LFM3-1.7B so với Gemma 4 26B A4B: Hai công thức cho một token giá rẻ, và chỉ một vừa trên điện thoại

Trên lý thuyết, hai mô hình này tiếp cận cùng một vấn đề theo cùng một cách. LFM3-1.7B, được Liquid AI công bố vào ngày 27 tháng 10 năm 2026, và Gemma 4 26B A4B, được Google DeepMind phát hành vào ngày 2 tháng 4 năm 2026, cả hai đều tồn tại để trả lời một câu hỏi: làm thế nào để đưa một mô hình có năng lực vào một ngân sách bộ nhớ nhỏ? Chúng đưa ra những câu trả lời trái ngược. Liquid thu nhỏ mô hình. Google giữ mô hình ở kích thước lớn và chỉ trả tiền cho một phần nhỏ của nó trên mỗi token. Các trọng số miễn phí, nên hóa đơn là mức phí mà nhà cung cấp đủ năng lực rẻ nhất tính. Chúng tôi chuyển thẳng giá niêm yết của nhà cung cấp với mức tăng giá 0%.

Sự khác biệt nghe như chi tiết kiến trúc vụn vặt cho đến khi bạn tính toán chi phí triển khai, và khi đó nó là điều duy nhất quan trọng. Gemma 4 26B A4B kích hoạt 3,8 tỷ tham số mỗi token, nhưng bạn vẫn phải giữ 25,2 tỷ trong số đó ở đâu đó. LFM3-1.7B kích hoạt toàn bộ 1,73 tỷ tham số của nó và lưu trữ đúng chừng ấy. Một cái rẻ để tính toán. Cái kia rẻ để sở hữu.

Hai công thức cho một token giá rẻ

Gemma 4 26B A4B là một mô hình mixture-of-experts: 128 chuyên gia định tuyến cộng với một chuyên gia chia sẻ, 30 lớp, với khoảng tám chuyên gia được kích hoạt mỗi token. Điều đó mang lại cho nó năng lực tri thức của một mô hình dense 25,2B và chi phí tính toán gần với một mô hình 4B hơn. Cách diễn đạt của chính Google là nó đạt khoảng 97% điểm MMLU-Pro của Gemma 4 31B dense với khoảng 12% FLOPs.

LFM3-1.7B đi theo hướng khác. Nó hoàn toàn dense — mọi tham số đều chạy trên mọi token — và khoản tiết kiệm đến từ một kiến trúc được thiết kế lại chứ không phải từ độ thưa. Ngăn xếp tri-hybrid của Liquid gồm 24 lớp: 13 tích chập ngắn có cổng, năm lớp attention cửa sổ trượt, sáu lớp full-attention. Phần lớn việc mô hình hóa chuỗi được thực hiện bằng các tích chập, vốn rẻ, và full attention chỉ xuất hiện sáu lần. Đó là cách một mô hình 1,73B mang ngữ cảnh 262.144 token và từ vựng 128.000 token mà KV cache không ngốn sạch máy.

• Tổng số tham số — 1,73B cho LFM3-1.7B; 25,2B cho Gemma 4 26B A4B.

• Active trên mỗi token — 1.73B so với khoảng 3.8B. Đây là hàng duy nhất mà hai bên cùng đẳng cấp.

• Bộ nhớ ở 4-bit — khoảng 1 GB so với khoảng 18 GB. Đây là dòng quyết định việc triển khai.

• Ngữ cảnh — 262,144 token ở cả hai bên, lại là một thế hòa thực sự.

• Phương thức — chỉ văn bản so với đầu vào văn bản và hình ảnh, với tính năng gọi hàm gốc và chế độ suy nghĩ có thể cấu hình.

• Giấy phép — LFM Open License v1.0, miễn phí khi doanh thu hằng năm dưới 10 triệu USD; Apache 2.0 không có ngưỡng cho Gemma 4 26B A4B.

Tại sao 3.8B hoạt động không có nghĩa là 3.8B bộ nhớ

Đây là lỗi phổ biến nhất khi đọc bảng thông số kỹ thuật của mixture-of-experts, nên cần nói thẳng. Số tham số hoạt động quyết định khối lượng tính toán và ở mức tương đối là tốc độ. Chúng không quyết định kích thước tệp bạn tải xuống hay dung lượng VRAM bạn cần dành trước. Gemma 4 26B A4B cần toàn bộ 25,2 tỷ tham số của nó thường trú để định tuyến giữa các expert; ở 4-bit, con số này rơi vào khoảng 18 GB. Bạn có thể chạy nó trên một card 24 GB duy nhất, và Google cung cấp các bản dựng FP8 và NVFP4 để việc đó khả thi trong thực tế, nhưng bạn không thể đưa nó lên điện thoại.

