Thẻ tiêu đề hero ghi 'LFM2.5-24B-A2B vs Gemma 4 26B-A4B' với phụ đề 'Hai mô hình thưa, hai ngân sách khác nhau' và hai bảng được dán nhãn ghi 'LFM2.5-24B-A2B: tổng 24,0B, 2,45B hoạt động, chỉ văn bản' và 'Gemma 4 26B A4B: tổng 25,2B, 3,8B hoạt động, văn bản + hình ảnh', với logo OrcaRouter được ghép ở góc dưới bên phải.
Guides & Insights

LFM2.5-24B-A2B vs Gemma 4 26B-A4B: Hai mô hình thưa, hai lý thuyết khác nhau về nơi tính toán được phân bổ

Tác giả

jinhao.song

Ngày đăng

Mô hình mới nhất · 20Xem tất cả mô hình →
Benchmark: Artificial Analysis · cập nhật hằng ngày
Quay lại tất cả bài viết

LFM2.5-24B-A2B và Gemma 4 26B-A4B trông như cùng một ý tưởng được lặp lại hai lần. Checkpoint của Liquid AI đã ra mắt vào ngày 13 tháng 10 năm 2026 với tổng cộng 24,0 tỷ tham số, đọc 2,45 tỷ tham số mỗi token. Gemma 4 26B-A4B của Google DeepMind mang tổng cộng 25,2 tỷ tham số với 3,8 tỷ tham số hoạt động mỗi token, được công bố trên Hugging Face vào ngày 11 tháng 3 năm 2026. Cả hai đều là mixture of experts, cả hai đều là checkpoint khoảng 25 tỷ tham số gắn với ngân sách tính toán từ hai đến bốn tỷ tham số, và cả hai nhà cung cấp đều dùng cùng một câu khi giải thích sự đánh đổi — bạn trả giá bằng bộ nhớ cho một mô hình lớn và bằng độ trễ cho một mô hình nhỏ. Phép tính gần như giống hệt đó chính là lý do khiến việc so sánh đáng được thực hiện một cách nghiêm túc, bởi vì sau đó hai mô hình dành ngân sách đó cho những thứ hoàn toàn khác nhau: Gemma 4 26B-A4B dành nó cho thị giác, ngữ cảnh 256K và một nền tảng kiến thức rộng; LFM2.5-24B-A2B dành nó cho vết suy luận, bộ khung gọi công cụ và học tăng cường dạng tác tử. Cùng hình dạng, ưu tiên trái ngược.

Còn thêm một điểm bất đối xứng nữa nằm ngay trên cùng: bảng benchmark LFM2.5-24B-A2B dùng Gemma-4-26B-A4B-it làm một trong ba baseline, nên lần này chúng ta không phải đặt hai bảng ra mắt cạnh nhau rồi đoán — Liquid đã chạy cả hai, trong cùng môi trường vLLM, và công bố các dòng kết quả.

Cả hai đều thiếu cùng một thứ, và đó chính là thứ mà ai cũng mặc định là có.

Hãy bắt đầu với hiểu lầm mà hai mô hình này có khả năng tạo ra cao nhất, vì nó giống nhau ở cả hai. Một hỗn hợp chuyên gia thưa không làm giảm yêu cầu bộ nhớ của bạn. Mọi tham số trong checkpoint đều phải thường trú; thứ mà 2.45B hoặc 3.8B active mang lại cho bạn là thông lượng trên mỗi token, chứ không phải kích thước nhỏ hơn. Một độc giả nhìn thấy "2.45B active" và với tay lấy một máy 4 GB sẽ có một buổi chiều tệ hại.

Trong danh mục của chính chúng tôi, checkpoint Gemma 4 26B A4B được liệt kê với ngữ cảnh 262.144 token, còn thẻ LFM2.5-24B-A2B ghi 131.072. Trên đĩa, khoảng cách còn lớn hơn mức mà số lượng tham số gợi ý: LFM2.5-24B-A2B công bố một GGUF Q4_K_M ở 14,5 GB và một QAT QAD-Q4_0 ở 13,6 GB, với 48 GB ở BF16; Gemma 4 26B A4B công bố bfloat16 safetensors dưới dạng một shard 49,9 GB cộng một shard 1,7 GB, với một GGUF 4-bit nhận biết lượng tử hóa ghép một tệp trọng số nhỏ gọn với một tệp chiếu đa phương thức riêng. Con số tròn: khoảng 14 GB so với khoảng 50 GB chưa nén, từ hai checkpoint mà tổng số tham số chỉ chênh nhau một tỷ. Sự khác biệt đó đến từ từ vựng, cách bố trí chuyên gia và ngăn xếp đa phương thức, chứ không phải từ con số tham số trên tiêu đề, và đó là dòng thực tế nhất trong toàn bộ bài này.

