LFM3-1.7B-Base so với Gemma 4 12B: Một thân mô hình chuyên biệt đối đầu với một mô hình tổng quát

Đặt hai bản tải xuống cạnh nhau, và khác biệt đầu tiên không phải là một điểm chuẩn hiệu năng. LFM3-1.7B-Base, được công bố trên Hugging Face vào ngày 26 tháng 10 năm 2026 và được nêu tên trong đợt ra mắt dòng mô hình của Liquid AI vào ngày hôm sau, là một tệp bfloat16 3,46 GB chứa mô hình văn bản được huấn luyện trước có 1,73 tỷ tham số. Gemma 4 12B, được Google DeepMind phát hành vào ngày 3 tháng 6 năm 2026, là một mô hình dense 11,95 tỷ tham số đi kèm với tinh chỉnh theo chỉ thị, ngữ cảnh 256K và khả năng đọc cả hình ảnh, âm thanh lẫn văn bản. Một bên là thành phần. Bên kia là sản phẩm. So sánh chúng về năng lực là một sai lầm về phạm trù, và so sánh chúng về giá trên mỗi token thì gần như cũng tệ không kém, vì checkpoint gốc không có giá token — nó có hóa đơn tinh chỉnh. Định tuyến không cộng thêm biên lợi nhuận vào giá niêm yết của nhà cung cấp. 0% lợi nhuận cộng thêm Xem mức giá chuyển tiếp trên trang định giá của chúng tôi.

Dù sao thì việc so sánh này vẫn xứng đáng có một trang riêng, vì cả hai đều là mô hình trọng số mở mà một nhóm nhỏ có thể tải về ngay trong tuần này vì cùng một lý do nền tảng: họ muốn một mô hình do mình kiểm soát, trên phần cứng do mình sở hữu, mà không cần hợp đồng tính phí theo từng lần gọi. Câu hỏi hữu ích là loại tài sản nào đưa bạn tới đó — một lõi nhỏ do bạn định hình, hay một mô hình tổng quát lớn do bạn tiếp nhận.

Việc so sánh benchmark không thể thực hiện được

LFM3-1.7B-Base không có đánh giá nào được công bố. Không phải một đánh giá sơ sài, cũng không phải bảng của nhà cung cấp kèm dấu hoa thị — mà là không có gì cả. Model card cung cấp thông số kỹ thuật và hướng dẫn fine-tuning, còn bài đăng ra mắt của Liquid có một bảng benchmark đáng kể cho LFM3-1.7B, mô hình anh em đã qua huấn luyện sau và được xây dựng từ checkpoint này. Đó là những artifact khác nhau. Một mô hình base dự đoán văn bản; một mô hình đã qua huấn luyện sau thì tuân theo chỉ dẫn. Chấm điểm mô hình thứ nhất trên một benchmark chỉ dẫn sẽ cho bạn biết về mô hình thứ hai.

Ngược lại, Gemma 4 12B đi kèm một bảng thông số đầy đủ cho các checkpoint được tinh chỉnh theo chỉ dẫn: 77,2% trên MMLU Pro, 78,8% trên GPQA Diamond, 77,5% trên AIME 2026 khi không dùng công cụ, 72,0% trên LiveCodeBench v6, Elo Codeforces là 1659, 69,1% trên MMMU Pro và 43,4% trên MRCR v2 ở 128K với tám needle. Tất cả đều là số liệu của chính Google và chưa có số liệu nào được tái lập độc lập. Artificial Analysis riêng rẽ xếp Gemma 4 12B ở Intelligence Index 14, hạng 20 trong số 141 mô hình thuộc lớp so sánh của nó, với tốc độ đầu ra đo được là 110,9 token mỗi giây.

Vậy bảng điểm trung thực có một cột có dữ liệu và một cột trống, và cột trống không phải là khuyết điểm của mô hình. Đó chính là bản chất của một checkpoint gốc. Bất kỳ ai đặt 49,37 — mức trung bình của chính Liquid cho LFM3-1.7B đã tinh chỉnh — bên cạnh MMLU Pro của Gemma là đang so sánh hai bộ benchmark khác nhau, hai mô hình khác nhau và hai mức tinh chỉnh khác nhau.

