Sakana Namazu vs LFM2.5-2.6B-Base: ราคาที่แท้จริงของเวทฟรี

LFM2.5-2.6B-Base มีค่าใช้จ่าย $0.00 ในการดาวน์โหลด Sakana Namazu มีค่าใช้จ่าย $0.95 ต่อล้าน input tokens และ $4.00 ต่อล้าน output tokens เมื่ออ่านป้ายราคาสองอันนั้น คุณอาจสรุปได้ว่าการเปรียบเทียบจบลงก่อนที่จะเริ่ม — แต่ความแตกต่างด้านราคาที่แท้จริงกลับไปคนละทาง LFM2.5-2.6B-Base ซึ่งเป็น pre-trained checkpoint ขนาด 2.69 พันล้านพารามิเตอร์ของ Liquid AI ที่เผยแพร่บน Hugging Face เมื่อวันที่ 4 สิงหาคม 2026 ไม่ใช่ผลิตภัณฑ์: ไม่มีผู้ให้บริการ inference ใดโฮสต์มัน ไม่มีการประเมินผลที่เผยแพร่แม้แต่ชิ้นเดียว และการ์ดโมเดลของมันเองก็ระบุว่าเป็นวัตถุดิบสำหรับการ fine-tuning ในทางตรงกันข้าม Sakana Namazu คือ API ที่เสร็จสมบูรณ์ พร้อมให้บริการ และมีเครื่องมือรองรับครบถ้วน คำถามคือคุณยอมจ่ายจริง ๆ ด้วยอะไร — เป็นเงิน หรือเป็นงาน

แต่ละอย่างจริงๆ แล้วคืออะไร

Sakana Namazu คือ Kimi K2.6 ที่ผ่านการ post-train มาเพื่อภาษาธุรกิจญี่ปุ่นโดยเฉพาะ ถูกห่อหุ้มด้วย API ที่เข้ากันได้กับ OpenAI พร้อมความสามารถค้นหาเว็บและการรันโค้ดในตัว แค่เปลี่ยน base_url ตั้งค่า key ก็ใช้งานได้ทันที LFM2.5-2.6B-Base คือ checkpoint การ pre-train แบบดิบที่อยู่เบื้องหลังตระกูล LFM2.5-2.6B ของ Liquid ซึ่งเป็นรากฐานที่ใช้สร้างเวอร์ชันพี่น้องแบบ post-train และ agentic การ์ดโมเดลของ Liquid ระบุชัดเจนว่า base นี้มีไว้สำหรับการ fine-tune อย่างหนัก และตาราง benchmark ในนั้นเป็นของเวอร์ชัน post-trained ไม่ใช่ตัวนี้

เอกสารข้อมูลจำเพาะ

• ราคา — Sakana Namazu $0.95 / $4.00 ต่อ 1M tokens เทียบกับ LFM2.5-2.6B-Base $0 สำหรับดาวน์โหลด จัดการทุกอย่างด้วยตัวเอง

ขนาด — Namazu สืบทอดสถาปัตยกรรม MoE ขนาด 1T / 32B-active จาก Kimi K2.6 เทียบกับ LFM2.5-2.6B-Base แบบ dense hybrid ขนาด 2.69B (22 บล็อกคอนโวลูชัน + 8 เลเยอร์แอตเทนชัน)

• บริบท — Namazu ไม่ได้เปิดเผย เทียบกับ LFM2.5-2.6B-Base 128K โทเคน (131,072 ต่อคอนฟิก)

• โฮสติ้ง — Namazu ให้บริการโดย Sakana เทียบกับ LFM base ที่ไม่มีใครโฮสต์ — คุณต้องสร้างสแตกการให้บริการเอง

• การประเมิน — คะแนนที่รายงานโดยผู้ขายของ Namazu เทียบกับคะแนนที่เผยแพร่ของ LFM base zero

• ภาษา — Namazu ที่ปรับแต่งสำหรับธุรกิจญี่ปุ่น เทียบกับ LFM พื้นฐานหลายภาษา (16 ภาษา, คำศัพท์ 128K โทเคน)

การคิดคำนวณต้นทุนรวม

"Free weights" เป็นราคาจริง เพียงแต่คิดเป็นหน่วยแรงงาน ในการให้ LFM2.5-2.6B-Base ทำงานที่ได้รับมอบหมาย คุณต้องมี: รอบการปรับแต่งโมเดล (คำนวณโดย Liquid เอง — โทเค็นประมาณ $10 สำหรับชุดข้อมูลแบบมีป้ายกำกับ 100K ตัวอย่าง และประมาณ $100 สำหรับ 1M ตัวอย่าง), สแตกอินเฟอเรนซ์ (vLLM, SGLang หรือ llama.cpp บนอุปกรณ์ที่คุณเป็นเจ้าของ) และการเสิร์ฟอย่างต่อเนื่อง ผลตอบแทนคือมิเตอร์หยุดเดิน: หลังจากการสร้างเสร็จ ทุกโทเค็นฟรี ซึ่งทำให้โมเดลฐานเป็นผู้ชนะขาดลอยสำหรับงานที่มีปริมาณมาก เปิดตลอดเวลา และทนต่อความหน่วง มิเตอร์ของ Namazu ไม่เคยหยุด แต่มันเริ่มทำงานทันที — ไม่มีการเทรน ไม่มี GPU ไม่มีงานปฏิบัติการ สำหรับการผสานรวมครั้งเดียว หรืองานที่เวลาของทีมคุณเป็นรายการต้นทุนที่แพง โมเดลที่ "ฟรี" กลับเป็นโมเดลที่แพง

