LFM3-1.7B so với LFM2.5-24B-A2B: Mô hình Liquid mới hơn không phải là phiên bản kế nhiệm của mô hình lớn hơn

Liquid AI đã phát hành LFM2.5-24B-A2B vào ngày 13 tháng 10 năm 2026 và LFM3-1.7B vào ngày 27 tháng 10 năm 2026. Chúng cách nhau hai tuần, cùng một phòng thí nghiệm tạo ra cả hai, và mô hình mới hơn có lượng bộ nhớ cần dùng chỉ bằng khoảng một phần sáu mô hình cũ. Suy luận hiển nhiên — rằng LFM3-1.7B thay thế LFM2.5-24B-A2B — là sai, và chính các bảng đánh giá hiệu năng của nhà cung cấp là bằng chứng rõ ràng nhất chống lại điều đó. Cả hai mô hình Liquid đều không có trong danh mục của chúng tôi, nên cả hai đều là bản tải về tự triển khai. Việc bạn đối chuẩn chúng với thứ gì là chỗ mà giá niêm yết của nhà cung cấp được chuyển qua với mức markup 0% lại quan trọng.

Trên SWE-bench Verified, mô hình 24B đạt 51.00 so với 43.40 của mô hình 1.7B. Trên LiveClaw, mô hình đạt 48.09 so với 45.60. Đó không phải là những khoảng cách mà mô hình mới đã thu hẹp. Thay vào đó, LFM3-1.7B mang đến một kiến trúc khác, cửa sổ ngữ cảnh dài gấp đôi, bộ nhớ chỉ bằng một phần mười, và một hồ sơ benchmark nghiêng về lược đồ công cụ hơn là suy luận theo chuỗi suy nghĩ. Hai mô hình cùng tồn tại vì chúng trả lời những câu hỏi khác nhau, và việc chọn giữa chúng đồng nghĩa với việc quyết định bạn đang có câu hỏi nào.

Điều gì đến cách nhau hai tuần

LFM2.5-24B-A2B là một mô hình hỗn hợp chuyên gia: tổng cộng 24 tỷ tham số với khoảng 2 tỷ tham số hoạt động trên mỗi token — 2,45 tỷ theo con số trong báo cáo kỹ thuật, mà bộ phận tiếp thị của Liquid làm tròn xuống — 40 lớp được chia giữa ba mươi khối tích chập ngắn cổng kép và mười lớp attention truy vấn nhóm, cùng 64 chuyên gia được định tuyến top-4. Ngữ cảnh của nó trải từ 32K đến 131.072 token, từ vựng của nó đã được tăng gấp đôi từ 65K lên 128K, và nó được huấn luyện trên một số lượng token mà chính các tài liệu của nó nêu không nhất quán — blog nói khoảng 33 nghìn tỷ, thẻ mô hình nói 36 nghìn tỷ, một sự khác biệt mà các nhà đánh giá đã chỉ ra chứ chưa giải quyết.

LFM3-1.7B là mô hình dense: toàn bộ 1,73 tỷ tham số đều được dùng cho mỗi token, 24 lớp tích chập ngắn có cổng và cơ chế chú ý thưa, ngữ cảnh 262.144 token và từ vựng 128.000. Cùng một tổ chức, cùng một khung thời gian hai tuần và gần như không có sự trùng lặp nào về kiến trúc.

• Tổng số tham số — 1.73B dense cho LFM3-1.7B; 24B với 2.45B hoạt động cho LFM2.5-24B-A2B.

• Ngữ cảnh — 262,144 token so với 131,072. Cả hai đều lớn; mô hình mới hơn gấp đôi.

• Bộ nhớ ở 4-bit — khoảng 1 GB so với khoảng 15 GB ở Q4_K_M. Đây là sự khác biệt lớn nhất giữa chúng.

• Hành vi suy luận — LFM2.5-24B-A2B là mô hình chỉ dành cho suy luận, luôn tạo ra chuỗi suy nghĩ; LFM3-1.7B không có chế độ như vậy và thẻ của mô hình này ghi rằng nó không được thiết kế cho suy luận đa bước phức tạp.

• Tốc độ đo được — 184 token mỗi giây trên Apple M5 Max với mô hình 24B ở Q4_K_M; Liquid báo cáo tốc độ giải mã nhanh hơn 1,8 đến 2,8 lần đối với LFM3-1.7B so với các thế hệ tiền nhiệm của chính hãng, nhưng không kèm con số tương đương trực tiếp nào trên thiết bị.

• Giấy phép — cả hai đều theo LFM Open License v1.0, miễn phí cho mục đích thương mại khi doanh thu hằng năm dưới 10 triệu USD.

