Dessa vs LFM2.5 2.6B Base: Một checkpoint bạn có thể sở hữu vs một giọng nói bạn chỉ có thể nghe

LFM2.5-2.6B-Base là một tệp 2,69 tỷ tham số, chỉ chiếm khoảng 2,5 GB, chạy được trên điện thoại và đi kèm giấy phép cho phép bạn tinh chỉnh nó và phát hành kết quả. Dessa là một mô hình giọng nói song công hoàn toàn do Block công bố vào ngày 23 tháng 10 năm 2026, chỉ được huấn luyện trên hội thoại của con người và được cho là đủ nhanh để chạy trên MacBook Pro M4 Max. Bạn không thể tải Dessa, tinh chỉnh nó, đo lường nó hay gọi nó. Nó chỉ là một danh sách chờ.

Đặt hai thứ này vào cùng một câu là bất công theo một cách hiển nhiên: một bên là checkpoint văn bản đã được huấn luyện trước, bên kia là một hành vi hội thoại đã hoàn thiện. Nhưng chính sự bất công đó lại là phần hữu ích. Câu hỏi mà một đội ngũ thực sự phải đối mặt không phải là “mô hình nào tốt hơn” — mà là “mô hình nào tôi có thể gây dựng doanh nghiệp dựa trên đó”, và với câu hỏi đó, khoảng cách giữa một checkpoint cơ sở có thể tải xuống và một bản xem trước nghiên cứu đóng còn lớn hơn bất kỳ khác biệt nào trên benchmark.

LFM2.5-2.6B-Base thực sự là gì

Liquid AI đã phát hành dòng LFM2.5 vào ngày 4 tháng 8 năm 2026. Hậu tố Base quan trọng hơn số lượng tham số: đây là checkpoint đã được tiền huấn luyện, không phải trợ lý được tinh chỉnh theo chỉ dẫn. Nó đã đọc 34 nghìn tỷ token và học được cấu trúc thống kê của 16 ngôn ngữ, nhưng chưa được dạy để tuân theo chỉ dẫn, duy trì hội thoại hoặc sử dụng công cụ. Nếu bạn đưa cho nó một lời nhắc không kèm ngữ cảnh, bạn sẽ nhận được phần tiếp nối chứ không phải cuộc trò chuyện.

Kiến trúc là dạng lai. Gồm ba mươi lớp, trong đó 22 lớp là các khối tích chập ngắn có cổng kép và tám lớp là attention truy vấn theo nhóm, một thiết kế mà Liquid đã không ngừng tinh chỉnh kể từ thế hệ LFM2 đầu tiên. Từ vựng gồm 128.000 token, gấp đôi so với thế hệ trước nhờ phần mở rộng tokenizer tại chỗ hướng tới các hệ chữ không phải Latinh. Ngữ cảnh là 131.072 token, đạt được thông qua phần mở rộng chuyên biệt ở giai đoạn mid-training thay vì ở thời điểm pretraining.

Phiên bản anh em được tinh chỉnh theo chỉ dẫn, LFM2.5-2.6B, là phiên bản có bảng điểm chuẩn đã công bố: AIME25 51.87, LiveCodeBench v6 59.41, IFBench 59.17, BFCLv4 56.88, ToolSandbox 77.83, Claw-Eval English 62.85. Đây là các con số do nhà cung cấp báo cáo và thuộc về mô hình đã qua huấn luyện sau, không phải mô hình gốc. Bản thân Liquid khuyến nghị không nên dùng dòng mô hình này cho lập trình tác tử hoặc các công việc nặng về kiến thức, một tín hiệu trung thực hữu ích trong một thị trường mà mọi mô hình nhỏ đều được mô tả là vượt trội so với phân khúc của mình.

Vì sao việc so sánh một checkpoint cơ sở với một hành vi đã hoàn thiện vẫn đáng để thực hiện

Một mô hình cơ sở là điểm khởi đầu. Giá trị của nó nằm ở thứ bạn có thể tạo ra từ nó: tiền huấn luyện tiếp tục trên miền của bạn, tinh chỉnh có giám sát trên bản ghi lời nói của bạn, một mô hình học trò được chưng cất cho một tác vụ hẹp. Dessa là kiểu tạo tác ngược lại. Nó đến dưới dạng một hành vi — luân phiên lượt lời, tín hiệu hưởng ứng, nhịp điệu cảm xúc — và không phần nào trong đó được mở ra để chỉnh sửa.

Vậy nên, sự so sánh thực chất là về quyền kiểm soát. LFM2.5-2.6B-Base cho bạn trọng số, giấy phép và nghĩa vụ phải tự làm phần việc. Dessa cho bạn một bản demo và khả năng được truy cập. Với một phòng nghiên cứu, lựa chọn thứ hai có thể giá trị hơn. Với một đội sản phẩm, lựa chọn thứ nhất là lựa chọn duy nhất tạo ra được kết quả bàn giao.

