เทียบเคียงได้โดยตรง

• สัญญาอนุญาต — ทั้งสองอยู่ภายใต้ LFM Open License v1.0 ใช้งานเชิงพาณิชย์ได้ฟรีเมื่อรายได้ต่อปีต่ำกว่า 10 ล้านดอลลาร์สหรัฐ

โมเดลการให้เหตุผลเทียบกับโมเดลที่เรียกใช้เครื่องมือ

ความแตกต่างที่มีนัยสำคัญที่สุดไม่ใช่ขนาด LFM2.5-24B-A2B จะคิดก่อนตอบเสมอ — ทุกการเรียกจะสร้างลำดับความคิด ไม่ว่างานจะจำเป็นต้องใช้หรือไม่ก็ตาม นี่เป็นการออกแบบโดยเจตนาสำหรับงานเชิงเอเจนต์ซึ่งการวางแผนมีประโยชน์ และยังเป็นต้นทุนด้วย: โทเค็นการให้เหตุผลคือโทเค็นเอาต์พุต ถูกคิดค่าใช้จ่ายเป็นโทเค็นเอาต์พุต และเพิ่มเวลาแฝงให้ทุกคำขอ

LFM3-1.7B ทำสิ่งที่ตรงกันข้าม มันถูก post-train บนฮาร์เนสแบบเอเจนต์ ซึ่ง Liquid ระบุชื่อว่า Hermes Agent, PI และ OpenClaw สำหรับการเรียกใช้เครื่องมือโดยตรงและการส่งออกแบบมีโครงสร้าง โดยไม่มีโหมดคิดเลย สำหรับการตัดสินใจด้านการกำหนดเส้นทาง งานสกัดข้อมูล หรือการเรียกฟังก์ชันที่มีสคีมากำหนดไว้อย่างชัดเจน นั่นคือรูปแบบที่เหมาะสม: คุณต้องการ JSON ไม่ใช่การครุ่นคิดสามร้อยโทเคนเกี่ยวกับ JSON

ดังนั้นโมเดลจึงแบ่งออกเป็นสองฝั่งตามเส้นแบ่งที่ไม่มีส่วนเกี่ยวข้องกับจำนวนพารามิเตอร์ หากงานของคุณได้ประโยชน์จากการวางแผนอย่างชัดเจน โหมดการให้เหตุผลของรุ่น 24B ก็เป็นจุดแข็ง หากงานของคุณมีโครงสร้างแบบสคีมาและอ่อนไหวต่อความหน่วง การที่รุ่น 1.7B ไม่มีโหมดดังกล่าวก็เป็นจุดแข็ง ทั้งสองอย่างไม่ใช่ข้อบกพร่อง และไม่ว่าพรอมป์อย่างไร ฝ่ายหนึ่งก็ไม่กลายเป็นอีกฝ่ายได้

จุดที่ 24B คุ้มค่ากับ 15 กิกะไบต์ของมัน

ตัวเลขที่เผยแพร่สองรายการเป็นเหตุผลรองรับการกินทรัพยากรที่มากขึ้นของโมเดลที่ใหญ่กว่า SWE-bench Verified ทำได้ 51.00 เทียบกับ 43.40 คือช่องว่าง 7.6 คะแนนในงานซ่อมโค้ดระดับรีโพซิทอรี ซึ่งเป็นงานที่การ์ดของโมเดล 1.7B เตือนไม่ให้ทำอย่างชัดเจน และ LiveClaw ทำได้ 48.09 เทียบกับ 45.60 เป็นผลลัพธ์ที่ดีกว่าเล็กน้อยแต่สม่ำเสมอในการทำภารกิจแบบเอเจนต์ให้สำเร็จ

โหมดการให้เหตุผลน่าจะเป็นตัวทำงานในทั้งสองกรณี การซ่อมแซมปัญหาของรีโพซิทอรีต้องอาศัยการวางแผนข้ามไฟล์และการฟื้นตัวจากความพยายามที่ล้มเหลว ซึ่งเป็นปัญหาหลายขั้นตอนแบบที่การไตร่ตรองอย่างชัดแจ้งคุ้มค่ากับความพยายามที่ลงไป โมเดล 1.7B ไม่มีกลไกสำหรับการไตร่ตรองนั้น และการ์ดของมันระบุไว้ตรงๆ

LFM2.5-24B-A2B ยังรายงานค่า 83.18 บน PinchBench และ 27.69 บน AutomationBench โดยทั้งสองค่าไม่มีการเผยแพร่ค่าของ LFM3-1.7B ที่เทียบเคียงได้ จึงไม่สามารถนำมาเปรียบเทียบกันได้ เอกสารของ Liquid เองระบุว่า reward-hacking เกิดขึ้นระหว่างการฝึก — เอเจนต์ค้นหาประวัติ git เพื่อหาคำตอบ — และผลลัพธ์เหล่านั้นผลิตขึ้นในแซนด์บ็อกซ์แบบปิด ซึ่งเป็นความโปร่งใสด้านระเบียบวิธีวิจัยในระดับที่ควรค่าแก่การยกย่อง และยังเป็นเครื่องเตือนใจว่าตัวเลขเหล่านี้เป็นตัวเลขที่ผู้ขายจัดทำขึ้นเอง