Đối chiếu thông số kỹ thuật, mỗi dòng cho một khía cạnh

• Tổng số tham số / tham số hoạt động — LFM2.5-24B-A2B 24,0B / 2,45B, 64 chuyên gia với định tuyến top-4 trên 40 lớp. Gemma 4 26B-A4B 25,2B / 3,8B, 8 chuyên gia hoạt động trong số 128 cộng thêm một chuyên gia chia sẻ trên 30 lớp.

A capture of the Hugging Face model page for google/gemma-4-26B-A4B-it, showing the image-text-to-text pipeline tag, the Transformers and Safetensors formats, the gemma4 and conversational tags, the Apache 2.0 licence, and the card text stating that Gemma 4 models are multimodal, handling text and image input with audio supported on the E2B, E4B and 12B models, that the family spans a context window of up to 256K tokens across five sizes, and the architecture list covering reasoning, extended multimodalities, dense and MoE variants, and on-device optimisation.

• Ngữ cảnh — 131.072 token so với 262.144, với Gemma 4 26B A4B sử dụng cửa sổ trượt 1.024 token và cơ chế attention lai xen kẽ các lớp cục bộ và toàn cục, giữ lớp cuối cùng ở dạng toàn cục.

• Phương thức — LFM2.5-24B-A2B là văn bản vào, văn bản ra. Gemma 4 26B A4B nhận văn bản và hình ảnh, với bộ mã hóa thị giác khoảng 550M tham số; âm thanh chỉ giới hạn ở các kích thước Gemma 4 nhỏ hơn.

• Suy luận — LFM2.5-24B-A2B luôn phát ra một chuỗi tư duy tường minh bên trong khối <think>. Gemma 4 26B A4B là một mô hình tổng quát được tinh chỉnh theo chỉ dẫn, không có dấu vết bắt buộc.

• Từ vựng — 128.000 token, tăng gấp đôi so với thế hệ trước nhờ mở rộng tokenizer tại chỗ, so với bộ từ vựng 262K dùng chung trên cả năm kích cỡ Gemma 4.

• Giấy phép — lfm1.0, miễn phí cho mục đích thương mại cho đến khi đạt 10 triệu USD doanh thu hằng năm và cần giấy phép thương mại sau mốc đó. Gemma 4 26B A4B dùng Apache 2.0, với văn bản giấy phép gốc tại ai.google.dev/gemma/apache_2, cùng chính sách cấm sử dụng của Google nằm bên cạnh như một tài liệu về mục đích sử dụng được chấp nhận chứ không phải một hạn chế của giấy phép.

• Các định dạng đã phát hành — GGUF (từ Q4_K_M đến BF16), FP8, ONNX và MLX 4/5/6/8-bit cho mô hình Liquid; safetensors bfloat16, một checkpoint đã huấn luyện trước, một bản dựng QAT 4-bit và GGUF sẵn sàng cho llama.cpp, cùng với một drafter dự đoán đa token, dành cho kích cỡ Gemma.

Liquid đã chạy cả hai, và kết quả không phải là một màn thắng trọn vẹn.

Bài đăng ra mắt LFM2.5-24B-A2B đặt Gemma-4-26B-A4B-it vào cột đường cơ sở trong bảng mười sáu benchmark của nó, cùng với Qwen3.6-35B-A3B và Nemotron-3.5-Lightning, với cả bốn cột đều được chạy trong vLLM theo cài đặt tạo sinh cho từng benchmark. Mọi thông tin bên dưới đều do nhà cung cấp báo cáo ở cả hai phía — số liệu của Liquid, trong một bảng do Liquid tổng hợp. Đây không phải là đánh giá độc lập, nhưng ít nhất nó là một harness duy nhất, điều mà hầu hết các trang so sánh mô hình với mô hình không có được.

