LFM3-1.7B-Base so với MiniCPM5 2B: Hai nhà cung cấp, hai bảng điểm, một câu trả lời trung thực

Liquid AI đã tạo LFM3-1.7B-Base kho lưu trữ trên Hugging Face vào ngày 26 tháng 10 năm 2026 và công bố thông báo về dòng LFM3 vào ngày hôm sau — và bảng benchmark trong thông báo đó làm được một việc hữu ích một cách hiếm thấy: nó đặt mô hình đã qua huấn luyện hậu kỳ LFM3-1.7B đối đầu trực tiếp với MiniCPM5-2B, mô hình 2,5B mà OpenBMB vẫn gọi là mô hình mã nguồn mở lớp 2B tiên tiến nhất kể từ khi trọng số của nó được phát hành vào tháng 9. Trên bộ 27 bài kiểm tra của chính Liquid, LFM3-1.7B thắng 23 dòng và MiniCPM5-2B thắng bốn. Tuy nhiên, checkpoint trong tiêu đề bài viết này không phải là checkpoint trong bảng đó, và nó không mang bất kỳ con số benchmark nào. Khoảng cách đó chính là câu chuyện.

Ba điều thường bị làm mờ trong mọi so sánh mô hình nhỏ, nên đáng để tách bạch ngay từ đầu: những gì Liquid đã đo, những gì OpenBMB đã đo, và những gì cả hai nhà cung cấp đều chưa công bố về các checkpoint gốc mà người ta thực sự tinh chỉnh. Chỉ có nhóm thứ ba mới mô tả một cuộc so tài công bằng giữa hai cái tên trên trang này.

Bảng mà Liquid đã công bố, và mô hình mà nó mô tả

Thẻ mô hình LFM3-1.7B có 27 hàng trải trên bảy hạng mục — tác nhân, sử dụng công cụ, lập trình tác tử, lập trình, tuân theo chỉ dẫn, kiến thức và ngữ cảnh dài — với các cột cho LFM2.5-2.6B, MiniCPM5 2B, Gemma 4 E4B, Qwen3.5 4B và Qwen3.5 9B. Mô hình của chính Liquid thắng tất cả trừ bốn hạng mục, và khoảng cách ở các hàng tác tử không hề nhỏ: LiveClaw 45,60 so với 30,37, WebArena-Verified 38,42 so với 9,11, AutomationBench 41,29 so với 4,71, BrowseComp-Plus 37,00 so với 16,83. Mô thức tương tự cũng diễn ra ở sử dụng công cụ (BFCL V4 71,39 so với 62,65, ToolSandbox 80,36 so với 68,16) và ngữ cảnh dài, nơi RULER 128K ghi nhận 65,56 so với 37,96 của MiniCPM5-2B.

Bốn chiến thắng của MiniCPM5-2B đều thuộc về kiến thức hoặc độ bền vững đa lượt: τ³-bench đạt 69,44 so với 68,01; GPQA Diamond đạt 65,15 so với 63,37; Humanity's Last Exam không dùng công cụ đạt 8,20 so với 7,17; và độ chính xác AA-Omniscience đạt 9,13 so với 7,07. Đó là những lợi thế sít sao trên các benchmark mà chỉ một phần nhỏ điểm thường chỉ là nhiễu. Còn những khoảng cách về năng lực agentic thì không phải vậy.

Mọi con số trong đoạn đó đều do nhà cung cấp tự báo cáo. Liquid tự vận hành các bộ kiểm thử của riêng mình, tự chọn bộ so sánh của riêng mình và không công bố phương pháp luận cho từng bài kiểm thử trên card. Tính đến ngày 28 tháng 10 năm 2026, chúng tôi không thể tìm thấy mục LFM3 nào trên Artificial Analysis, nên không có bản tái lập độc lập nào để đối chiếu. Hãy coi tỷ lệ 23–4 là lập luận của Liquid, không phải kết quả của ngành.