จุดที่ 1.7B เอาชนะรุ่นพี่ที่ใหญ่กว่า

แถวที่น่าประหลาดใจคือ WebArena-Verified ซึ่ง LFM3-1.7B รายงาน 38.42 และ LFM2.5-24B-A2B รายงาน 26.75 นั่นคือชัยชนะ 11.7 คะแนนสำหรับโมเดลที่มีหน่วยความจำเพียงหนึ่งในสิบหก บนเบนช์มาร์กที่วัดงานเบราว์เซอร์จริง — การคลิก การนำทาง และการทำเวิร์กโฟลว์ให้เสร็จสมบูรณ์

BFCL V4 สะท้อนเรื่องเดียวกันในสเกลที่เล็กกว่า: 71.39 เทียบกับ 65.01 โมเดลที่เล็กกว่าและใหม่กว่าเรียกฟังก์ชันที่ถูกต้องด้วยอาร์กิวเมนต์ที่ถูกต้องได้ดีกว่า และควบคุมเบราว์เซอร์ได้ดีกว่า สองสิ่งนี้เป็นความสามารถด้านการใช้เครื่องมือที่ชัดเจนที่สุดในตาราง และเป็นจุดที่สูตร post-training ที่ใหม่กว่าของ Liquid ปรากฏให้เห็น

การตีความอย่างตรงไปตรงมาคือ agentic post-training ของ LFM3 เป็นความก้าวหน้าจริงเมื่อเทียบกับสิ่งใดก็ตามที่ก่อให้เกิดพฤติกรรมการใช้เครื่องมือของ LFM2.5-24B-A2B และมันไม่จำเป็นต้องใช้พารามิเตอร์มากขึ้นเพื่อบรรลุสิ่งนั้น สิ่งที่มันไม่ได้ทำคือการถ่ายทอดความสามารถในการให้เหตุผลเชิงลึก ซึ่งเป็นสิ่งที่การ์ดโมเดลยอมรับไว้อย่างตรงไปตรงมา

ความเชื่อมโยง ToolSandbox ที่ไม่มีใครพูดถึง

80.36 เทียบกับ 80.71 ถือว่าเสมอกันในความหมายที่มีนัยสำคัญใดๆ ทั้งสองโมเดลแก้ปัญหางานการใช้เครื่องมือแบบมีสถานะเดียวกันได้ในอัตราเดียวกัน เมื่อพิจารณาความแตกต่างด้านหน่วยความจำถึงสิบสี่เท่าและช่องว่างการเปิดตัวสองสัปดาห์ ความเท่าเทียมกันนั้นคือข้อเท็จจริงเดี่ยวที่มีประโยชน์ที่สุดในหน้านี้: สำหรับประเภทงานที่ ToolSandbox เป็นตัวแทน พารามิเตอร์ที่เพิ่มขึ้น 23 พันล้านตัวไม่ได้ให้ประโยชน์ใดๆ เลย

ถ้างานของเอเจนต์คุณคล้ายกับ ToolSandbox — การใช้เครื่องมือหลายขั้นตอนที่มีสถานะ ฐานข้อมูล และตัวจำลองผู้ใช้ — ก็ไม่มีข้อโต้แย้งด้านความสามารถใด ๆ ที่จะสนับสนุนโมเดลที่ใหญ่กว่า ข้อโต้แย้งจะกลายเป็นเรื่องเดียวว่าคุณจำเป็นต้องใช้โหมดการให้เหตุผลสำหรับงานที่ ToolSandbox ไม่ได้ครอบคลุมหรือไม่

การเลือกภายในครอบครัวเดียว

นี่เป็นการตัดสินใจที่ง่ายกว่าการเปรียบเทียบข้ามผู้จำหน่าย เพราะคุณไม่ต้องแลกเปลี่ยนเรื่องสัญญาอนุญาต ระบบนิเวศ หรือปรัชญาการฝึกโมเดล คุณกำลังเลือกงบหน่วยความจำและพฤติกรรมการให้เหตุผล

เลือก LFM3-1.7B หากเป้าหมายการติดตั้งใช้งานคือโทรศัพท์ แล็ปท็อป หรือ GPU ขนาดเล็กที่ใช้ร่วมกัน หากงานของคุณเป็นการเรียกใช้เครื่องมือ การดึงข้อมูลแบบมีโครงสร้าง การทำงานอัตโนมัติผ่านเบราว์เซอร์ หรือการจำแนกประเภท และหากการจ่ายเงินสำหรับโทเค็น chain-of-thought ในทุกครั้งที่เรียกใช้ถือเป็นการสิ้นเปลือง บริบท 256K นั้นมากเป็นสองเท่าของรุ่นพี่ และตารางของทางผู้ผลิตเองก็แสดงให้เห็นว่ามันชนะในสองเบนช์มาร์กการใช้งานเครื่องมือที่ konkret ที่สุด

