LFM3-1.7B so với Qwen3.8-Flash: Khi không có bảng điểm để so sánh

Mười triệu token một tháng, chia theo tỷ lệ 70/30 giữa đầu vào và đầu ra, tốn 2,46 USD trên Qwen3.8-Flash theo giá niêm yết của Alibaba là 0,15 USD và 0,47 USD mỗi triệu. Cùng khối lượng đó trên LFM3-1.7B tốn khoảng 1,16 USD, nếu mức giá dịch vụ được báo cáo là 0,08 USD và 0,20 USD vẫn đúng — và không tốn gì mỗi token nếu bạn tự vận hành, vì trọng số là mở và Giấy phép Mở LFM không yêu cầu phí bản quyền dưới 10 triệu USD doanh thu. Đó là mức chênh lệch 2× trên đồng hồ đo giữa hai mô hình mà hiện chưa ai có thể xác lập được chất lượng tương đối. Điều đó khiến so sánh này ít nói về điểm chuẩn hơn hầu hết các trang so sánh, và nói nhiều hơn về hình dạng triển khai mà bạn đang mua.

Hai mô hình này khó có thể khác biệt hơn được nữa. LFM3-1.7B là mô hình dense tri-hybrid 1,73 tỷ tham số mà Liquid AI phát hành vào ngày 27 tháng 10 năm 2026 để thực hiện một nhiệm vụ chuyên biệt trên phần cứng ngay trước mắt bạn. Qwen3.8-Flash là mixture-of-experts thưa của Alibaba, với khoảng 6 tỷ tham số hoạt động trên mỗi token trong một tổng thể lớn hơn nhiều, ra mắt vào tháng 8 năm 2026 dưới dạng một gói dịch vụ được host với cửa sổ 1M token cùng đầu vào hình ảnh và video. So sánh chúng bằng điểm trí tuệ thì giống như so một xe giao hàng với một đoàn tàu chở hàng: câu hỏi hữu ích là bạn đang chuyển cái gì và đi bao xa.

Hai kiến trúc được tối ưu hóa cho những ràng buộc trái ngược nhau

LFM3-1.7B có 24 lớp kết hợp 13 phép tích chập ngắn có cổng, 5 lớp attention cửa sổ trượt với cửa sổ 256 token và 6 lớp attention toàn cục. Tích chập rẻ và song song; một dải mỏng attention toàn cục giữ cho toàn bộ ngữ cảnh 256K có thể truy cập được. Kết quả là KV cache 128K dung lượng 1,6 GB và một mô hình chỉ chiếm khoảng 1 GB ở 4-bit. Liquid đã huấn luyện nó trên 22 nghìn tỷ token tiền huấn luyện, sau đó là 3,5 nghìn tỷ token huấn luyện trung gian tập trung nhiều vào agentic traces và tool calls.

Qwen3.8-Flash thực hiện sự đánh đổi theo hướng ngược lại. Kích hoạt thưa có nghĩa là mỗi token có thể chạm tới một bể tham số lớn mà không phải trả giá cho toàn bộ bể đó, và đây chính là cách Alibaba có được ngữ cảnh gốc 262K, có thể mở rộng lên 1M, trên một mô hình có mức giá ngang với những mô hình dense nhỏ hơn nhiều. Nó nhận văn bản, hình ảnh và video rồi trả về văn bản, hỗ trợ gọi công cụ và đầu ra JSON, và được định vị rõ ràng như một bản xem trước kiến trúc của dòng Qwen4.

• Tham số hoạt động — LFM3-1.7B 1.73B dense so với Qwen3.8-Flash khoảng 6B mỗi token trong một MoE thưa.

• Bối cảnh — trọng số mở 256K, 128K trên API được host của Liquid so với 262K nguyên bản, 1M trên gói được host.

• Đầu ra tối đa — không được quy định riêng cho LFM3, so với 131K đối với Qwen3.8-Flash.

• Các phương thức đầu vào — chỉ văn bản so với văn bản, hình ảnh và video.

• Nơi nó chạy — trên thiết bị của bạn, với mức chiếm dụng 1 GB 4-bit so với máy chủ của Alibaba.

• Trọng số — mở theo LFM Open License v1.0 so với chỉ được cung cấp dưới dạng hosted, không có checkpoint mở cho SKU này.