Checkpoint cơ sở thực chất là gì

Bỏ phần post-training đi thì bạn có một mô hình chỉ xử lý văn bản 1.73B với 24 lớp: 13 tích chập ngắn có cổng, năm lớp attention cửa sổ trượt với cửa sổ 256 token, và sáu lớp attention toàn cục. Con số ngữ cảnh 256K là thật — max_position_embeddings trong config đã công bố ghi 262,144 — chứ không phải cửa sổ 256 token mà các bài đưa tin ban đầu đã nhầm lẫn với nó. Bộ từ vựng là 128,000 token, thẻ mô hình liệt kê 16 ngôn ngữ, và giấy phép là LFM Open License v1.0, với điều khoản cấp phép thương mại ngừng áp dụng cho pháp nhân có doanh thu hằng năm từ 10 triệu USD trở lên.

Công thức huấn luyện được ghi chép chi tiết hơn so với hầu hết các bản phát hành base: tổng cộng 22 nghìn tỷ token, với 3,5 nghìn tỷ token cuối cùng được dành cho dữ liệu mid-training đã được tuyển chọn, bao gồm các dấu vết tác tử và lời gọi công cụ, cùng các phần mở rộng ngữ cảnh 128K và 256K. Ở độ chính xác 4-bit, checkpoint được mô tả là chiếm khoảng 1 GB, đây là con số quan trọng nếu mục tiêu là điện thoại hay laptop thay vì máy chủ.

Điều mà thẻ mô hình không cung cấp cho bạn là bất kỳ đánh giá nào về bản thân mô hình cơ sở. Các điểm số được Liquid công bố thuộc về LFM3-1.7B sau SFT, RL hỗn hợp, chưng cất on-policy đa miền và RL tác tử. Không có cách nào, từ tài liệu công khai, để tách xem bao nhiêu trong mức trung bình 49.37 đó đến từ 22 nghìn tỷ token tiền huấn luyện và bao nhiêu đến từ quy trình hậu huấn luyện. Đó không phải là lời chỉ trích riêng dành cho Liquid — gần như không ai công bố đánh giá mô hình cơ sở — nhưng điều đó có nghĩa là cái tên trong tiêu đề bài viết này không có bảng điểm của riêng nó.

Bảng điểm đếm của OpenBMB

Thẻ của MiniCPM5-2B đưa ra một tuyên bố khác trên một nhóm trục khác. Radar năng lực của nó chấm điểm chín chiều và báo cáo mức trung bình là 53,9, so với 51,1 của Qwen3.5-4B, 42,7 của granite-4.2-3B và 33,2 của LFM2.5-2.6B. Trên bảng đó, mô hình đạt trạng thái tiên tiến nhất trong lớp 2B và có sức cạnh tranh với các mô hình lớp 4B. Bảng này không bao gồm LFM3-1.7B, mô hình chưa tồn tại vào thời điểm thẻ được viết.

Hai bảng điểm không thể trừ cho nhau. Chúng dùng các bài kiểm tra khác nhau, cách chuẩn hóa khác nhau và các tập so sánh khác nhau — và bài đánh giá chồng lấn duy nhất, τ³-bench, lại đúng là chỗ mô hình của OpenBMB nhỉnh hơn trong bảng của Liquid. Nếu bạn đặt 53.9 cạnh 49.37 và kết luận rằng MiniCPM5-2B là mô hình mạnh hơn, thì bạn đã so sánh mức trung bình chín trục của nhà cung cấp với mức trung bình 27 bài kiểm tra của nhà cung cấp và chẳng học được gì.

Các thông số phần cứng bớt mơ hồ hơn. MiniCPM5-2B là một LlamaForCausalLM nguyên bản với tổng cộng 2,516,756,480 tham số, trong đó 1,981,982,720 tham số không thuộc embedding, 42 lớp, grouped-query attention với 16 head truy vấn và 2 head KV, và ngữ cảnh 131,072 token trong cấu hình xuất xưởng. Nó dùng Apache 2.0, được phát hành dưới dạng các bản dựng GGUF, MLX, GPTQ và LiteRT cùng với một mô hình nháp cho giải mã suy đoán, và OpenBMB đã phát hành kho ngữ liệu huấn luyện kèm theo. Đó là một sản phẩm hoàn chỉnh kèm cả nhà máy.