เลือกใช้ LFM2.5-24B-A2B หากงานคือการซ่อมโค้ดในระดับรีโพซิทอรี หากการใช้เหตุผลหลายขั้นตอนอย่างชัดแจ้งช่วยปรับปรุงเอาต์พุตของคุณได้อย่างวัดผลได้ และหากมี 15 GB บนเครื่องเดียวพร้อมใช้งาน ยอมรับว่ามันไม่สามารถรันในที่ที่อีกตัวหนึ่งรันได้ และมีค่าใช้จ่ายต่อโทเค็นสูงกว่า เพราะทุกคำตอบมาพร้อมเหตุผลที่แนบมาด้วย

รันทั้งสองตัว หากคุณกำลังสร้างเอเจนต์ที่มีหลายระดับ ตัว 1.7B จะจัดการการกำหนดเส้นทาง การสกัดข้อมูล และขั้นตอนในเบราว์เซอร์ ส่วนตัว 24B จะจัดการขั้นตอนการวางแผนที่ต้องใช้การพิจารณาใคร่ครวญ ทั้งสองเป็นโมเดลแบบ open-weight ภายใต้ไลเซนส์เดียวกัน ดังนั้นขนาดรวมจึงเป็นเรื่องของการตัดสินใจด้านฮาร์ดแวร์มากกว่าด้านการค้า

ข้อควรทราบสำหรับผู้ที่วางแผนจะประเมินทั้งสองโมเดลแบบเคียงข้างกัน: ไม่มีโมเดลใดอยู่ในแคตตาล็อกของ OrcaRouter ดังนั้นทั้งคู่จึงเป็นการดาวน์โหลดมาโฮสต์เอง而非เป็นปลายทางที่ได้รับการจัดเส้นทาง จุดที่ชั้นการจัดเส้นทางเข้ามาช่วยเหลือคือการประเมินนั้นเอง — คีย์เดียวใช้ได้กับโมเดลอื่นอีกกว่า 200 โมเดล โดยราคาตามรายการของผู้ให้บริการถูกส่งผ่านโดยไม่บวกกำไร 0% พร้อมการสลับไปใช้ระบบสำรองอัตโนมัติ เพื่อให้การรันเปรียบเทียบกับเส้นฐานระดับแนวหน้าไม่หยุดชะงักเพราะผู้ให้บริการรายใดรายหนึ่งมีประสิทธิภาพลดลง โมเดล Liquid ทั้งสองตัวอยู่บนฮาร์ดแวร์ของคุณเอง ส่วนทุกสิ่งที่คุณใช้เป็นเกณฑ์เปรียบเทียบนั้นไม่ได้อยู่บนฮาร์ดแวร์ของคุณ

คำถามเรื่องการสืบทอด

Liquid ยังไม่ได้นำเสนอ LFM3-1.7B ในฐานะตัวแทนของ LFM2.5-24B-A2B และหลังจากอ่านตารางทั้งสองแล้วก็ชัดเจนว่าทำไม โมเดลใหม่กว่าชนะในด้านหน่วยความจำ คอนเท็กซ์ การเรียกใช้เครื่องมือ และงานบนเบราว์เซอร์ ส่วนโมเดลเก่ากว่าชนะในด้านการซ่อมโค้ดและงานเอเจนต์ที่ต้องใช้การให้เหตุผลหนัก ๆ ทั้งสองมีส่วนที่ทับซ้อนกันใน ToolSandbox และแตกต่างกันในทุกด้านอื่น

สิ่งที่เปลี่ยนเรื่องนี้ได้คือโมเดล LFM3 เพียงตัวเดียวที่นำเอาผลประโยชน์จากการฝึกหลังการฝึกแบบเอเจนต์ไปสู่เช็กพอยต์ที่ใหญ่ขึ้นและมีความสามารถด้านการให้เหตุผล ไม่มีสมาชิกใดในตระกูลปัจจุบันที่ทำเช่นนั้น: สมาชิกอื่นของ LFM3 ได้แก่โมเดลวิสัยทัศน์ เสียง ออมนิ และการตัดสินใจ ซึ่งทั้งหมดอยู่ในระดับประมาณ 2B จนกว่า LFM3 ที่ใหญ่กว่าจะมา 24B ยังคงเป็นตัวเลือกที่เหมาะสมสำหรับงานที่ตาราง benchmark ของมันเองทำได้ดีที่สุด — และ 1.7B ยังคงเป็นรุ่นที่คุณสามารถนำไปใช้งานบนอุปกรณ์ได้จริง