LFM3 เทียบกับ Qwen3.8-27B: ช่องว่างขนาด 16 เท่าที่แคบลงเหลือ 9% ในการทำตามคำสั่ง

LFM3-1.7B มีพารามิเตอร์ 1.73 พันล้านตัว Qwen3.8-27B มีพารามิเตอร์ 27.78 พันล้านตัว บวกกับตัวเข้ารหัสภาพ — น้ำหนักมากกว่า 16.1 เท่า เมื่อนำมาเทียบกันบน benchmark แถวเดียวกัน ตัวเลขก็ไม่ยอมทำตัวตามหลักคณิตศาสตร์ บน IFBench ซึ่งทดสอบว่าโมเดลปฏิบัติตามข้อจำกัดที่มันไม่เคยถูก fine-tune มาก่อนหรือไม่ ช่องว่างระหว่างสองตัวต่ำกว่าเก้าเปอร์เซ็นต์ บน Terminal-Bench 2.1 ช่องว่างคือ 5.6 เท่า โมเดลสองตัว ความต่างของขนาดที่คงที่หนึ่งอย่าง และผลลัพธ์ที่แกว่งจาก "ทำไมคุณถึงจะจ่ายเงินเพื่อตัวใหญ่เลย" ไปจนถึง "ตัวเล็กทำสิ่งนี้ไม่ได้เลย" ขึ้นอยู่กับแถวที่คุณอ่าน

ความต่างตรงนั้นคือการตัดสินใจทั้งหมด นี่ไม่ใช่เรื่องราวของโมเดลเล็กที่ไล่ตามโมเดลใหญ่ทัน และไม่ใช่เรื่องราวของโมเดลใหญ่ที่ถูกใช้อย่างสิ้นเปลืองกับงานเล็ก ๆ มันเป็นเรื่องราวเกี่ยวกับขอบเขตงานที่ทอดตัวอยู่อย่างสม่ำเสมอมาก ระหว่าง การทำตามคำสั่งกับการดำเนินการตามแผน — และเกี่ยวกับเงื่อนไขใบอนุญาตที่จัดลำดับการเปรียบเทียบราคาใหม่อย่างเงียบ ๆ สำหรับทุกคนที่ทำงานในบริษัทที่มีรายได้สูงกว่าเกณฑ์รายได้ที่กำหนด

แต่ละสิ่งเหล่านี้จริง ๆ แล้วคืออะไร

Liquid AI ประกาศครอบครัว LFM3 เมื่อ 2026-10-27 — หนึ่งวันก่อนหน้านี้จะถูกเขียนขึ้น — ในฐานะโมเดล open-weight หกตัวระดับ aproximadamente 2B ที่แตกแขนงมาจาก backbone ร่วมกันคือ LFM3-1.7B-Base โดย LFM3-1.7B เป็นสมาชิกฝั่งข้อความ: สถาปัตยกรรม tri-hybrid จำนวน 24 เลเยอร์ (gated short convolution 13 เลเยอร์, เลเยอร์ sliding-window attention 5 เลเยอร์ที่มีหน้าต่าง 256 โทเคน และเลเยอร์ full-attention 6 เลเยอร์) ซึ่งผ่านการ pre-train บน 22 ล้านล้านโทเคน พร้อมรอบ mid-training สุดท้ายขนาด 3.5 ล้านล้านโทเคนที่รวม agent traces และ tool calls ไว้ด้วย เวตอยู่ใน Hugging Face, Ollama จัดส่งเป็น lfm3:latest ด้วยขนาดดาวน์โหลด 1.7 GB และ model card ของผู้ให้บริการเองแนะนำไม่ให้ใช้สำหรับ agentic coding หรือการให้เหตุผลหลายขั้นตอนที่ซับซ้อน ประโยคสุดท้ายนี้สำคัญกว่าสิ่งอื่นใดบนการ์ด และเราจะกลับมาที่มัน