LFM3-1.7B có kích thước khoảng 1 GB ở 4-bit — tài liệu của Liquid nói rằng nó vừa trên điện thoại hoặc laptop, và với kích thước đó, tuyên bố này đáng tin chứ không chỉ là chiêu marketing. Nó cũng giữ một KV cache 1.6 GB ở 128K token, và đây mới là con số thực sự quyết định bạn có thể duy trì bao nhiêu yêu cầu ngữ cảnh dài đồng thời.

Hệ quả thực tế: việc triển khai 26B-A4B là một quyết định về máy chủ suy luận, còn việc triển khai 1.7B là một quyết định về phát hành ứng dụng. Đó là những dự án khác nhau với những đội nhóm khác nhau và cấu trúc chi phí khác nhau, và không có benchmark nào thu hẹp được khoảng cách giữa chúng.

Mỗi nhà cung cấp đã công bố những gì và điều đó cho bạn biết điều gì

Google đã công bố một bảng tổng hợp chi tiết cho Gemma 4 26B A4B: 82,6 trên MMLU-Pro, 82,3 trên GPQA Diamond, 88,3 trên AIME 2026 không dùng công cụ, 77,1 trên LiveCodeBench v6, Elo Codeforces là 1718, 73,8 trên MMMU-Pro và 44,1 trên MRCR v2 ở 128K với tám needle. Tất cả đều do nhà cung cấp báo cáo, không có kết quả nào được tái lập độc lập. Theo dõi của bên thứ ba đặt Elo LMArena của nó gần 1438.

Liquid đã công bố một bảng hẹp hơn cho LFM3-1.7B, và bảng này nghiêng về công việc tác tử: 71,39 trên BFCL V4, 80,36 trên ToolSandbox, 68,01 trên τ³-bench, 45,60 trên LiveClaw, 38,42 trên WebArena-Verified. Mô hình này cũng báo cáo 96,66 trên IFEval, 73,03 trên IFBench, 63,37 trên GPQA Diamond, 73,46 trên LiveCodeBench v6 và 65,56 trên RULER ở 128K. Liquid không công bố con số MMLU-Pro cho LFM3-1.7B, và việc thiếu con số này không phải là số 0 — đơn giản là nó chưa được đo.

Chỉ có LiveCodeBench v6 và GPQA Diamond là trùng khớp rõ ràng. Gemma 4 26B A4B thắng cả hai, lần lượt 3,6 và 18,9 điểm. Ở những phần bộ đánh giá của Liquid chuyển sang agentic, không có con số Gemma nào để so sánh — Google báo cáo τ²-bench ở mức 68,2, và τ² không phải τ³, nên đặt 68,01 bên cạnh nó sẽ là một so sánh ngụy tạo được khoác lên vẻ ngoài cẩn trọng.

Nơi 1.7B vẫn ở trong cuộc trò chuyện

Khoảng cách 3,6 điểm trên LiveCodeBench nhỏ hơn mức mà tỷ lệ tham số 14:1 sẽ dự đoán, và lý do nằm ở kiến trúc. Lập trình thi đấu thưởng cho khả năng nắm giữ một mô thức và viết ra một hàm đúng — một kỹ năng được hưởng lợi từ tín hiệu huấn luyện sạch hơn là từ năng lực thô. Nếu các câu hỏi lập trình là toàn bộ công việc, thì mô hình 26B sẽ thắng và phần này sẽ ngắn gọn.

Điều thực sự khiến LFM3-1.7B vẫn hữu ích chính là sự kết hợp giữa ngữ cảnh 262.144 token và dung lượng chỉ 1 GB. Một mô hình có thể chứa một tài liệu lớn và chạy ngay trên thiết bị đang đọc tài liệu đó là một sản phẩm khác với mô hình có thể chứa cùng tài liệu đó trên máy chủ. Liquid báo cáo 65,56 trên RULER ở 128K, đây không phải là một điểm số ngữ cảnh dài ấn tượng — Gemma 4 26B A4B báo cáo 81,4 trên cùng nhóm benchmark — nhưng ít nhất nó được đo, trên thiết bị, ở mức một gigabyte.

