LFM3-1.7B so với Gemma 4 12B: Khi mô hình nhỏ hơn bảy lần giành chiến thắng trong một bài kiểm chuẩn lập trình

LFM3-1.7B là một mô hình văn bản 1,73 tỷ tham số mà Liquid AI đã công bố trên Hugging Face vào ngày 26 tháng 10 năm 2026 và thông báo vào ngày hôm sau như một phần trong đợt ra mắt dòng LFM3 của mình. Gemma 4 12B là một mô hình dense 11,95 tỷ tham số mà Google DeepMind phát hành vào ngày 3 tháng 6 năm 2026, và nó đọc được cả hình ảnh lẫn âm thanh cũng như văn bản. Trên thước đo lập trình duy nhất mà cả hai nhà cung cấp công bố — LiveCodeBench v6 — mô hình nhỏ hơn đạt 73,46 còn mô hình lớn hơn đạt 72,0. Hãy đọc lại điều đó hai lần, vì đó chính là toàn bộ lý do trang này tồn tại và cũng là con số dễ bị đọc nhầm nhất trên internet. Định tuyến không cộng thêm biên lợi nhuận vào giá niêm yết của nhà cung cấp. 0% phụ thu Xem giá chuyển tiếp trên trang giá của chúng tôi.

Cả hai con số đều do nhà cung cấp báo cáo. Không con số nào được một đơn vị đánh giá độc lập tái lập. Chúng được tạo ra bởi các nhóm khác nhau, trên các harness khác nhau, cách nhau nhiều tháng, và Liquid chưa công bố ghi chú phương pháp nào giải thích cách cấu hình lần chạy LiveCodeBench của mình. Vì vậy, phiên bản trung thực của câu trên không phải là "một mô hình 1.7B đánh bại một mô hình 12B về mã." Mà là: hai nhà cung cấp báo cáo điểm số gần như giống hệt nhau trên một benchmark mà họ dùng chung tên, và khoảng cách chín điểm trên GPQA Diamond theo chiều ngược lại cho thấy hai mô hình không hề tương đương chút nào.

Điều gì thực sự có thể so sánh được, và điều gì không

Hầu hết các trang "X vs Y" đặt hai bảng của nhà cung cấp cạnh nhau và gọi đó là so sánh. Điều đó chỉ hiệu quả nếu các bảng có phần chung. Giữa bài đăng ra mắt LFM3 của Liquid và thẻ mô hình Gemma 4 của Google, đúng hai tên benchmark xuất hiện ở cả hai bên với định nghĩa tương thích: LiveCodeBench v6 và GPQA Diamond. Mọi thứ còn lại chỉ được một nhà cung cấp báo cáo và không được bên kia báo cáo, và một ô trống không phải là số không.

Trên hai trục chung đó, kết quả là một sự phân tách rõ ràng. LFM3-1.7B đạt LiveCodeBench v6 73,46 so với 72,0. Gemma 4 12B đạt GPQA Diamond 78,8 so với 63,37 — chênh lệch 15,4 điểm, đây không phải là nhiễu trên một bài đánh giá chỉ có vài trăm câu hỏi.

Mẫu hình đó đáng được gọi tên thay vì bị san phẳng bằng cách lấy trung bình. LiveCodeBench đo lường việc một mô hình hoàn thành các bài toán lập trình thi đấu, một kỹ năng hẹp và nặng về khuôn mẫu mà một mô hình nhỏ được huấn luyện trên dữ liệu phù hợp có thể làm tốt. GPQA Diamond đo lường khả năng suy luận khoa học ở trình độ sau đại học, vốn phụ thuộc vào độ rộng kiến thức — chính là thứ mà số lượng tham số mang lại. Một mô hình 1.7B có thể cạnh tranh ở phép đo thứ nhất và sẽ thua ở phép đo thứ hai, và đó là một kết quả mạch lạc chứ không phải mâu thuẫn.

Nhà cung cấp đưa ra mức thấp hơn con số tốt nhất của chính mình

Đây là phần sẽ thay đổi cách bạn đọc 73.46. Cuộn xuống cuối thẻ mô hình LFM3-1.7B và Liquid viết, bằng ngôn ngữ dễ hiểu, rằng mô hình được thiết kế cho các tác nhân cục bộ, gọi công cụ và đầu ra có cấu trúc, và rằng nó không được khuyến nghị cho lập trình tác nhân hoặc suy luận đa bước phức tạp do kích thước nhỏ.