Mỗi checkpoint thực sự dùng để làm gì

LFM3-1.7B-Base tồn tại để được thay đổi. Thẻ mô hình của Liquid nói rằng nó chỉ được khuyến nghị cho việc tinh chỉnh chuyên sâu — trợ lý theo ngôn ngữ cụ thể, trợ lý theo lĩnh vực cụ thể, huấn luyện trên dữ liệu độc quyền, các phương pháp hậu huấn luyện mới — và thay vào đó hướng bất kỳ ai muốn trò chuyện hoặc sử dụng công cụ sang mô hình đã được tinh chỉnh. Nó được tiền huấn luyện trên 22 nghìn tỷ token, 3,5 nghìn tỷ token cuối cùng trong số đó là dữ liệu được tuyển chọn trong giai đoạn giữa huấn luyện, với các dấu vết hành vi tác tử và lệnh gọi công cụ, và giai đoạn đó đã mở rộng ngữ cảnh lên 262.144 token. Ở 4-bit, nó chiếm khoảng 1 GB, và đó chính là toàn bộ luận điểm thiết kế: một phần lõi đủ nhỏ để tinh chỉnh trên một GPU và chạy trên điện thoại.

Gemma 4 12B được tạo ra để được sử dụng. Đây là thành viên dense cỡ trung trong gia đình Gemma 4 gồm năm mô hình của Google, không có các bộ mã hóa đa phương thức riêng — các patch hình ảnh và dạng sóng âm thanh được chiếu trực tiếp vào cùng không gian với các token văn bản. Mô hình chạy trên laptop với khoảng 7 GB ở mức lượng tử hóa 4-bit, đi kèm Apache 2.0 không có điều kiện kích hoạt doanh thu, và có kiểu hỗ trợ hệ sinh thái mà một mô hình sáu tháng tuổi tích lũy được: các bản build lượng tử hóa, tích hợp framework, và một cộng đồng đã tìm ra các chế độ lỗi của nó.

Sáu điểm khác biệt mang tính quyết định

• Tham số — 1,73B dense so với 11,95B dense. Tỷ lệ kích thước là 6,9 trên 1, và nó chi phối mọi thứ ở phía sau: bộ nhớ, chi phí tinh chỉnh, tốc độ suy luận và mức trần về kiến thức tổng quát.

• Phương thức — văn bản vào, văn bản ra, dành cho LFM3-1.7B-Base. Văn bản, hình ảnh và âm thanh vào, văn bản ra, dành cho Gemma 4 12B. Checkpoint cơ sở không thể nhìn thấy ảnh chụp màn hình, và dù có tinh chỉnh bao nhiêu đi nữa cũng không thể thêm một bộ mã hóa thị giác vốn chưa từng được huấn luyện.

• Ngữ cảnh — cả hai đều có 262,144 token. Đây là hàng duy nhất mà mô hình nhỏ không để lộ bất kỳ điểm yếu nào, và đó là thành tựu thực sự của kiến trúc lai chứ không phải sự trùng hợp ngẫu nhiên của marketing.

• Ngôn ngữ — mười sáu ngôn ngữ được liệt kê cho LFM3-1.7B-Base, bao gồm tiếng Ả Rập, tiếng Hindi, tiếng Thái, tiếng Việt và tiếng Indonesia. Gemma 4 12B được tiền huấn luyện trên hơn 140 ngôn ngữ với khả năng hỗ trợ sẵn có được công bố cho hơn 35 ngôn ngữ, một phạm vi bao phủ rộng hơn nhiều và là lợi thế thực sự cho việc triển khai đa ngôn ngữ.

• Từ vựng — 128.000 token cho LFM3-1.7B-Base, 262.000 cho Gemma 4 12B. Bộ từ vựng lớn hơn nén văn bản mạnh hơn ở các ngôn ngữ dùng chữ Latinh và trong mã; bộ nhỏ hơn giữ ma trận nhúng nhỏ, điều này quan trọng khi toàn bộ mô hình chỉ 3,46 GB.