Qwen3.8-27B ไม่ใช่ของใหม่ Alibaba เปิดเผยน้ำหนักโมเดลเมื่อกลางเดือนสิงหาคม 2026ภายใต้ Apache 2.0 และมีเวลาสิบสัปดาห์ในการสะสมยอดดาวน์โหลด การควอนไทซ์ และรายงานจากผู้ใช้จริง ซึ่งการเปิดตัวที่เพิ่งมีอายุหนึ่งวันไม่มีทางมีได้ มันเป็นโมเดลแบบ dense ขนาด 27.78B ที่สร้างขึ้นจากบล็อกซ้ำของเลเยอร์ Gated DeltaNet และ Gated Attention ลึก 64 ชั้น พร้อมอินพุตภาพและวิดีโอแบบเนทีฟ และคอนเท็กซ์ 262,144 โทเคนที่ขยายได้ถึง 1M ด้วย YaRN การคิดเปิดอยู่โดยค่าเริ่มต้นและปรับได้ผ่านการตั้งค่าความพยายามในการให้เหตุผล

ดังนั้นการวางกรอบอย่างตรงไปตรงมาของการจับคู่นี้จึงไม่สมมาตรในแบบที่มีนัยสำคัญ: โมเดลหนึ่งมีตาราง benchmark จากผู้ขายและไม่มีรายงานภาคสนาม ส่วนอีกโมเดลมีทั้งสองอย่าง ให้ถือว่าสิ่งใดก็ตามด้านล่างเกี่ยวกับ LFM3-1.7B เป็นข้ออ้างเกี่ยวกับชุดทดสอบของ Liquid AI ไม่ใช่เกี่ยวกับภาระงานของคุณ

สเปกที่รุ่นเล็กไม่เป็นรองใคร

เริ่มจากมิติที่การเพิ่มพารามิเตอร์เป็น 16 เท่าไม่ได้ให้ผลอะไรเลย เพราะมิติเหล่านี้มีจำนวนมากกว่าที่ความแตกต่างของขนาดบ่งชี้

• หน้าต่างบริบท — ทั้งสองรองรับ 262,144 โทเค็นแบบเนทีฟ LFM3-1.7B เข้าถึงค่านี้ได้ระหว่างการฝึกช่วงกลาง; Qwen3.8-27B รองรับแบบเนทีฟตั้งแต่แรกและขยายได้ถึง 1M ด้วย YaRN

• ภาษา — ประกาศไว้ 16 ภาษาสำหรับ LFM3-1.7B (รวมถึงภาษาอังกฤษ จีน ญี่ปุ่น เกาหลี อาหรับ และฮินดี); Qwen3.8-27B ได้รับการฝึกอย่างกว้างขวางในหลายภาษา โดยไม่มีจำนวนภาษาที่ระบุเป็นจุดเด่น

• รูปแบบข้อมูล (Modality) — ข้อความเข้า ข้อความออกสำหรับ LFM3-1.7B; ข้อความ รูปภาพ และวิดีโอเข้า ข้อความออกสำหรับ Qwen3.8-27B นี่คือจุดเดียวที่ 27B ทำงานต่างประเภทกันอย่างแท้จริง แทนที่จะเป็นแค่เวอร์ชันที่ใหญ่ขึ้นของงานเดิม

• หน่วยความจำที่ 4 บิต — ประมาณ 1 GB สำหรับ LFM3-1.7B เทียบกับประมาณ 14–16 GB สำหรับ Qwen3.8-27B

• หน่วยความจำที่ BF16 — 3.46 GB เทียบกับประมาณ 56 GB ซึ่งเป็นความต่างระหว่างแล็ปท็อปกับเครื่องที่มีหลาย GPU

• สัญญาอนุญาต — LFM Open License v1.0 เทียบกับ Apache 2.0 เก็บประเด็นนี้ไว้ก่อน

หน้าต่างบริบท 256K ทั้งสองฝั่งเป็นจุดที่น่าประหลาดใจจริง ๆ โดยทั่วไปแล้วความยาวบริบทมักสอดคล้องกับจำนวนพารามิเตอร์ และในที่นี้ โมเดลที่คุณรันได้ด้วยหน่วยความจำประมาณหนึ่งกิกะไบต์กลับมีหน้าต่างบริบทตามชื่อขนาดเดียวกับโมเดลที่ต้องใช้เวิร์กสเตชัน คำว่า “ตามชื่อ” (nominal) มีความหมายสำคัญจริงในประโยคนั้น — หน้าต่าง 256K บนโมเดล 1.7B จะมีประโยชน์ก็ต่อเมื่อโมเดลสามารถค้นหาสิ่งต่าง ๆ ภายในหน้าต่างนั้นได้ ซึ่งเป็นสิ่งที่แถว long-context ด้านล่างทดสอบอยู่พอดี