Đó là nhà cung cấp, không phải một đối thủ, đang cho bạn biết giới hạn trần. Điều này đặt cạnh điểm LiveCodeBench vốn nhỉnh hơn một mô hình đa dụng 11,95B một cách khá gượng gạo, và cách dung hòa là những thứ này đo lường các khía cạnh khác nhau. Giải một bài toán lập trình thi đấu độc lập không phải cùng một nhiệm vụ với việc giữ một repository trong ngữ cảnh và thực hiện hai mươi chỉnh sửa phối hợp. Một mô hình có thể mạnh ở nhiệm vụ đầu và rõ ràng không phù hợp với nhiệm vụ thứ hai, và Liquid đang nói thẳng như vậy thay vì để benchmark ngụ ý điều ngược lại.

Hãy tin theo lời nhà cung cấp. Nếu khối lượng công việc của bạn là lập trình tác tử, so sánh này không nên kết thúc với LFM3-1.7B. Nếu khối lượng công việc của bạn là gọi công cụ, trích xuất có cấu trúc, phân loại, hoặc một trợ lý cục bộ trên thiết bị bạn sở hữu, cảnh báo của thẻ không áp dụng cho bạn và dung lượng 1 GB trở thành toàn bộ lý lẽ.

Trong khi 12B chỉ đơn giản là một loại thứ khác

Gemma 4 12B là đa phương thức theo cách không thể bổ sung vào LFM3-1.7B bằng tinh chỉnh. Thẻ mô hình của Google mô tả đầu vào hình ảnh và âm thanh được chiếu trực tiếp vào cùng không gian với các token văn bản, không có bộ mã hóa riêng — âm thanh được hỗ trợ gốc trên 12B và các phiên bản nhỏ hơn của nó. LFM3-1.7B là văn bản vào, văn bản ra. Năng lực thị giác của Liquid nằm trong LFM3-VL-2B, một checkpoint riêng với bộ mã hóa riêng, và một mô hình văn bản không tự có được bộ mã hóa đó nhờ tinh chỉnh.

• Tham số — 1,73B dense cho LFM3-1.7B; 11,95B dense cho Gemma 4 12B. Tỷ lệ là 6,9 so với 1.

• Phương thức — chỉ văn bản so với đầu vào văn bản, hình ảnh và âm thanh.

• Ngữ cảnh — 262,144 token trên cả hai. Đây là hàng duy nhất mà mô hình nhỏ không phải hy sinh gì, và đó là một thành tựu thực sự của kiến trúc tri-hybrid chứ không phải sự trùng hợp ngẫu nhiên.

• Mức chiếm dụng bộ nhớ — khoảng 1 GB ở 4-bit so với khoảng 7 GB. Trên điện thoại, sự khác biệt đó chính là khác biệt giữa việc xuất xưởng và không xuất xưởng.

• Ngôn ngữ — 16 ngôn ngữ có tên so với hơn 140 ngôn ngữ được huấn luyện trước với khả năng hỗ trợ sẵn dùng mạnh mẽ. Với một sản phẩm dùng chữ Latinh, khoảng cách này hiếm khi thành vấn đề; với một triển khai theo khu vực, nó lại mang tính quyết định.

• Giấy phép — LFM Open License v1.0 miễn phí cho mục đích thương mại khi doanh thu hằng năm dưới 10 triệu USD và yêu cầu giấy phép trả phí khi vượt mức đó. Gemma 4 12B dùng Apache 2.0 không có ngưỡng doanh thu.

Hai hóa đơn này không được định giá bằng cùng một loại tiền tệ.

Gemma 4 12B có giá thị trường vì các bên thứ ba cung cấp nó. Artificial Analysis báo cáo mức trung vị pha trộn là $0.10 cho mỗi triệu token đầu vào và $0.30 cho 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 nguồn cung thay đổi. Với mức giá đó, hầu hết các nhóm chưa bao giờ nghĩ đến việc tự chạy một mô hình 12B.

LFM3-1.7B không có mức giá như vậy. Thẻ Hugging Face nêu rõ rằng mô hình không được triển khai bởi bất kỳ nhà cung cấp suy luận nào, và điều đó nhất quán với những gì chúng tôi thấy ở phía mình: OrcaRouter hiện không định tuyến LFM3-1.7B. Nếu bạn muốn gọi nó, bạn tải xuống 3,46 GB trọng số BF16 hoặc bản dựng 4-bit khoảng 1 GB và tự chạy vLLM, SGLang, llama.cpp, MLX hoặc ONNX. API của chính Liquid sẽ phục vụ nó, và một số nền tảng bên thứ ba cũng vậy.