• Giấy phép — LFM Open License v1.0 miễn phí cho mục đích thương mại khi doanh thu hằng năm dưới 10 triệu USD, và cần giấy phép thương mại khi vượt ngưỡng đó. Gemma 4 12B dùng Apache 2.0, với các điều khoản sử dụng chấp nhận được của Google đi kèm trọng số thay vì là điều kiện về doanh thu.

Con số cùng suite duy nhất, và lý do nó không chuyển giao

Có đúng một nơi mà Liquid đã công bố điểm số so với Gemma 4 12B trên cùng bộ đánh giá, và nó liên quan đến một mô hình khác. Trên 62 bài đánh giá thị giác, Liquid báo cáo LFM3-VL-2B, mô hình thị giác 1,9B của mình, đạt 66,0 ở hạng mục tổng quát của bộ đánh giá, so với 74,0 của Gemma 4 12B. Ở chỗ khác trong cùng bảng, mô hình nhỏ hơn tiệm cận hơn, và tóm tắt của Liquid là mô hình thị giác này "sánh ngang" với Gemma 4 12B dù nhỏ hơn hơn sáu lần.

Hãy đọc bảng thay vì đọc câu, và nó cho biết điều gì đó chính xác hơn: một mô hình đa phương thức 1.9B chỉ kém một mô hình đa phương thức 12B trong vòng tám điểm trên một bộ đánh giá thị giác toàn diện, và khoảng cách này không đồng đều giữa các hạng mục. Nếu đọc nó như một phát biểu về LFM3-1.7B-Base thì nó chẳng nói lên điều gì cả. Checkpoint cơ sở văn bản không có tháp thị giác và không được đánh giá trên bất kỳ benchmark nào trong số đó. Tuyên bố này thuộc về một mô hình anh em, và đây là kiểu sơ suất về nguồn gốc biến một so sánh cẩn thận thành một so sánh gây hiểu nhầm.

Mô hình đa năng 12B đáng giá bao nhiêu tiền

Gemma 4 12B có giá thị trường vì các bên thứ ba cung cấp nó. Artificial Analysis báo cáo mức trung vị tổng hợp là $0,10 mỗi triệu token đầu vào và $0,30 mỗi triệu token đầu ra trên các nền tảng lưu trữ trọng số mở — đây là trung vị trên các nhà cung cấp, không phải giá niêm yết, và sẽ thay đổi khi phía nguồn cung thay đổi. Mức đó đủ rẻ đến mức hầu hết các nhóm chưa bao giờ nghĩ đến việc tự chạy nó.

LFM3-1.7B-Base không có mức giá như vậy vì nó không phải là một mô hình được phục vụ. Chi phí của nó là lần chạy tinh chỉnh, pipeline dữ liệu và ngăn xếp phục vụ, và những con số đó biến động hơn một bậc độ lớn tùy vào thứ bạn đang xây dựng. Lời chào hàng của Liquid là lần chạy đó vừa trên một GPU duy nhất và kết quả chỉ chiếm khoảng một gigabyte, điều này đúng với mô hình và không nói lên gì về chi phí của dữ liệu gán nhãn. Một bản tinh chỉnh chuyên biệt không rẻ hơn việc gọi API đa dụng trừ khi bạn đã có dữ liệu; nếu có, nó rẻ hơn đáng kể khi ở quy mô lớn.

Đây là lúc một lớp định tuyến chứng minh được giá trị của mình. OrcaRouter chuyển nguyên giá niêm yết của nhà cung cấp với mức cộng thêm 0%, nhờ đó việc nhà cung cấp giảm giá được áp dụng ngay trong ngày thay vì phải chờ một chu kỳ định giá lại, và cùng một khóa có thể truy cập hơn 200 mô hình với tính năng chuyển đổi dự phòng tự động. Cách làm thực tế cho một nhóm đang cân nhắc quyết định này là giữ mô hình đa dụng trên đường định tuyến trong khi bản tinh chỉnh chuyên biệt đang được đánh giá, sau đó chuyển lưu lượng khi bản tinh chỉnh thắng trên tập held-out của chính bạn — không dựa trên mức trung bình của nhà cung cấp.