Dòng cuối cùng đó chính là dòng làm thay đổi cách nhìn về mọi thứ còn lại. Qwen3.8-Flash không phải là một mô hình bạn sở hữu. Có một người anh em mở trọng số, Qwen3.8-Flash-Next, theo giấy phép cộng đồng, nhưng đó là một checkpoint khác với điểm số khác và không phải thứ mà mức giá $0.15 mua được. LFM3-1.7B là một tệp bạn tải về. Một trong hai có thể được cô lập khỏi mạng, kiểm toán và tinh chỉnh trên dữ liệu của chính bạn; cái còn lại thì không.

Bảng tỷ số bị thiếu ở một bên và mâu thuẫn ở bên còn lại

Đây là phần khó chịu. Tính đến ngày 28 tháng 10 năm 2026, LFM3-1.7B không có mục nào trên Artificial Analysis — không có Intelligence Index, không có tốc độ đầu ra được đo độc lập, không có số liệu độ trễ trung lập. Mọi con số hiệu năng gắn với nó đều đến từ bảng 27 benchmark của chính Liquid, nơi nó đạt trung bình 49,37 và vượt xa LFM2.5-2.6B của chính Liquid. Do nhà cung cấp báo cáo, chưa được tái lập.

Qwen3.8-Flash thực sự có một mục trong Artificial Analysis, và việc đọc mục đó lại có tính chỉ dẫn vì một lý do sai. Các trang so sánh trực tiếp hiển thị nó ở mức Index 40. Nhiều bài viết thứ cấp, gồm các đánh giá và báo chí khu vực, lại báo cáo cùng mô hình ở mức 56. Các con số về tốc độ đầu ra cũng không thống nhất: các nguồn xuất hiện con số từ đầu 50 đến đầu 80 token mỗi giây. Chúng tôi sẽ không chọn một con số rồi trình bày nó như sự thật, vì hai con số đó không thể cùng mô tả một lần đánh giá và mức chênh lệch đủ lớn để thay đổi một quyết định thu mua.

Hệ quả thực tế là không thể xếp hạng mô hình nào so với mô hình kia về chất lượng với bất kỳ mức độ tin cậy nào. Một bên có một con số thay đổi tới mười sáu điểm tùy nơi bạn đọc; bên kia không có con số độc lập nào để thay đổi. Bất kỳ ai đưa cho bạn phán quyết về việc "mô hình nào thông minh hơn" từ những dữ liệu đầu vào này đều đang bịa ra nó. Những gì có thể so sánh là mọi thứ khác: mô hình tốn bao nhiêu chi phí, nó chạy ở đâu, trả lời nhanh đến mức nào, và điều gì xảy ra khi nó thất bại.

Đồng hồ đo, đã hoạt động

Chi phí là trục mà cả hai bên đều thực sự có thể đo được, nên nó xứng đáng được quan tâm nhiều hơn là chỉ một danh sách theo từng token.

• Giá niêm yết Qwen3.8-Flash — 0,15 USD mỗi triệu đầu vào, 0,47 USD mỗi triệu đầu ra, đọc bộ nhớ đệm 0,018 USD, ghi bộ nhớ đệm 0,230 USD.

• LFM3-1.7B hosted — được báo cáo ở mức $0.08 cho đầu vào và $0.20 cho đầu ra trên mỗi triệu, không được công bố trên bảng giá của chính Liquid.

• LFM3-1.7B tự lưu trữ — không có chi phí theo từng token; LFM Open License miễn phí bản quyền khi doanh thu hằng năm dưới 10 triệu USD.

Với 10 triệu token mỗi tháng theo tỷ lệ chia 70/30, Qwen3.8-Flash tính phí $2.46. Bật bộ nhớ đệm prompt trên một system prompt ổn định thì chi phí đó giảm xuống khoảng $2.00, vì các lượt đọc từ bộ nhớ đệm chỉ tốn khoảng một phần tám so với đầu vào mới. LFM3-1.7B với mức giá được báo cáo tính phí khoảng $1.16 cho cùng khối lượng, còn tự vận hành thì tính phí 0 mỗi token, cộng thêm một chi phí máy cố định.