Một mô hình suy luận so với một mô hình gọi công cụ

Sự khác biệt quan trọng nhất không phải là kích thước. LFM2.5-24B-A2B luôn suy nghĩ trước khi trả lời — mọi lần gọi đều tạo ra một chuỗi suy nghĩ dù tác vụ có cần hay không. Đó là một lựa chọn thiết kế có chủ đích cho các tác vụ agentic, nơi việc lập kế hoạch có ích, và đó cũng là một chi phí: token suy luận là token đầu ra, chúng được tính phí như token đầu ra và chúng làm tăng độ trễ cho mọi yêu cầu.

LFM3-1.7B làm điều ngược lại. Nó được post-train trên các harness agentic — Liquid nêu tên Hermes Agent, PI và OpenClaw — để gọi công cụ trực tiếp và xuất ra có cấu trúc, hoàn toàn không có chế độ suy nghĩ. Với một quyết định định tuyến, một tác vụ trích xuất, hay một lời gọi hàm với schema được chỉ định rõ ràng, đó mới là hình dạng phù hợp: bạn muốn JSON, chứ không phải ba trăm token cân nhắc về JSON.

Vậy là các mô hình phân hóa theo một ranh giới không liên quan gì đến số lượng tham số. Nếu tác vụ của bạn hưởng lợi từ việc lập kế hoạch tường minh, chế độ suy luận của 24B là một lợi thế. Nếu tác vụ của bạn có dạng lược đồ và nhạy cảm với độ trễ, việc 1.7B không có chế độ đó là một lợi thế. Cả hai đều không phải là khiếm khuyết, và không cái nào trở thành cái kia thông qua việc đưa prompt.

Nơi 24B xứng đáng với mười lăm gigabyte của nó

Hai con số đã được công bố biện minh cho dấu chân tài nguyên của mô hình lớn hơn. SWE-bench Verified ở mức 51,00 so với 43,40 là khoảng cách 7,6 điểm về sửa mã cấp kho lưu trữ — nhiệm vụ mà thẻ mô hình 1.7B cảnh báo rõ ràng là không nên thực hiện. Và LiveClaw ở mức 48,09 so với 45,60 là một thắng lợi nhỏ hơn nhưng nhất quán về hoàn thành tác vụ tác tử.

Chế độ lý luận có khả năng đang đảm nhận công việc trong cả hai. Việc sửa một vấn đề trong kho mã đòi hỏi lập kế hoạch xuyên suốt các tệp và phục hồi sau những lần thử thất bại, đó là kiểu vấn đề nhiều bước mà việc suy xét minh thị sẽ đáng giá. Mô hình 1.7B không có cơ chế cho việc suy xét đó, và thẻ của nó nói thẳng như vậy.

LFM2.5-24B-A2B cũng báo cáo 83,18 trên PinchBench và 27,69 trên AutomationBench, cả hai đều không có đối ứng LFM3-1.7B nào được công bố, nên không thể so sánh. Tài liệu của chính Liquid lưu ý rằng reward-hacking đã xuất hiện trong quá trình huấn luyện — các tác nhân tìm kiếm lịch sử git để tìm câu trả lời — và rằng các kết quả được tạo ra trong các sandbox kín, đây là một mức độ minh bạch về phương pháp đáng được ghi nhận và cũng là lời nhắc rằng đây là các con số do nhà cung cấp tự chạy.

Nơi 1.7B vượt trội so với người anh em lớn hơn của nó

Hàng gây ngạc nhiên là WebArena-Verified, nơi LFM3-1.7B báo cáo 38.42 và LFM2.5-24B-A2B báo cáo 26.75. Đó là chiến thắng 11.7 điểm cho mô hình chỉ dùng một phần mười sáu bộ nhớ, trên một benchmark đo lường các tác vụ trình duyệt thực tế — nhấp chuột, điều hướng, hoàn thành quy trình làm việc.

BFCL V4 kể cùng một câu chuyện ở quy mô nhỏ hơn: 71.39 so với 65.01. Mô hình nhỏ hơn, mới hơn gọi đúng hàm với đúng đối số tốt hơn, và điều khiển trình duyệt tốt hơn. Đó là hai năng lực sử dụng công cụ cụ thể nhất trong bảng, và chính là nơi công thức hậu huấn luyện mới hơn của Liquid thể hiện.

Cách hiểu trung thực là việc hậu huấn luyện dạng tác tử của LFM3 thực sự là một bước tiến so với bất cứ điều gì đã tạo ra hành vi sử dụng công cụ của LFM2.5-24B-A2B, và để đạt được điều đó, nó không đòi hỏi nhiều tham số hơn. Điều nó không làm được là chuyển giao năng lực suy luận sâu, đúng như thẻ mô hình thừa nhận.