Và về khả năng tuân thủ chỉ dẫn, mô hình nhỏ này không hề lép vế: 96.66 trên IFEval và 73.03 trên IFBench là những con số mạnh trong phân khúc kích thước này, cả hai đều do nhà cung cấp báo cáo. Đối với khối lượng công việc gọi công cụ hoặc đầu ra có cấu trúc, con số đó gần với chỉ số thực sự quan trọng hơn là GPQA Diamond.

Lớp định tuyến thực sự thay đổi điều gì

Gemma 4 26B A4B đã có trong danh mục của OrcaRouter — một khóa API có thể truy cập nó cùng với hơn 200 mô hình khác, với giá niêm yết của nhà cung cấp được chuyển nguyên với mức phụ thu 0%, nên khi giá của nhà cung cấp thay đổi thì được cập nhật ngay trong ngày thay vì phải chờ một chu kỳ định giá lại. Điều này ở đây quan trọng hơn bình thường, vì đây là một mô hình mà kinh tế học của nó hoàn toàn xoay quanh giá của nhà cung cấp: trọng số là miễn phí, nên hóa đơn chính là mức giá mà nhà cung cấp đủ năng lực rẻ nhất thu, và con số đó luôn thay đổi.

Chuyển đổi dự phòng tự động là nửa còn lại. Một mô hình mixture-of-experts 26B với ngữ cảnh 256K đúng là kiểu khối lượng công việc chạm trần công suất vào lúc cao điểm, và định tuyến qua nhiều nhà cung cấp nghĩa là một buổi chiều tồi tệ của một máy chủ không phải là sự cố ngừng dịch vụ của bạn. LFM3-1.7B không cần bất kỳ điều nào trong số này, vì nó chạy trên phần cứng do bạn kiểm soát và không có nhà cung cấp nào để chuyển đổi dự phòng từ đó. Đó không phải là điểm ủng hộ hay chống lại nó — mà là hệ quả của việc chọn công thức khác.

Cách diễn đạt trung thực về vai trò của chúng tôi: chúng tôi định tuyến mô hình thưa lớn, chúng tôi không phục vụ mô hình dày đặc nhỏ, và quyết định chọn giữa hai mô hình không phải là điều một bộ định tuyến có thể làm thay bạn.

Quyết định trong một lượt

Nếu mục tiêu triển khai có ít hơn 20 GB bộ nhớ — điện thoại, máy tính xách tay, Jetson, AI PC — thì Gemma 4 26B A4B không phải là ứng viên và cuộc so sánh kết thúc. Hãy chọn LFM3-1.7B, lập kế hoạch truy xuất xoay quanh lỗ hổng kiến thức mà chính Liquid chỉ ra, và dùng nó cho gọi công cụ và trích xuất có cấu trúc ở những nơi các con số của nó thực sự có tính cạnh tranh.

Nếu bạn đang phục vụ từ GPU và khối lượng công việc nặng về kiến thức, đa phương thức, hoặc cần mức suy luận thuộc lớp 82.3 GPQA Diamond và 82.6 MMLU-Pro, thì Gemma 4 26B A4B là mô hình tốt hơn và 18 GB là chi phí bắt buộc để tham gia. Apache 2.0 loại bỏ hoàn toàn câu chuyện cấp phép, mà với một tổ chức lớn thì điều đó đáng giá hơn vài điểm benchmark.

Nếu bạn đang xây dựng một sản phẩm được triển khai cho cả hai — một trợ lý trên thiết bị có khả năng đẩy các truy vấn khó lên máy chủ — thì hai thứ đó hoàn toàn không phải đối thủ của nhau. Chúng là hai tầng của cùng một kiến trúc, và câu hỏi kỹ thuật thú vị là bạn đặt ranh giới leo thang ở đâu, chứ không phải mô hình nào thắng trên một bảng xếp hạng.

Câu hỏi còn bỏ ngỏ không phải là năng lực, vốn đã ngã ngũ theo hướng có lợi cho Google, mà là liệu một mô hình 1 GB với ngữ cảnh 256K có đủ tốt cho các tác vụ agentic hẹp mà hầu hết sản phẩm trên thiết bị thực sự cần hay không. Thẻ mô hình của chính Liquid thẳng thắn một cách bất thường rằng đây không phải là mô hình suy luận. Sự thẳng thắn đó đáng giá hơn khoảng cách LiveCodeBench, vì nó cho bạn biết nên gửi nửa nào trong khối lượng công việc của mình đến đâu.