So sánh base với base là cách so sánh sạch duy nhất.

Cả hai dòng mô hình đều phát hành một checkpoint đã được huấn luyện trước, điều này lần đầu tiên cho phép so sánh tương đương. MiniCPM5-2B-Base được tạo vào ngày 27 tháng 8 năm 2026, theo giấy phép Apache 2.0, và tồn tại vì cùng lý do như LFM3-1.7B-Base: để được huấn luyện hậu kỳ thành một thứ khác. Không có thẻ mô hình gốc nào công bố bảng đánh giá. Vì vậy, quyết định phải được đưa ra dựa trên thông số kỹ thuật, giấy phép và hệ sinh thái thay vì dựa trên điểm số.

Việc diễn giải lại này rất quan trọng, vì sai lầm phổ biến nhất với cặp mô hình này là tải bản base của Liquid về, nhắc nó như một mô hình chat, rồi kết luận rằng nó kém hơn MiniCPM5-2B. Đúng là nó sẽ kém hơn. LFM3-1.7B-Base là sản phẩm đầu ra giữa quá trình huấn luyện, có chat template và một chế độ suy nghĩ, chứ không phải một trợ lý; card của chính Liquid cũng ghi rằng nên dùng LFM3-1.7B cho chat, gọi công cụ và agent. Checkpoint hoàn chỉnh của OpenBMB mới là thứ đúng để so sánh với LFM3-1.7B, và phép so sánh đó đã có sẵn trong bảng của Liquid. So sánh base-với-base là dành cho những người có ý định tự thực hiện việc huấn luyện.

Bảng thông số kỹ thuật, từng chiều một

• Tham số — LFM3-1.7B-Base: 1.73B trên 24 lớp. MiniCPM5-2B: tổng cộng 2.52B, 1.98B không tính embedding, trên 42 lớp.

• Ngữ cảnh — LFM3-1.7B-Base: 256K token, đầu vào cộng đầu ra. MiniCPM5-2B: 131,072 token trong cấu hình được phát hành.

• Kiến trúc — LFM3-1.7B-Base: tri-hybrid với tích chập ngắn có cổng cùng attention cửa sổ trượt và attention toàn cục, được nạp bằng trust_remote_code. MiniCPM5-2B: một bộ giải mã Llama tiêu chuẩn chạy trên công cụ không bị sửa đổi.

• Giấy phép — LFM3-1.7B-Base: LFM Open License v1.0, được phép sử dụng thương mại với điều kiện doanh thu hàng năm dưới 10 triệu USD. MiniCPM5-2B: Apache 2.0, không có điều kiện doanh thu.

• Các định dạng đã phát hành — LFM3-1.7B-Base: chỉ có trọng số BF16 trên card gốc; phiên bản cùng dòng sau huấn luyện có các bản dựng GGUF, MLX, ONNX, FP8 và NVFP4. MiniCPM5-2B: BF16, GGUF, MLX, GPTQ và LiteRT, cùng với các checkpoint SFT và mid-training và một mô hình draft DSpark.

• Mức chiếm dụng bộ nhớ — {{1}}LFM3-1.7B-Base{{/1}}: khoảng 1 GB ở 4-bit, theo {{2}}Liquid{{/2}}. MiniCPM5-2B: một mô hình dense 2.5B không có mức chiếm dụng 4-bit nào được công bố trên thẻ mô hình; hãy kỳ vọng mức chi phí bộ nhớ thông thường của phân khúc 2.5B, không phải 1 GB.