เมื่อพารามิเตอร์ 16 เท่าแลกมาได้เพียงเก้าเปอร์เซ็นต์

Liquid รันชุดทดสอบ 27 แถวและเผยแพร่ตารางฉบับเต็ม รวมถึงคอลัมน์ที่คู่แข่งชนะ โมเดลทั้งสองรายงานIFBench ซึ่งเป็นแถวที่เปรียบเทียบกันได้ตรงที่สุดในภาพรวมทั้งหมด เพราะเป็นเวอร์ชันเบนช์มาร์กเดียวที่ผู้จำหน่ายทั้งสองรายงาน

LFM3-1.7B ได้ 73.03 คะแนน Qwen3.8-27B ได้ 79.5 คะแนน นั่นคือ 6.5 คะแนน ซึ่งต่ำกว่าร้อยละเก้าของคะแนนโมเดลที่ใหญ่กว่า — บนโมเดลที่เล็กกว่า 16.1 เท่า สำหรับงานที่ส่วนใหญ่เป็น "รับอินพุตที่ยุ่งเหยิงนี้ ส่งออกมาเป็นรูปทรง JSON นี้แบบเป๊ะ ๆ และไม่ทำให้สคีมาเสีย" ช่องว่างนั้นแทบจะเท่ากับสัญญาณรบกวน และความแตกต่างด้านการดีพลอยคือหนึ่งกิกะไบต์เทียบกับสิบหก

ตารางของ Liquid เองก็ชี้ประเด็นเดียวกันเมื่อเทียบกับคู่แข่งที่ใกล้เคียงกว่า เมื่อเทียบกับ Qwen3.5-9B — โมเดลที่มีขนาดใหญ่กว่า LFM3-1.7B ถึงห้าเท่า — โมเดลเล็กกว่าชนะ IFBench ด้วยคะแนน 24 พอยต์ (73.03 ต่อ 48.84), IFStruct 4.5 พอยต์ (93.72 ต่อ 89.20) และ Multi-IF 4.7 พอยต์ (89.10 ต่อ 84.44) ไม่ว่าข้ออื่นจะเป็นจริงอย่างไร การทำตามคำสั่งไม่ใช่ความสามารถที่เพิ่มขึ้นอย่างราบรื่นตามจำนวนพารามิเตอร์ และโมเดล 1.7B ที่ได้รับการฝึกมาอย่างดีสามารถเอาชนะโมเดล 9B ที่ธรรมดาในเรื่องนี้ได้

แถวข้อมูลบริบทแบบยาวมีความกำกวมมากกว่า และควรระบุให้ชัดเจนตรง ๆ มากกว่าจะปัดเศษให้เข้าข้าง Liquid บน AA-LCR นั้น LFM3-1.7B ทำได้ 52.83 — เป็นคะแนนที่จับต้องได้จริงสำหรับขนาดของมัน และใกล้เคียงกับ 52.67 ของ Qwen3.5-4B โดยประมาณ บน RULER 128K มันได้ 65.56 ซึ่งนำหน้า 37.96 ของ MiniCPM5-2B อยู่มาก แต่ตามหลัง 87.11 ของ Qwen3.5-9B อยู่ไกล ดังนั้นหน้าต่าง 256K จึงไม่ใช่แค่ของประดับ แต่ก็ไม่ได้เท่าเทียมกับของโมเดลที่ใหญ่กว่าเช่นกัน Qwen3.8-27B ไม่ปรากฏในตารางนั้นเลย ซึ่งหมายความว่าไม่มีตัวเลขบริบทยาวแบบเทียบกันได้โดยตรงสำหรับการจับคู่นี้โดยเฉพาะ — มีเพียงข้อสันนิษฐานตั้งต้นที่หนักแน่นว่าโมเดล 27B ที่มี 262K แบบเนทีฟจะเอาชนะโมเดล 1.7B ที่มีหน้าต่างบริบทตามที่ระบุขนาดเดียวกัน