Giờ hãy nhân rộng quy mô. Ở mức một tỷ token mỗi tháng, khoảng cách là 246 đô la so với 116 đô la — vẫn nhỏ về mặt tuyệt đối, và đó chính là điểm thường bị bỏ sót trong những so sánh kiểu này. Chênh lệch trên mỗi token giữa một gói được lưu trữ giá rẻ và một mô hình tự vận hành giá rẻ là nhiễu đối với hầu hết các đội. Chi phí thực sự chiếm ưu thế là thời gian kỹ thuật: một mô hình được lưu trữ chỉ là một lệnh gọi HTTP, còn một mô hình tự vận hành là một lần triển khai, một lựa chọn lượng tử hóa, một ngăn xếp phục vụ và một ca trực on-call. Lợi thế giá gấp 2 lần của LFM3 phải đáng giá đến mức đó. Với một mô hình 2B trên điện thoại hoặc một thiết bị biên, rõ ràng là đáng — không có lựa chọn thay thế được lưu trữ nào chạy trên thiết bị cả. Với một dịch vụ backend xử lý các lệnh gọi phân loại, thường thì không.

Mỗi cái trả lời nhanh đến mức nào, với số liệu thực tế ở một bên

Đây là chỗ dữ liệu của chính chúng tôi tốt hơn dữ liệu của nhà cung cấp. OrcaRouter định tuyến Qwen3.8-Flash, và trong bảy ngày qua, dữ liệu telemetry của chúng tôi trên các nhà cung cấp đang phục vụ nó cho thấy thời gian đến token đầu tiên p50 là 4,82 giây, p95 là 10,00 giây, tốc độ đầu ra 155 token mỗi giây và tỷ lệ lỗi 3,3% trên 883,7 triệu token. Đó là các số liệu tổng hợp từ một lớp định tuyến chứ không phải một bài kiểm tra phòng thí nghiệm trên endpoint đơn lẻ, nên thông lượng hiển thị cao hơn các con số đầu 50 thấp được công bố ở nơi khác: yêu cầu được định tuyến đến bất cứ nơi nào có dung lượng.

p50 4,82 giây là con số đáng để ngẫm nghĩ. Với một giao diện chat thì điều đó ổn. Với một agent thực hiện mười lăm lệnh gọi tuần tự thì đó là một phút chờ đợi trước khi bất kỳ công việc nào diễn ra, và không lượng token/giây nào khắc phục được điều đó. Độ trễ token đầu tiên cao trên một mô hình thưa lớn là chi phí ẩn của phân khúc giá rẻ, và đó là lý do một số nhóm định tuyến các lượt ngắn, quan trọng về độ trễ sang một thứ nhỏ hơn.

LFM3-1.7B không có phép đo tương đương. Tuyên bố về tốc độ của Liquid là ở Q4_0 và ngữ cảnh 32K, nó nhanh hơn từ 1,8× đến 2,8× so với mô hình kế tiếp trên ba thiết bị thử nghiệm với mức sử dụng bộ nhớ thấp nhất, và rằng một NVIDIA B300 duy nhất chạy SGLang ở BF16 đã phục vụ 3,6 tỷ token mỗi ngày với 1.024 yêu cầu đồng thời. Đó lần lượt là các con số trên thiết bị và trên một nút đơn; cả hai đều không ánh xạ sang "p50 của tôi từ Frankfurt sẽ là bao nhiêu". Tốc độ là trục mà luận điểm của LFM3 mạnh nhất về nguyên tắc và khó kiểm chứng nhất trên thực tế.

Nơi mỗi cái thực sự giành chiến thắng

LFM3-1.7B thắng về khả năng kiểm soát và chi phí ở biên. Trọng số mở nghĩa là bạn có thể tinh chỉnh nó trên một GPU duy nhất, đóng băng phiên bản, chạy nó mà không cần mạng và giữ dữ liệu trên thiết bị. Các con số về khả năng tuân theo chỉ dẫn là phần nổi bật trong bảng của Liquid — IFEval 96.66, IFStruct 93.72, Multi-IF 89.10 — và các dòng gọi công cụ của nó là đáng nể so với kích thước, BFCL V4 ở 71.39 và ToolSandbox ở 80.36. Các dòng yếu của nó cũng rõ ràng không kém: Terminal-Bench 2.1 ở 12.92 và SWE-bench Multilingual ở 23.00 cho thấy đây không phải là một mô hình lập trình tự trị, và thẻ mô hình của chính Liquid cũng nói như vậy.

Qwen3.8-Flash thắng về độ phủ. Cửa sổ 1M token với đầu vào hình ảnh và video là một năng lực mà LFM3 không có dưới bất kỳ hình thức nào: mô hình văn bản hoàn toàn không nhận hình ảnh, biến thể thị giác không công bố cửa sổ ngữ cảnh, và cửa sổ của biến thể omni thì không được ghi trong tài liệu. Với một khối lượng công việc phải xử lý một hợp đồng dài, một tập ảnh chụp màn hình, hay một giờ khung hình, thì so sánh kết thúc ngay lập tức. Nó cũng thắng về sự đơn giản trong vận hành: một endpoint, không GPU, không triển khai.