Bảng thông số kỹ thuật, với cả hai mặt trên cùng một dòng

Số liệu LFM lấy từ thẻ mô hình và thông báo của Liquid; số liệu Dessa lấy từ trang của Block. Mọi con số do nhà cung cấp báo cáo đều được ghi nhãn như vậy.

• Tham số — LFM2.5-2.6B-Base tổng 2,69B so với Dessa không được tiết lộ.

• Kiến trúc — LFM2.5-2.6B-Base là sự kết hợp của tích chập ngắn và cơ chế chú ý truy vấn nhóm, 30 lớp so với Dessa chuyển đổi giọng nói sang giọng nói đầu-cuối, kiến trúc chưa được công bố.

• Ngữ cảnh — LFM2.5-2.6B-Base 131.072 token so với Dessa không được nêu.

• Phương thức — LFM2.5-2.6B-Base văn bản vào, văn bản ra so với Dessa âm thanh vào, âm thanh ra.

• Trọng số — LFM2.5-2.6B-Base có thể tải xuống, bao gồm các bản dựng GGUF, ONNX và MLX, so với Dessa không có.

• Giấy phép — LFM2.5-2.6B-Base theo LFM Open License v1.0, sử dụng thương mại có điều kiện so với Dessa chưa công bố giấy phép.

• Bộ nhớ — LFM2.5-2.6B-Base dưới khoảng 2,5 GB khi chạy so với Dessa trên MacBook Pro M4 Max hoặc tốt hơn, tính theo Block.

• Tốc độ — LFM2.5-2.6B-Base khoảng 220 token mỗi giây trên Apple M5 Max, khoảng 30 trên điện thoại, do nhà cung cấp báo cáo, so với Dessa là "nhanh hơn thời gian thực", nhưng không có con số cụ thể.

• Giá — LFM2.5-2.6B-Base trọng số miễn phí so với Dessa không có giá.

• Khả dụng — LFM2.5-2.6B-Base được cung cấp rộng rãi kể từ ngày 4 tháng 8 năm 2026, so với Dessa là danh sách chờ.

Ngân sách thiết bị chính là toàn bộ lý lẽ.

Điểm chào hàng của Liquid là tính kinh tế khi triển khai: một mô hình đủ nhỏ để chạy trên Raspberry Pi, đủ nhanh cho điện thoại, đủ rẻ để vận hành mà không cần hóa đơn GPU. Thông lượng được công bố — khoảng 220 token mỗi giây trên M5 Max, 113 trên Ryzen AI Max+ 395 và khoảng 30 trên điện thoại — là kiểu con số quyết định liệu trợ lý trên thiết bị có cảm giác tức thì hay như bị hỏng. Ba mươi token mỗi giây nhanh hơn tốc độ đọc, vốn là ngưỡng phù hợp cho một giao diện trò chuyện.

Tuyên bố triển khai của Dessa là một chiếc laptop có giá cao hơn hẳn $2,000 với một chip Apple đầu bảng. Đó vẫn là cục bộ, và cục bộ có những lợi thế thực sự: không có hóa đơn theo từng token, không có vòng khứ hồi qua mạng, không có dữ liệu rời khỏi thiết bị. Nhưng đó là một thị trường khác. Một mô hình 2,6 tỷ tham số có thể được đóng gói bên trong một ứng dụng; một mô hình cần M4 Max là công cụ dành cho nhà phát triển hoặc một tính năng trên máy để bàn. Nếu sản phẩm của bạn chạy trên điện thoại, so sánh này dừng lại ở giới hạn bộ nhớ.

Cấp phép mới là ranh giới thực sự

LFM Open License v1.0 không phải là giấy phép mã nguồn mở được OSI phê duyệt, và đáng nói thẳng như vậy. {{1}}Được phép sử dụng thương mại, nhưng các tổ chức có doanh thu vượt ngưỡng — điều khoản của Liquid đặt ngưỡng ở 10 triệu USD doanh thu hằng năm — cần một giấy phép thương mại riêng.{{/1}} Đó là một hạn chế thực sự. {{2}}Đó cũng là một hạn chế đã được biết rõ, có văn bản, có ngưỡng và có người để đàm phán.{{/2}}

Dessa không có giấy phép vì Dessa không có phân phối. Bạn không thể tuân thủ những điều khoản không tồn tại, và bạn không thể xây dựng hồ sơ mua sắm quanh một danh sách chờ. Đối với một doanh nghiệp, "giấy phép tùy chỉnh với ngưỡng doanh thu" là một cuộc đánh giá pháp lý. "Không có điều khoản công bố" là một rào cản.