ที่ซึ่งพารามิเตอร์ 16× ให้ผลตอบแทนห้าเท่าครึ่ง

ตอนนี้คือแถวที่การ์ดโมเดลเตือนไว้ ทุกแถวเหล่านี้เป็นเวอร์ชันเบนช์มาร์กที่ผู้ขายทั้งสองรายรายงาน ดังนั้นจึงไม่มีการหักลบข้ามเวอร์ชันใด ๆ เกิดขึ้น

• Terminal-Bench 2.1 — 12.92 สำหรับ LFM3-1.7B เทียบกับ 73.0 สำหรับ Qwen3.8-27B ช่องว่าง 5.6 เท่า

• Humanity's Last Exam ไม่ใช้เครื่องมือ — 7.17 เทียบกับ 30.8 ช่องว่าง 4.3 เท่า

• GPQA Diamond — 63.37 เทียบกับ 89.2 ช่องว่าง 1.4 เท่า

• LiveCodeBench v6 — 73.46 เทียบกับ 90.3 ช่องว่าง 1.2×

ลำดับของรายการนั้นเองคือข้อค้นพบ ช่องว่างเล็กที่สุดในการสร้างโค้ดแบบครั้งเดียว (single-shot) โดย LFM3-1.7B มีผลลัพธ์ต่ำกว่าโมเดลที่มีขนาดใหญ่กว่าถึงสิบหกเท่าอยู่ประมาณ 19% ช่องว่างกว้างที่สุดใน Terminal-Bench ซึ่งงานไม่ใช่แค่ "เขียนโค้ด" แต่คือ "ควบคุมเครื่องจักรผ่านหลายขั้นตอน กู้คืนจากข้อผิดพลาดของตนเอง และหยุดเมื่องานเสร็จ" นั่นคือความสามารถที่การ์ดของ Liquid เองระบุว่าโมเดลยังขาดอยู่พอดี และตัวเลขก็สอดคล้องกับการ์ดนั้น ใน GPQA และ HLE ช่องว่างคือความรู้ ซึ่งเป็นผลลัพธ์ที่น่าแปลกใจน้อยที่สุดในที่นี้ — โมเดล 1.7B ที่ฝึกด้วยโทเคน 22T ก็เพียงแต่เห็นข้อมูลน้อยกว่าโมเดล 27B ที่ฝึกด้วยข้อมูลมากกว่า และไม่ว่าจะออกแบบสถาปัตยกรรมอย่างไรก็ชดเชยไม่ได้

มีอยู่หนึ่งแถวที่ชี้ไปในทางตรงกันข้าม และมันคือตัวเลขที่น่าสนใจที่สุดบนการ์ดทั้งสองใบ บนชุดข้อมูลสาธารณะของ AA-Omniscience LFM3-1.7B บันทึกความแม่นยำ 7.07 และ 92.93 การไม่ฮอลลูซิเนต คู่นี้หมายความว่าโมเดลมักปฏิเสธที่จะตอบมากกว่าจะตอบผิด นี่คือตัวเลขการไม่ฮอลลูซิเนตที่สูงที่สุดในตารางเปรียบเทียบของ Liquid เอง และสูงกว่าทุกโมเดลที่ใหญ่กว่าที่ระบุไว้ ค่า 30.8 ของ Qwen3.8-27B บน HLE เป็นท่าทีตรงกันข้าม: มันรู้มากกว่าและกล้ายืนยันคำตอบนั้น

ถ้ารูปแบบความล้มเหลวของไปป์ไลน์คุณคือค่าที่ผิดแต่ถูกส่งเข้าฐานข้อมูลอย่างมั่นใจ โมเดลที่งดตอบ 93% ของเวลา ก็ถือเป็นฟีเจอร์ และเพดานความแม่นยำคือราคาที่ต้องจ่าย ถ้ารูปแบบความล้มเหลวของไปป์ไลน์คุณคือค่า null ในจุดที่ควรมีค่า พฤติกรรมเดียวกันนั้นก็คือบั๊ก นี่คือสิ่งที่สุดคมที่สุดเพียงหนึ่งเดียวที่การเทียบครั้งนี้ขึ้นอยู่กับ และไม่มีคะแนนรวมใดจับสิ่งนี้ได้