• Ngôn ngữ — LFM3-1.7B-Base: 16 ngôn ngữ được nêu tên, bao gồm tiếng Ả Rập, tiếng Hindi, tiếng Thái và tiếng Việt. MiniCPM5-2B: một model card lấy tiếng Anh và tiếng Trung làm trọng tâm, với dữ liệu đã công bố đằng sau nó.

• Dữ liệu huấn luyện — LFM3-1.7B-Base: 22T token, công thức được mô tả nhưng dữ liệu không được phát hành. MiniCPM5-2B: các tập dữ liệu UltraData được phát hành cùng với trọng số.

Các repository cho bạn biết gì về triển khai

MiniCPM5-2B là mô hình dễ đưa lên thiết bị hơn vào thời điểm hiện tại. Kiến trúc là kiến trúc tiêu chuẩn, nên việc hỗ trợ llama.cpp, Ollama và LM Studio chỉ là dùng GGUF đã được phát hành thay vì chờ kernel. Apple Silicon có các bản dựng MLX, Android có đường LiteRT, và mô hình nháp DSpark tồn tại chính là để giúp giải mã nhanh hơn trên phần cứng hạn chế.

LFM3-1.7B-Base đòi hỏi runtime nhiều hơn. Nó cần mã mô hình tùy chỉnh, và checkpoint gốc chỉ được phát hành ở BF16. Hệ sinh thái xung quanh được hỗ trợ tốt hơn: Liquid liệt kê vLLM, SGLang và Transformers hỗ trợ BF16, SGLang hỗ trợ FP8 và NVFP4, llama.cpp và Ollama hỗ trợ GGUF, MLX cho Apple Silicon và ONNX Runtime cho công việc đa nền tảng. Vấn đề là các bản build đó thuộc về LFM3-1.7B, không phải checkpoint gốc. Pull request SGLang bổ sung hỗ trợ LFM3, #46858, vẫn còn mở tại thời điểm viết; pull request cookbook đi kèm đã được merge.

Nếu câu hỏi là tuần này nên đặt mô hình nào phía sau một endpoint, hãy lưu ý rằng cả MiniCPM5-2B lẫn LFM3-1.7B-Base hiện đều không có trong danh mục của OrcaRouter. Cả hai hiện là những phương án tải về và tự vận hành. Đó chính xác là tình huống mà một lớp định tuyến phát huy giá trị về sau chứ không phải sớm hơn: một khóa tương thích OpenAI cho hơn 200 mô hình, mức markup 0% với giá niêm yết của nhà cung cấp được chuyển nguyên, và chuyển đổi dự phòng tự động khi một máy tự vận hành hoặc một upstream đơn lẻ gặp sự cố. Bạn không cần bất kỳ điều nào trong số đó để chạy một mô hình 1 GB trên laptop; bạn cần nó khi mô hình nhỏ trở thành một nhánh của một đường dẫn sản xuất và phải có thứ gì đó bắt được lỗi.

Những gì chưa thể biết được

Danh sách trung thực thì ngắn gọn và cụ thể. Chúng tôi không thể tìm thấy bất kỳ điểm chuẩn độc lập nào cho bất kỳ mô hình LFM3 nào, nên mọi tuyên bố về năng lực của dòng mô hình này đều do chính Liquid đưa ra. Không có đánh giá công bố nào về LFM3-1.7B-Base, vì vậy không ai có thể nói checkpoint thô tốt đến mức nào trước khi hậu huấn luyện. Không có giá theo token cho LFM3 trên một API được host, khiến việc so sánh chi phí với MiniCPM5-2B — cũng được tự vận hành trong hầu hết các triển khai — trở thành một bài toán về phần cứng và điện năng thay vì bảng giá cước. Và chưa có bằng chứng nào, dù độc lập hay không, về việc liệu cửa sổ trượt 256 token có khiến mô hình mất gì trong các tác vụ ngữ cảnh dài thiên về truy xuất hay không; điểm RULER 128K 65,56 do chính Liquid công bố thấp hơn đáng kể so với 87,11 mà họ báo cáo cho Qwen3.5 9B, đây là một tín hiệu đáng theo dõi chứ không phải một phán quyết.