Nếu bạn muốn có một tác nhân giọng nói trên điện thoại ngay hôm nay

Cả hai mô hình đều không phải là câu trả lời hoàn chỉnh, nhưng phía LFM ít nhất là một điểm khởi đầu. Một tác nhân thoại trên điện thoại cần ba thành phần: nhận dạng giọng nói, một mô hình ngôn ngữ và tổng hợp giọng nói. LFM2.5-2.6B-Base có thể là mảnh ghép ở giữa nếu bạn tinh chỉnh nó — checkpoint cơ sở là một mô hình văn bản, nên tự nó sẽ không nghe được gì, và ngữ cảnh 131K của nó đủ để chứa lịch sử hội thoại dài cùng các ghi chú được truy xuất.

Việc tinh chỉnh là lựa chọn thú vị. Khi đã có trọng số trong tay, bạn có thể huấn luyện trên các cuộc hội thoại trong miền của riêng mình và đánh giá kết quả theo cách của riêng bạn. Đó chính xác là thí nghiệm mà thông báo của Dessa mời gọi nhưng không cho phép: lấy một ngăn xếp nhỏ có khả năng xử lý giọng nói, huấn luyện nó trên các cuộc hội thoại thật và xem liệu nhịp điệu cảm xúc có xuất hiện hay không. Block nói rằng họ đã làm việc này từ đầu trên một rack GB200 NVL72. Một nhóm với vài GPU có thể chạy phiên bản rẻ của câu hỏi này trên một mô hình cơ sở LFM và học được điều gì đó trong một tuần.

Nếu bạn không muốn chạy mô hình ngôn ngữ ngay trên thiết bị, OrcaRouter đặt một API duy nhất đứng trước hơn 200 mô hình với 0% phụ phí và tự động chuyển đổi dự phòng, để bước suy luận có thể diễn ra trên đám mây trong khi âm thanh vẫn ở cục bộ. Nói rõ về phạm vi: LFM2.5 2.6B Base không có trong danh mục của chúng tôi — nó là một bản tải xuống, và đó chính là mục đích của nó. Chúng tôi định tuyến các mô hình chạy trên máy chủ; mô hình này được thiết kế để chạy ngay tại nơi bạn đặt nó.

Ai nên chọn cái nào

• Bạn cần sở hữu mô hình, trọng số và lộ trình — LFM2.5-2.6B-Base, sau đó tinh chỉnh.

• Bạn cần vận hành ngoại tuyến trên phần cứng giá rẻ — LFM2.5-2.6B-Base.

Bạn cần một lõi văn bản hoặc lõi tác tử dưới vài gigabyte — {{1}}LFM2.5-2.6B đã qua huấn luyện hậu kỳ, không phải bản cơ sở.{{/1}}

• Bạn cần giọng nói trực tiếp, có thể ngắt lời, giàu biểu cảm cảm xúc — Dessa là lựa chọn duy nhất trong hai lựa chọn hướng tới điều đó, và nó không khả dụng.

• Bạn cần một giấy phép có thể ký trong quý này — LFM2.5-2.6B-Base, với điều khoản doanh thu đã được rà soát.

• Bạn cần công bố một kết quả có thể tái tạo — LFM2.5-2.6B-Base, vì tính tái tạo đòi hỏi phải có một tệp.

Thử nghiệm có thể giải quyết điều đó

Lấy 1.000 giờ âm thanh hội thoại kèm bản ghi lời thoại, tinh chỉnh LFM2.5-2.6B-Base ở phía văn bản, rồi gắn thêm một bộ nhận dạng giọng nói và bộ tổng hợp giọng nói mạnh. Đo khả năng phục hồi sau ngắt lời và mức độ phù hợp cảm xúc so với một đường cơ sở theo lượt. Nếu kết quả tiến gần tới những gì các clip của Block gợi ý, thì lợi thế của Dessa hẹp hơn so với những gì đoạn demo gợi ý: đó có thể là một thắng lợi về kiến trúc, nhưng không phải là một lợi thế không thể bị vượt qua.

Nếu không, lập luận ủng hộ việc huấn luyện bản địa cho giọng nói càng mạnh hơn, và việc thiếu tệp trọng số Dessa trở thành sự thật quan trọng nhất trong so sánh này. Dù thế nào, bài kiểm tra có thể chạy được ở phía mở và không chạy được ở phía đóng. Sự bất đối xứng đó chính là câu trả lời cho câu hỏi tiêu đề, và nó sẽ vẫn là câu trả lời cho đến khi Block giao được thứ gì đó mà khách hàng có thể cầm trên tay.