เลขสามตัวที่คุณต้องไม่ลบ

หน้าคู่เทียบแบบตัวต่อตัวสำหรับการจับคู่นี้จะถูกล่อใจให้เรียงทุกเกณฑ์วัดประสิทธิภาพที่ผู้ขายทั้งสองรายเผยแพร่ สามบรรทัดในนั้นไม่ผ่านการเผชิญหน้ากับระเบียบวิธีวิจัย

SWE-bench. Liquid รายงานว่า LFM3-1.7B ได้ 43.40 บน SWE-bench Verified ด้วยฮาร์เนส OpenCode ส่วน Alibaba รายงานว่า Qwen3.8-27B ได้ 61.7 บน SWE-bench Pro ซึ่งเป็นเบนช์มาร์กคนละตัว ฮาร์เนสคนละแบบ และการกระจายงานคนละแบบ ความต่าง 18 จุดระหว่างตัวเลขสองตัวนั้นไม่ใช่การวัดค่าอะไรเลย หากต้องการเห็นรูปร่างคร่าว ๆ ของช่องว่าง ให้ใช้ Terminal-Bench 2.1 ซึ่งทั้งสองรายงานเวอร์ชันเดียวกัน

ดัชนีแบบรวมใด ๆ Artificial Analysis ให้คะแนน Qwen3.8-27B ที่ 33.7 บน Intelligence Index ในการตั้งค่าการให้เหตุผลแบบ xhigh ณ วันที่ 2026-10-28 ยังไม่มีรายการ LFM3 ปรากฏบน Artificial Analysis เลย การเปิดตัวเมื่อหนึ่งวันยังไม่ได้ผ่านการประเมินอิสระ และข้อความที่ตรงไปตรงมาก็คือ LFM3-1.7B ไม่มีตัวเลขใดที่ได้รับการทบทวนซ้ำโดยอิสระเลย ทุกตัวเลขที่อ้างว่าเป็นของมันในบทความนี้ — และในทุกที่อื่น ๆ ในสัปดาห์นี้ — ล้วนมาจากชุดทดสอบของ Liquid AI เอง บน基準ที่ Liquid AI เลือกเอง

การตั้งค่าความพยายามในการให้เหตุผล คะแนนที่เผยแพร่ของ Qwen3.8-27B เปลี่ยนแปลงอย่างมากระหว่างโหมด low, medium, xhigh และโหมดไม่ใช้การให้เหตุผล ดัชนี 33.7 คือตัวเลขของโหมด xhigh และตัวเลขของโหมดไม่ใช้การให้เหตุผลต่ำกว่าอย่างมีนัยสำคัญ การเปรียบเทียบใดก็ตามที่จับคู่ตัวเลขของ Qwen กับตัวเลขของ LFM3 โดยไม่ระบุการตั้งค่าความพยายามในการให้เหตุผล ย่อมเป็นการนำโมเดลที่ใช้การคิดใคร่ครวญมาเทียบกับโมเดลที่เร็ว แล้วเรียกความแตกต่างนั้นว่าสถาปัตยกรรม

สิ่งที่จะยุติข้อสงสัยนี้ได้นั้นตรงไปตรงมา นั่นคือการรัน LFM3-1.7B โดยอิสระบนฮาร์เนสชุดเดียวกัน ภายใต้การตั้งค่าระดับความพยายามที่ระบุไว้ และ ideally หลังจากที่ชุมชนได้มีเวลาหลายสัปดาห์กับน้ำหนักโมเดลแล้ว จนถึงตอนนั้น สรุปอย่างเป็นธรรมได้ว่า ช่องว่างที่ผู้ขายรายงานในด้านการทำตามคำสั่งนั้นมีขนาดเล็ก และช่องว่างที่ผู้ขายรายงานในด้านการดำเนินการหลายขั้นตอนนั้นมีขนาดใหญ่ และข้อกล่าวอ้างทั้งสองข้อล้วนมาจากฝ่ายที่มีส่วนได้เสียเดียวกัน