ใบอนุญาตที่มีผลผูกพัน

รายละเอียดปลีกย่อยก็ไม่เป็นผลดีต่อโมเดลฟรีเช่นกัน LFM2.5-2.6B-Base เผยแพร่ภายใต้ LFM Open License v1.0 ซึ่งจำกัดการใช้เชิงพาณิชย์ไว้ที่รายได้ต่อปีไม่เกิน 10 ล้านดอลลาร์สหรัฐ และใช้ข้อจำกัดนี้กับงานดัดแปลงด้วย หมายความว่าโมเดล fine-tune ของคุณจะได้รับข้อจำกัดนี้ไปด้วย หากเกินเกณฑ์ คุณจะต้องจ่ายใบอนุญาตเชิงพาณิชย์ให้กับ Liquid ส่วน Sakana Namazu ไม่มีข้อจำกัดดังกล่าว แต่มันเป็นซอฟต์แวร์แบบปิด และค่าเริ่มต้นในการจัดการข้อมูล (ฝึกจากอินพุตของคุณเว้นแต่คุณจะเลือกไม่เข้าร่วม และไม่รับประกันการประมวลผลเฉพาะในญี่ปุ่น) คือราคาที่ต้องจ่ายเพื่อความสะดวกสบายของการใช้บริการโฮสต์ ทั้งคู่ไม่ได้ฟรีในความหมายที่ฉลากระบุไว้

ช่องว่างของเอเจนต์

ความแตกต่างที่คมชัดที่สุดคือโมเดลทั้งสองถูกสร้างมาเพื่ออะไร LFM2.5-2.6B-Base คือเบสโมเดล — พื้นฐานดิบที่โมเดลเอเจนต์หลังการเทรนของ Liquid ถูกสร้างขึ้นมา มันไม่ใช่เอเจนต์ ไม่ใช่แม้แต่โมเดลแบบ instruct ด้วยซ้ำ Sakana Namazu คือผลิตภัณฑ์เชิงเอเจนต์: มีการค้นหาเว็บในตัว, การรันโค้ด, และลูปการทำงานด้วยตัวเองที่สาธิตไว้ (ในเดโมของ Sakana มันวางแผนรายงานวิจัยตลาด, ค้นหาข้อมูล, ตรวจสอบข้ามแหล่ง และเขียนรายงานโดยไม่มีคนดูแล) หากงานคือ "รันโมเดล 2.6B ที่คุณปรับแต่งสำหรับงานเฉพาะแคบๆ ที่มีปริมาณมาก" เบสโมเดลชนะ หากงานคือ "ให้เอเจนต์ทำงานด้านความรู้" Namazu เป็นเพียงหนึ่งในสองตัวที่มีเครื่องมือพร้อมใช้งาน

งั้นอันไหนถูกกว่ากัน?

คำตอบที่ตรงไปตรงมาคือ ทั้งสองสิ่งนี้ไม่ใช่สิ่งทดแทนกัน — โมเดลฐาน (base) เป็นส่วนประกอบ และ Namazu เป็นผลิตภัณฑ์ — ดังนั้นการตัดสินใจที่แท้จริงจึงอยู่ที่ว่า stack ของคุณต้องการอะไรเป็นลำดับถัดไป ในทางปฏิบัติ ไม่มีสิ่งใดอยู่ได้เพียงลำพัง: โมเดลเฉพาะทางขนาด 2.6B ที่ผ่านการ fine-tune มักจะต้องอยู่เคียงข้างโมเดลเอเจนต์เอนกประสงค์ และเลเยอร์จัดเส้นทาง (routing layer) คือสิ่งที่ทำให้ความเป็นจริงแบบหลายโมเดลนั้นยังคงจัดการได้อย่างเป็นระบบ การหลอมรวมโมเดล (model fusion) และ routing DSL ของ OrcaRouter ช่วยให้คุณประกอบโมเดลหลายตัวเข้าไว้ในการเรียกใช้ครั้งเดียว — ซึ่งเป็นเส้นทางสายกลางที่ปฏิบัติได้จริงระหว่าง "โฮสต์ checkpoint ขนาด 2.6B ด้วยตัวเอง" กับ "ซื้อ API จากผู้จำหน่ายรายเดียว" — และเนื่องจากเราส่งผ่านราคาของผู้ให้บริการโดยไม่บวกกำไร (zero markup) การเรียกเก็บเงินจึงยังคงคาดเดาได้แม้สัดส่วนการใช้งานจะเปลี่ยนไป เริ่มต้นด้วย Sakana Namazu หากคุณต้องการเอเจนต์สำหรับธุรกิจญี่ปุ่นที่ใช้งานได้จริงตั้งแต่วันนี้; เริ่มต้นด้วย LFM2.5-2.6B-Base หากคุณพร้อมที่จะสร้างผลิตภัณฑ์ด้วยตัวเองและเฉลี่ยต้นทุนการพัฒนาลงบนโทเคนฟรีนับพันล้าน