Mối liên hệ ToolSandbox mà không ai nhắc đến

80,36 so với 80,71 là một thế hòa theo bất kỳ ý nghĩa thực chất nào. Cả hai mô hình đều giải các tác vụ sử dụng công cụ có trạng thái giống nhau với cùng tỷ lệ. Xét mức chênh lệch gấp mười bốn lần về bộ nhớ và khoảng cách hai tuần về thời điểm phát hành, sự tương đương đó là dữ kiện đơn lẻ hữu ích nhất trên trang này: đối với loại tác vụ mà ToolSandbox đại diện, 23 tỷ tham số thêm vào chẳng mang lại được gì cả.

Nếu công việc của agent của bạn giống với ToolSandbox — sử dụng công cụ nhiều bước với trạng thái, cơ sở dữ liệu và trình mô phỏng người dùng — thì không có lý lẽ nào về năng lực để chọn mô hình lớn hơn. Lý lẽ trở thành hoàn toàn xoay quanh việc bạn có cần chế độ suy luận cho những tác vụ mà ToolSandbox không bao phủ hay không.

Lựa chọn trong cùng một nhóm

Đây là một quyết định dễ hơn so với việc so sánh giữa các nhà cung cấp vì bạn không phải đánh đổi giấy phép, hệ sinh thái hay triết lý huấn luyện. Bạn đang chọn ngân sách bộ nhớ và một hành vi suy luận.

Hãy chọn LFM3-1.7B nếu mục tiêu triển khai là điện thoại, máy tính xách tay hoặc một GPU chia sẻ nhỏ; nếu tác vụ của bạn là gọi công cụ, trích xuất có cấu trúc, tự động hóa trình duyệt hay phân loại; và nếu việc phải trả tiền cho token chain-of-thought ở mọi lần gọi là lãng phí. Ngữ cảnh 256K gấp đôi so với mẫu anh em cùng dòng, và bảng của chính nhà cung cấp cho thấy nó giành chiến thắng ở hai benchmark sử dụng công cụ cụ thể nhất.

Hãy chọn LFM2.5-24B-A2B nếu công việc là sửa mã quy mô kho lưu trữ, nếu suy luận nhiều bước tường minh cải thiện đầu ra của bạn một cách có thể đo lường được, và nếu có 15 GB trên một máy đơn. Hãy chấp nhận rằng nó không thể chạy ở nơi mô hình kia chạy, và rằng nó tốn nhiều hơn cho mỗi token vì mọi câu trả lời đều đến kèm theo phần suy luận của nó.

Chạy cả hai nếu bạn đang xây dựng một agent có nhiều tầng. Mô hình 1.7B đảm nhận các bước định tuyến, trích xuất và trình duyệt; mô hình 24B đảm nhận bước lập kế hoạch cần cân nhắc kỹ. Cả hai đều là open-weight theo cùng một giấy phép, vì vậy tổng yêu cầu tài nguyên là một quyết định về phần cứng chứ không phải về thương mại.

Đáng lưu ý cho bất kỳ ai dự định đánh giá chúng song song: không mô hình nào nằm trong danh mục của OrcaRouter, nên cả hai đều là bản tải xuống tự lưu trữ chứ không phải các điểm cuối được định tuyến. Lớp định tuyến phát huy tác dụng ở chính quá trình đánh giá — một khóa duy nhất cho hơn 200 mô hình khác, giá niêm yết của nhà cung cấp được chuyển tiếp với mức chênh lệch 0%, và tự động chuyển đổi dự phòng, để lần chạy so sánh với một đường cơ sở tiên phong không bị đình trệ vì một nhà cung cấp gặp sự cố. Hai mô hình Liquid nằm trên phần cứng của chính bạn; mọi thứ bạn đánh giá so với chúng thì không.

Câu hỏi kế vị

Liquid chưa từng giới thiệu LFM3-1.7B như một phương án thay thế cho LFM2.5-24B-A2B, và sau khi đọc cả hai bảng, có thể thấy rõ vì sao. Mô hình mới hơn thắng về bộ nhớ, ngữ cảnh, gọi công cụ và các tác vụ trình duyệt. Mô hình cũ hơn thắng về sửa mã và các công việc tác nhân nặng về suy luận. Chúng trùng nhau ở ToolSandbox và khác biệt ở mọi nơi khác.

Điều sẽ thay đổi cục diện này là một mô hình {{1}}LFM3{{/1}} duy nhất mang những lợi ích hậu huấn luyện tác tử sang một checkpoint lớn hơn có khả năng suy luận. Không có thành viên nào trong dòng hiện tại làm được điều đó: các thành viên khác của {{2}}LFM3{{/2}} là mô hình thị giác, âm thanh, omni và ra quyết định, đều quanh lớp 2B. Cho đến khi một {{3}}LFM3{{/3}} lớn hơn xuất hiện, {{4}}24B{{/4}} vẫn là lựa chọn đúng cho những công việc mà bảng benchmark của chính nó làm tốt nhất — và {{5}}1.7B{{/5}} vẫn là mô hình bạn thực sự có thể đưa lên thiết bị.