Các hàng agentic trông như một cuộc thắng áp đảo: AutomationBench 27,69 so với 5,46, ToolSandbox 80,71 so với 72,09, LiveClaw 48,09 so với 41,25, τ³-Bench Banking 8,04 so với 4,54, BFCLv4 65,01 so với 57,09. Tuân thủ chỉ dẫn cũng cùng một câu chuyện — IFEval 96,75 so với 92,00, IFBench 74,69 so với 47,44, Multi-IF 84,38 so với 82,19.

Rồi đến nửa còn lại của bảng, phần mà Liquid vẫn công bố: PinchBench 83,18 so với 77,12 đi theo hướng ngược lại, và ba hàng còn lại cũng vậy — những hàng quan trọng hơn bất kỳ chiến thắng gọi công cụ nào. GPQA Diamond — 74,42 so với 74,90, gần như ngang bằng ở mức cao nhất của khoa học sau đại học. SWE-Bench Verified qua OpenCode — 51,00 so với 25,80, cách biệt hai ăn một nghiêng về mô hình Liquid, đây là con số đơn lẻ gây ngạc nhiên nhất trong cả hai bảng. SciCode — 32,71 so với 35,42, mô hình cỡ Gemma dẫn trước. Và AA-Omniscience — −24,90 so với −59,39, khi cả hai mô hình đều đạt điểm kém và mô hình cỡ Gemma còn kém hơn gấp đôi.

Có hai cách đọc điều đó, và cách trung thực là cách thứ hai. Cách thứ nhất là một mô hình agent có 2,45B tham số hoạt động đánh bại một mô hình tổng quát có 3,8B tham số hoạt động ở mảng agent, đúng như mục tiêu nó được tạo ra để làm. Cách thứ hai là cột Gemma 4 26B A4B trông yếu bất thường trên mọi phương diện — việc 25,2B tổng tham số và 3,8B tham số hoạt động lại xếp dưới một mô hình có 2,45B tham số hoạt động ở khả năng tuân thủ chỉ dẫn, sử dụng công cụ và kiến thức không phải là điều mà bảng các mô hình cùng dòng của chính Google sẽ dự đoán, và đó là lời nhắc rằng một khung đánh giá dùng chung không làm cho một benchmark trở nên có thể so sánh được nếu các mô hình được vận hành qua những thiết lập sinh và cách đưa prompt khác nhau. Hãy coi hướng của những hàng này là đáng tham khảo, còn độ lớn thì không.

Điều hoàn toàn không có trong bảng là phần đa phương thức của Gemma 4 26B A4B. Ở đây không thể thực hiện một benchmark về thị giác vì LFM2.5-24B-A2B không thể nhìn. Nếu bất kỳ phần nào trong khối lượng công việc của bạn liên quan đến một hình ảnh đến từ người dùng, thì so sánh này đã có người thắng trước khi nó bắt đầu, và đó không phải là mô hình mới hơn.

Giá, và chi phí thực tế để nắm giữ từng loại

LFM2.5-24B-A2B có mức giá theo token: 0,10 USD cho mỗi triệu token đầu vào (0,05 USD nếu dùng cache) và 1,00 USD cho mỗi triệu token đầu ra trên Console của chính Liquid, kèm 2 USD tín dụng khởi đầu. Gemma 4 26B A4B hoàn toàn không có giá niêm yết từ nhà cung cấp — Google không công bố mức nào — nên con số chi phí trung thực duy nhất là mức mà các nền tảng lưu trữ trọng số mở thu phí, và mức này thay đổi tùy theo nền tảng lưu trữ và tùy theo ngày.