ใบอนุญาตคือป้ายราคาที่แท้จริง

นี่คือส่วนที่พลิกกลับข้อสรุปตามปกติของการเปรียบเทียบระหว่างสิ่งเล็กกับสิ่งใหญ่

LFM3-1.7B เผยแพร่ภายใต้ LFM Open License v1.0 เวทของโมเดลสามารถดาวน์โหลดและรันได้ฟรี โดยไม่อนุญาตให้ใช้งานเชิงพาณิชย์สำหรับองค์กรที่มีรายได้ต่อปี 10 ล้านดอลลาร์สหรัฐขึ้นไป Qwen3.8-27B เผยแพร่ภายใต้ Apache 2.0 โดยไม่มีเงื่อนไขเกี่ยวกับรายได้ ไม่มีข้อจำกัดด้านขอบเขตการใช้งาน และไม่มีข้อตกลงแยกต่างหาก

ดังนั้น สำหรับสตาร์ทอัพสองคน การคำนวณนั้นชัดเจน: โมเดลที่พอดีกับหนึ่งกิกะไบต์ ไม่มีค่าใช้จ่ายต่อโทเคน และรันบนฮาร์ดแวร์ที่คุณมีอยู่แล้ว ใกล้เคียงกับของฟรี สำหรับบริษัทที่มีรายได้เกิน 10 ล้านดอลลาร์ — ซึ่งหมายความว่าบริษัทส่วนใหญ่ที่มีงบประมาณการอนุมานสำหรับงานProduction ที่คุ้มค่าจะปรับแต่ง — โมเดลราคาถูกไม่ใช่ของฟรี และโมเดลราคาแพงนั้นได้รับอนุญาตอย่างชัดเจน โมเดลที่ดูเหมือนเป็นตัวเลือกประหยัดกลับเป็นตัวที่ต้องมีบทสนทนาทางกฎหมายพ่วงมาด้วย

นั่นไม่ใช่ข้อโต้แย้งต่อ LFM3-1.7B แต่เป็นข้อโต้แย้งให้อ่านสัญญาอนุญาตก่อนที่คุณจะอ่านตาราง benchmark เพราะสัญญาอนุญาตเป็นตัวกำหนดว่าตาราง benchmark จะพร้อมให้คุณใช้หรือไม่ด้วยซ้ำ

ต้องมีอะไรบ้างจึงจะรันแต่ละอันได้จริง

{{1}}LFM3-1.7B ติดตั้งได้ด้วยคำสั่งบรรทัดเดียว{{/1}} โดยมีอยู่ในคลังของ Ollama ในชื่อ {{2}}lfm3:latest{{/2}} และ {{3}}lfm3:1.7b{{/3}} ทั้งคู่มีขนาดดาวน์โหลด 1.7 GB พร้อมประกาศหน้าต่างบริบทไว้ที่ 256K และรันใน Transformers โดยปรับแต่งได้ด้วย GPU เดียว รีลีสบน Hugging Face มาพร้อมโน้ตบุ๊กสำหรับ SFT, DPO และ GRPO รวมถึงตัวอย่างแบบลงมือทำสำหรับการฝึกโมเดลให้เลือกเครื่องมือที่ถูกต้องจากทั้งหมด 108 ตัวในแอปบนโทรศัพท์ หากเป้าหมายของคุณคือตัวสกัดข้อมูลขนาดเล็ก เฉพาะทาง และผ่านการปรับแต่ง ซึ่งอยู่บนเครื่องเดียวกับข้อมูล นี่คือเส้นทางที่สั้นจริง ๆ จากการดาวน์โหลดไปจนถึงการนำไปใช้งาน