Ba câu hỏi đáng để trả lời trước khi bạn tải xuống một trong hai

Bạn muốn một mô hình, hay một điểm khởi đầu?

Nếu bạn muốn một thứ trả lời câu hỏi, gọi công cụ và trụ được qua một buổi demo vào thứ Hai, thì MiniCPM5-2B là sản phẩm hoàn chỉnh còn LFM3-1.7B-Base thì không. Nếu bạn có một kho ngữ liệu chuyên ngành, một pipeline hậu huấn luyện và lý do để mô hình nguyên bản không đáp ứng được, thì checkpoint gốc là lựa chọn mua đúng — và các notebook TRL của Liquid cho SFT, DPO, GRPO và tiền huấn luyện tiếp nối cung cấp nhiều hướng dẫn hơn hầu hết các nhà cung cấp.

Liệu tổ chức của bạn có bao giờ đạt doanh thu hàng năm 10 triệu USD không?

LFM Open License v1.0 chỉ cấp quyền thương mại dưới ngưỡng đó. Trên ngưỡng đó, tác phẩm hoàn toàn không được cấp phép theo thỏa thuận, và bạn cần một thỏa thuận riêng với Liquid. Apache 2.0 không có kiểu ngưỡng cắt đột ngột như vậy. Với một dự án sở thích hay một startup giai đoạn đầu, khác biệt này chỉ mang tính lý thuyết; với một công ty đã ổn định, nó quyết định danh sách rút gọn trước khi bất kỳ bài benchmark nào được chạy.

Ngữ cảnh 256K có đáng để dùng một kiến trúc tùy chỉnh không?

LFM3-1.7B-Base cung cấp ngữ cảnh gấp đôi MiniCPM5-2B với số lượng tham số nhỏ hơn, và đây là lập luận kỹ thuật mạnh nhất ủng hộ nó. Cái giá phải trả là một mô hình không chuẩn, cần mã từ xa, ít bản dựng sẵn có hơn trên checkpoint gốc, và một tích hợp runtime vẫn đang trong quá trình hoàn thiện. Nếu khối lượng công việc của bạn nằm gọn trong 131K, bạn đang trả cái giá đó để đổi lấy phần dư địa mà bạn sẽ không dùng đến.

Chọn cái nào?

Với hầu hết các đội ngũ khi so sánh hai cái tên này, câu trả lời là MiniCPM5-2B — không phải vì nó thắng một cuộc thi benchmark, mà vì nó là một sản phẩm Apache-2.0 hoàn chỉnh với các bản dựng lượng tử hóa, dữ liệu huấn luyện đã phát hành và không có giới hạn giấy phép. Đây là cách ít rủi ro hơn để đưa một mô hình 2,5B có năng lực lên thiết bị.

LFM3-1.7B-Base là lựa chọn hấp dẫn hơn đối với một nhóm người dùng hẹp hơn: các nhóm muốn có một checkpoint 1,73B với ngữ cảnh 256K, 16 ngôn ngữ và một kiến trúc phi tiêu chuẩn mà họ có thể tiếp tục huấn luyện trên một GPU, đồng thời chấp nhận được giấy phép LFM và một hệ sinh thái mô hình nền mỏng hơn. Liquid đã mang đến cho nhóm người dùng đó một điểm khởi đầu thực sự và một công thức huấn luyện chi tiết một cách bất thường. Tuy nhiên, nó vẫn chưa đưa ra lý do nào để ai đó tin rằng checkpoint nền này tốt hơn bản hoàn chỉnh của OpenBMB, và bảng của chính nhà cung cấp cũng không cố gắng tuyên bố như vậy.

Con số đáng chú ý không phải là tỷ lệ chia 23–4. Đó là đánh giá độc lập đầu tiên đối với bất kỳ mô hình LFM3 nào — thời điểm mà bảng điểm của Liquid không còn là bảng điểm duy nhất.