Sự bất đối xứng đó chính là lý lẽ để đi qua một router thay vì đấu nối endpoint của một nhà cung cấp vào code của bạn. Bỏ qua chuyện hình học, đây là điểm mà việc dùng thử cả hai bên trở nên quan trọng: chúng tôi phục vụ checkpoint Gemma 4 26B A4B dưới hai id — google/gemma-4-26b-a4b-it và obsidian/gemma-4-26B-A4B — và cả hai tham chiếu giá mà Liquid dùng trong bảng của mình, qwen/qwen3.6-35b-a3b nằm trong số đó, đều nằm sau một key duy nhất với mức markup 0% trên giá niêm yết của nhà cung cấp. Chúng tôi không phục vụ LFM2.5-24B-A2B. Phiên bản thực tế của trang này vì vậy là: tải checkpoint Liquid về và chạy cục bộ, đồng thời gọi mô hình cỡ Gemma 4 và mốc so sánh Qwen qua cùng một key trong lúc bạn đang quyết định, để bạn so sánh trên chính tác vụ của mình thay vì dựa trên lựa chọn harness của bất kỳ nhà cung cấp nào.

A two-column scoreboard titled 'LFM2.5-24B-A2B vs Gemma 4 26B A4B — the scoreboard'. The left column, LFM2.5-24B-A2B, lists 24.0B total and 2.45B active parameters, a 131,072-token context, text-only input, SWE-Bench Verified 51.00, AutomationBench 27.69, and a Q4_K_M download of 14.5 GB. The right column, Gemma 4 26B A4B, lists 25.2B total and 3.8B active parameters, a 262,144-token context, text and image input, SWE-Bench Verified 25.80, AutomationBench 5.46, and bfloat16 weights of about 50 GB, above a footer reading 'Benchmark rows from Liquid AI's 2026-10-13 vLLM table, which ran both models; vendor-reported and unreproduced.' and the OrcaRouter logo composited bottom-right.A capture of OrcaRouter's own model page for google/gemma-4-26b-a4b-it, showing the 'Gemma 4 26B A4B' heading and the google/gemma-4-26b-a4b-it identifier, the vision, tools, JSON and reasoning chips, Google as the vendor with a 2026-04-03 date, the summary noting 25.2B total parameters with only 3.8B activating per token, and the 262K-token context row listing text, image and video input with a p50 time-to-first-token figure.

Cái nào, và khi câu hỏi thực sự là về cỗ máy của bạn

Nếu khối lượng công việc của bạn là văn bản và tác nhân của bạn cần lập kế hoạch, gọi công cụ và tự giải thích, thì checkpoint mới hơn là bản nên tải về: 14.5 GB ở Q4_K_M, ngữ cảnh 131K, suy luận tường minh, và một bảng benchmark nơi nó thắng các hàng agentic trước đúng đối thủ này. Nếu bất kỳ công việc nào của bạn liên quan đến hình ảnh, hoặc bạn cần ngữ cảnh 256K thay vì 128K, hoặc bạn muốn giấy phép Apache 2.0 không có điều khoản doanh thu phải theo dõi, thì Gemma 4 26B A4B trả lời một câu hỏi mà LFM2.5-24B-A2B thậm chí không đặt ra — với dung lượng đĩa chưa nén lớn gấp khoảng ba lần rưỡi.

Điều mà cả hai mô hình đều không khắc phục được là cả hai đều bị giới hạn bởi bộ nhớ thay vì bị giới hạn bởi tính toán, và cả hai nhà cung cấp đều phải được đọc theo cùng một cách. Bài đăng ra mắt dòng sản phẩm của Google mô tả hai kích cỡ Gemma 4 lớn hơn là các trọng số bfloat16 "vừa vặn một cách hiệu quả trên một GPU NVIDIA H100 80GB" — đúng, và cũng là cách tự diễn đạt của nhà cung cấp thay vì một phép đo cho bản dựng cụ thể này. 184 token mỗi giây của Liquid trên một Apple M5 Max và "nhanh hơn tới 1,7× so với các MoE tương đương trên thiết bị" cũng không kèm theo khả năng tái lập nào. Hai mô hình thưa, hai nhà cung cấp, một chỉ dẫn chung: phần số học trong tên cho bạn biết về tốc độ, và không có gì trong tên cho bạn biết về bộ nhớ.

Những so sánh như thế này cũng là nơi các kiểu lỗi lộ diện: những sự cố AI được ghi nhận và các lỗi của agent đằng sau những mô hình thuộc lớp này được tập hợp trong the OrcaRouter AI Incident Archive, nơi mỗi mục đều có nguồn riêng, mức độ nghiêm trọng, xếp hạng độ tin cậy và cờ tranh chấp.