Qwen3.8-27B เป็นโปรเจกต์ที่แตกต่างออกไป ที่ขนาดประมาณ 56 GB ใน BF16 ต้องใช้เครื่อง multi-GPU หรือการทำ quantization แบบเข้มข้น ที่ 4-bit จะพอดีใน 14–16 GB ซึ่งเป็น GPU เดี่ยวระดับสูงหรือแล็ปท็อปสเปกดี โดย KV cache จะดันการใช้หน่วยความจำจริงให้สูงขึ้นไปอีก มันทำงานใน Transformers, vLLM, SGLang และ TokenSpeed หากคุณไม่อยากเป็นเจ้าของฮาร์ดแวร์นั้น มันมีให้บริการแบบโฮสต์อยู่ — บน OrcaRouter มีผู้ให้บริการต้นทางสองรายให้บริการ ในราคา $0.33 ต่อหนึ่งล้านโทเค็นอินพุต และ $2.40 ต่อหนึ่งล้านโทเค็นเอาต์พุตจากรายแรก และ $0.40 / $4.21 จากรายที่สอง

ส่วนต่างระหว่างผู้ให้บริการสองรายนี้น่าหยุดพิจารณา เพราะเป็นสิ่งที่เห็นได้ก็ต่อเมื่อดูแคตตาล็อกจริง ไม่ใช่ข่าวประชาสัมพันธ์ น้ำหนักโมเดลเดียวกัน หน้าต่างบริบทเดียวกัน แต่เอาต์พุตจากผู้ให้บริการรายที่สองแพงกว่าประมาณ 75% OrcaRouter ส่งผ่านราคาตามรายการของผู้ให้บริการโดยบวกเพิ่ม 0% ดังนั้นราคาทั้งสองจึงเห็นได้เคียงข้างกัน และการสลับไปยังระบบสำรองอัตโนมัติหมายความว่าเมื่อผู้ให้บริการเกิดสะดุด ระบบจะเปลี่ยนเส้นทางหลบไปเองแทนที่จะส่งผลถึงผู้ใช้ของคุณ หากคุณกำลังประเมิน Qwen3.8-27B เป็นเส้นทางยกระดับสำหรับไปป์ไลน์ที่เริ่มจากโมเดลขนาดเล็ก นั่นคือช่วงที่คุณจะวางไว้หลังคีย์เดียว

พูดให้ชัดเกี่ยวกับอีกครึ่งหนึ่ง: OrcaRouter ไม่ได้ให้บริการ LFM3-1.7B มันคือการดาวน์โหลดเวต และการรันมันคือ endpoint ของคุณเองบนฮาร์ดแวร์ของคุณเอง เหตุผลที่ต้องกล่าวถึงเราในบทความนี้เลยคือส่วนของการยกระดับไปสู่ขั้นถัดไป ไม่ใช่โมเดลเล็ก

ใครควรเลือกอันไหน

การตัดสินใจไม่ได้ขึ้นอยู่กับตาราง benchmark จริง ๆ หรอก แต่ขึ้นอยู่กับสองคำถามที่คุณตอบได้ก่อนที่คุณจะรันอะไรสักอย่าง

เลือก LFM3-1.7B หากงานเป็นแบบเทิร์นเดียวและผูกกับสคีมา — การสกัดข้อมูล การจำแนกประเภท การกำหนดเส้นทาง เอาต์พุตแบบมีโครงสร้าง การเลือกเครื่องมือบนอุปกรณ์ — และข้อมูลไม่สามารถออกจากอุปกรณ์ได้ นอกจากนี้ยังเป็นตัวเลือกที่เหมาะสมหากคุณตั้งใจจะปรับแต่งโมเดล (fine-tune) เพราะโมเดลขนาด 1.7B ที่มีเส้นทาง SFT/DPO/GRPO ให้มาด้วยและใช้งบประมาณ GPU เพียงตัวเดียวคือโปรเจกต์ช่วงสุดสัปดาห์มากกว่าหนึ่งไตรมาส หน้าต่าง 256K ภาษา 16 ภาษา และพฤติกรรมการงดตอบ ล้วนชี้ไปที่กรณีการใช้งานเดียวกัน: องค์ประกอบที่แคบ มีปริมาณสูง และอ่อนไหวต่อความเป็นส่วนตัว ซึ่งคำตอบที่ผิดแย่กว่าการไม่มีคำตอบ และเป็นจุดที่บริษัทของคุณอยู่ใต้เส้นรายได้