Định tuyến cả hai, đó chính là điểm mấu chốt

Qwen3.8-Flash có trong danh mục OrcaRouter còn LFM3-1.7B thì không. Câu đó chính là toàn bộ phiên bản trung thực của phần này. Chúng tôi định tuyến mô hình được host theo giá niêm yết của nhà cung cấp với mức đánh dấu 0%, vì vậy $0.15 và $0.47 của Alibaba là số tiền bạn phải trả và thay đổi giá từ nhà cung cấp sẽ đến với bạn ngay trong cùng ngày thay vì vào lần gia hạn hợp đồng tiếp theo. LFM3 thì bạn tự chạy hoặc gọi qua API riêng của Liquid; chúng tôi sẽ không ngụ ý một mối quan hệ hosting không tồn tại.

Lý do việc định tuyến lại quan trọng trong cặp đối sánh cụ thể này là hai mô hình có những kiểu thất bại khác nhau. Qwen3.8-Flash thất bại bằng cách chậm và tốn kém ở những lượt không cần 1M token ngữ cảnh. LFM3 thất bại bằng cách cạn kiệt độ sâu suy luận ở những lượt cần đến nó. Một pipeline gửi mọi yêu cầu đến một trong hai đều sai theo một hướng có thể dự đoán được. Với routing DSL, bạn có thể gửi các lượt trích xuất, phân loại và gọi công cụ ngắn đến mô hình nhỏ chạy cục bộ, giữ các tác vụ tài liệu dài và đa phương thức trên tầng dịch vụ được host, và để cơ chế chuyển đổi dự phòng tự động xử lý trường hợp mô hình nhỏ trả về kết quả sai định dạng — mà với một mô hình 1.7B chưa được kiểm chứng, đó chính là nỗi lo thực tế.

Đó cũng là cách rẻ nhất để biết liệu LFM3 có xứng đáng với sự tin tưởng mà bảng công bố khi ra mắt của nó đòi hỏi hay không. Hãy chạy nó trên lưu lượng bạn đã hiểu, phía sau một cơ chế dự phòng, và so sánh các quyết định của nó với các quyết định của mô hình được lưu trữ trên cùng đầu vào. Tỷ lệ bất đồng là tín hiệu chất lượng tốt hơn bất kỳ chuẩn đánh giá nào của nhà cung cấp, vì nó được đo trên dữ liệu của bạn.

Quyết định, không có phán quyết giả tạo

Chọn Qwen3.8-Flash nếu công việc liên quan đến tài liệu dài, hình ảnh hoặc video, nếu bạn cần một endpoint và không cần hạ tầng, hoặc nếu thời gian tới token đầu tiên p50 gần năm giây là chấp nhận được. Chất lượng của nó chưa chắc chắn nhưng ít nhất có thể đo lường được bởi người khác ngoài nhà sản xuất, và ngữ cảnh 1M của nó không phải thứ mà một mô hình 1.7B có thể thay thế.

Chọn LFM3-1.7B nếu mô hình phải sống trên thiết bị, nếu dữ liệu không thể rời khỏi mạng của bạn, nếu bạn định tinh chỉnh, hoặc nếu khối lượng công việc của bạn là các lượt ngắn tuân theo chỉ dẫn và gọi công cụ, nơi một mô hình 2B ở 1 GB thực sự là đủ. Hãy chấp nhận rằng bạn đang tin vào bảng đánh giá hiệu năng của Liquid và rằng tháng đầu tiên sẽ liên quan đến nhiều đo lường hơn mức một mô hình chạy trên máy chủ sẽ đòi hỏi.

Điều bạn không nên làm là chọn giữa chúng dựa trên trí tuệ. Một bên không có điểm số độc lập, bên kia có điểm số ghi 40 hoặc 56 tùy vào trang bạn mở, và khoảng cách mười sáu điểm giữa hai con số đó còn lớn hơn toàn bộ khác biệt chất lượng mà mỗi nhà cung cấp đang cố bán cho bạn. Chi phí, ngữ cảnh, phương thức và tính cục bộ là những sự thật đã ngã ngũ. Chất lượng thì không, và một sự so sánh giả vờ điều ngược lại chỉ là một bảng ra mắt đã bị xóa tên nhà cung cấp.