Do đó, so sánh chi phí không phải là token với token. Mà là hóa đơn fine-tuning và serving so với hóa đơn tính theo từng lần gọi. Ở lưu lượng thấp, API thắng không cần bàn cãi; ở lưu lượng duy trì ổn định trên phần cứng bạn đã sở hữu, một mô hình 1 GB để phần còn lại của GPU rảnh rỗi có một hình thái kinh tế hoàn toàn khác. Chính sự bất đối xứng đó — chứ không phải khoảng cách bốn điểm trên LiveCodeBench — mới là lý do thực sự để cân nhắc mô hình nhỏ.

Mỗi cái thực sự được dùng để làm gì

Chọn LFM3-1.7B khi mục tiêu triển khai là ràng buộc chính: một chiếc điện thoại, một máy tính xách tay, một GPU nhỏ duy nhất mà còn phải làm việc khác. Ngữ cảnh 256K thực sự bất thường ở kích thước này, vốn từ 16 ngôn ngữ bao phủ hầu hết các sản phẩm khu vực, và hỗ trợ suy luận theo sáu cách nghĩa là bạn không đặt cược vào một runtime duy nhất. Hãy chấp nhận rằng bạn đang mua một mô hình gọi công cụ và trích xuất, không phải mô hình lý luận, và hãy lên kế hoạch truy xuất xoay quanh lỗ hổng kiến thức mà chính nhà cung cấp đã nêu rõ.

Chọn Gemma 4 12B khi tác vụ cần độ bao quát, khi đầu vào là ảnh chụp màn hình hoặc bản ghi âm, hoặc khi Apache 2.0 quan trọng đối với quy trình mua sắm. Nó đạt điểm cao hơn 15 điểm về suy luận khoa học trình độ sau đại học, đọc hình ảnh một cách gốc, và có sẵn với mức giá trung vị được công bố ngay từ ngày đầu tiên. Cái giá phải trả là bộ nhớ: 7 GB ở 4-bit là máy tính xách tay hoặc GPU khiêm tốn, không phải điện thoại.

Chọn cả hai khi bạn có một đường dẫn hẹp có lưu lượng cao và một đường dẫn rộng có lưu lượng thấp. Định tuyến đường dẫn rộng đến một mô hình đa năng được lưu trữ và giữ mô hình nhỏ trên thiết bị cho các lệnh gọi hẹp, nhạy cảm với độ trễ. OrcaRouter được xây dựng cho nửa đầu của sự phân tách đó — một khóa cho hơn 200 mô hình, giá niêm yết của nhà cung cấp được chuyển thẳng với mức phụ trội 0% để thay đổi giá có hiệu lực ngay trong ngày, và tự động chuyển đổi dự phòng nếu một nhà cung cấp bị suy giảm. Nó không giúp bạn tự lưu trữ LFM3-1.7B, vì chúng tôi không phục vụ mô hình đó, và sẽ là không trung thực nếu ngụ ý điều ngược lại.

Điều gì sẽ giải quyết được nó?

Một đánh giá độc lập về LFM3-1.7B trên một harness mà nó không tự chọn sẽ có giá trị hơn toàn bộ trang này. Bảng ra mắt của Liquid rất chi tiết và nhất quán nội tại, và blog này coi đó là do nhà cung cấp báo cáo chứ không phải đã được kiểm chứng, đúng như bản chất của nó. Những điểm cụ thể đáng theo dõi là một lượt chạy LiveCodeBench hoặc SWE-bench của bên thứ ba tái tạo được con số 73.46, một hồ sơ Artificial Analysis đưa cả hai mô hình lên cùng một thang đo, và bất kỳ báo cáo nào về việc mô hình xử lý một tác vụ kho mã thực tế — đúng kiểu sử dụng mà model card cảnh báo chống lại.

Cho đến lúc đó, cách lý giải có thể bảo vệ được thì hẹp hơn tiêu đề. Một mô hình 1,73B với ngữ cảnh 256K, dấu chân 1 GB và hồ sơ gọi công cụ mạnh đã bắt kịp một mô hình tổng quát 12B trên một benchmark lập trình riêng lẻ và kém xa nó về kiến thức. Đó không phải là một cú lật kèo. Đó là hai mô hình được xây cho những công việc khác nhau, và câu hỏi hữu ích là bạn đang có công việc nào.