เลือก Qwen3.8-27B หากโมเดลจำเป็นต้องวางแผน ทั้งเอเจนต์แบบหลายขั้นตอน งานบนเทอร์มินัล การเขียนโค้ดระยะยาว หรืออะไรก็ตามที่โมเดลต้องกู้คืนจากข้อผิดพลาดของตัวเองตลอดการเรียกเครื่องมือเป็นโหลครั้ง — ช่องว่าง 5.6× บน Terminal-Bench ไม่ใช่ปัญหาการปรับแต่ง แต่เป็นสิ่งที่การ์ดโมเดลกำลังบอกความจริงกับคุณ และยังเป็นตัวเลือกที่ถูกต้องเมื่อคุณต้องการความรู้มากกว่ารูปแบบ เมื่อคุณต้องการอินพุตภาพหรือวิดีโอ และเมื่อ Apache 2.0 เป็นข้อกำหนดมากกว่าความชอบ

และเลือกทั้งสองหากคำตอบที่ซื่อตรงคือไปป์ไลน์ของคุณมีสองส่วน รูปแบบที่เข้ากับการจับคู่นี้คือรอบแรกที่ราคาถูก ทำงานในเครื่อง และผูกกับสคีมา พร้อมเส้นทางการยกระดับไปยัง 27B เมื่อรอบแรกไม่ตอบ — ซึ่งเป็นสิ่งที่โมเดลที่งดตอบ 93% ของเวลาถูกสร้างมาเพื่อส่งสัญญาณพอดี สถาปัตยกรรมนี้ใช้แถวที่ดีที่สุดของแต่ละโมเดล และไม่ใช้แถวที่แย่ที่สุดของโมเดลใดเลย

อะไรจะทำให้คำตอบนี้เปลี่ยนไป

มีสองเรื่อง และทั้งสองเรื่องควรจับตามองมากกว่าจะเดาเอา

ประการแรกคือการประเมิน LFM3-1.7B อย่างเป็นอิสระ ข้อกล่าวอ้างด้านความสามารถทั้งหมดข้างต้นพึ่งพาชุดทดสอบของ Liquid AI เอง และ Base checkpoint ในตระกูลนี้เปิดตัวโดยไม่มีตาราง benchmark เลย — ซึ่งบ่งบอกว่าตัวเลขของตระกูลนี้เป็นเรื่องราวหลังการฝึก (post-training) ไม่ใช่เรื่องราวของสถาปัตยกรรม การรันอย่างเป็นกลางบน IFBench และ Terminal-Bench จะยืนยันการแบ่งแยกที่บทความนี้อธิบายไว้ หรือทำให้การแบ่งแยกนั้นสิ้นสลายไป

ประการที่สองคือ Liquid จะปล่อยโมเดลข้อความที่ใหญ่ขึ้นบนแบ็กโบนนี้หรือไม่ การเปรียบเทียบทั้งหมดถูกวางกรอบด้วยช่องว่างด้านพารามิเตอร์ 16× และผลลัพธ์ด้านการทำตามคำสั่งบ่งชี้ว่าสูตรการเทรนกำลังทำงานมากกว่าจำนวนพารามิเตอร์ หาก LFM3 ขนาดกลางเปิดตัว คำถามที่น่าสนใจจะไม่ใช่ "โมเดล 1.7B ทำตามคำสั่งได้หรือไม่" — มันทำได้แล้ว — แต่จะเป็น "สูตรนี้จะทำอะไรได้บ้างกับพารามิเตอร์สี่พันล้านตัว"

จนกว่าหนึ่งในนั้นจะเกิดขึ้น สรุปที่มีประโยชน์ก็ยังแคบกว่าสกอร์บอร์ด: LFM3-1.7B เป็นผู้ตามคำสั่งที่ดีจริง ๆ แต่วางแผนไม่ได้ และ Qwen3.8-27B เป็นนักวางแผนที่ดีจริง ๆ พร้อมไลเซนส์ที่คุณใช้สร้างบริษัทได้ การเลือกระหว่างสองตัวนี้ไม่ใช่คำถามเรื่อง benchmark แต่เป็นคำถามว่าประโยคไหนในสองประโยคนั้นอธิบายภาระงานของคุณ