Ba người mua, ba câu trả lời

Bạn có dữ liệu độc quyền và một tác vụ hẹp.Hãy lấy LFM3-1.7B-Base. Phần thân 1,73B đủ nhỏ để tinh chỉnh trên một GPU, ngữ cảnh 256K vẫn tồn tại sau khi tinh chỉnh, và bộ từ vựng mười sáu ngôn ngữ bao phủ hầu hết các triển khai khu vực. Gemma 4 12B cũng có thể được tinh chỉnh, nhưng bạn sẽ phải trả giá để huấn luyện lại những năng lực mà bạn sắp chuyên biệt hóa để loại bỏ.

Bạn cần một mô hình có thể hoạt động ngay chiều nay.Hãy dùng Gemma 4 12B. Checkpoint gốc không thể trả lời một câu hỏi, còn phiên bản anh em đã tinh chỉnh là một bản tải xuống khác kèm một vấn đề giấy phép khác. Gemma 4 12B được tinh chỉnh theo chỉ dẫn, đa phương thức, có tài liệu và có sẵn với mức giá trung vị được công bố. Thời gian đến câu trả lời đầu tiên được tính bằng phút.

Bạn cần cả hai. Đây là trường hợp phổ biến và cũng là trường hợp mà cách đặt vấn đề đang che giấu. Hãy tinh chỉnh phần thân (trunk) cho tác vụ hẹp, khối lượng lớn và định tuyến mọi thứ còn lại đến một mô hình tổng quát. Hai lựa chọn này không thay thế cho nhau ở cấp độ kiến trúc, và việc coi quyết định này là loại trừ lẫn nhau chính là cách các nhóm rốt cuộc hoặc trả quá cao cho một mô hình chuyên biệt, hoặc phục vụ không đủ tốt một trường hợp sử dụng mà mô hình nhỏ của họ chưa từng được huấn luyện.

Giấy phép chính là vấn đề tiềm ẩn chưa được chú ý.

Apache 2.0 là lý do nhiều công ty dừng đọc ngay ở giấy phép của Gemma. Không có ngưỡng doanh thu, không có yếu tố kích hoạt thương mại và không có đàm phán — các trọng số là của bạn để sửa đổi và phục vụ, theo chính sách sử dụng được chấp nhận của Google. Giấy phép Mở LFM v1.0 của Liquid cũng có tính cho phép ở quy mô nhỏ, nhưng nó định nghĩa ngưỡng doanh thu hằng năm 10 triệu đô la mà vượt mức đó thì giấy phép thương mại sẽ được áp dụng. Đối với một startup, sự khác biệt chỉ là lý thuyết. Đối với một đơn vị kinh doanh trong một công ty lớn hơn, đó là một cuộc bàn thảo về mua sắm khởi động trước cả lần tinh chỉnh đầu tiên.

Điều gì sẽ làm thay đổi câu trả lời

Hai bằng chứng sẽ đưa so sánh này từ một cuộc tranh luận về phân loại sang một cuộc tranh luận bằng số liệu. Thứ nhất là một đánh giá mô hình cơ sở từ Liquid — ngay cả một đánh giá nhỏ, trên một tập ngữ liệu giữ riêng — cho phép người đọc đánh giá liệu 22 nghìn tỷ token và ngăn xếp tri-hybrid có tạo ra một điểm khởi đầu tốt hơn LFM2.5-2.6B-Base hay không. Thứ hai là một bản tinh chỉnh độc lập của LFM3-1.7B-Base trên một tác vụ công khai, được báo cáo so với đường cơ sở Gemma 4 12B. Cả hai hiện chưa tồn tại, và bài đăng ra mắt không hứa hẹn chúng.

Cho đến khi họ làm vậy, quyết định dựa trên thứ bạn đang mua chứ không phải mô hình nào tốt hơn: một trunk 3.46 GB không có điểm số và không có tinh chỉnh chỉ dẫn, hay một mô hình tổng quát 12B với bảng đầy đủ số liệu từ nhà cung cấp và giấy phép mà bạn không bao giờ phải xem lại. Đó không phải là một quyết định sát nút về năng lực. Đó là một quyết định sát nút về độ phù hợp, và cột trống trên bảng điểm là thứ trung thực nhất trên trang này.