
LFM2.5-24B-A2B vs Gemma 4 26B-A4B:两个稀疏模型,关于算力去向的两种不同理论
- Orca新OrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 每百万 tokens · 182 tok/s
- tencent新Tencent: Hy4 Flash2026-11-16$0.02 / $0.07 每百万 tokens · 356 tok/s
- Google新Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 每百万 tokens · 87 tok/s
- Anthropic新Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 每百万 tokens · 147 tok/s
- orca新Orca: OrcaC2 1.02026-11-0737 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 每百万 tokens · 92 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 每百万 tokens · 135 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 每百万 tokens · 81 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 每百万 tokens · 117 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 每百万 tokens · 110 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 每百万 tokens · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 每百万 tokens · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447智能
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 每百万 tokens · 211 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929智能
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 每百万 tokens · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733智能
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 每百万 tokens · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740智能
LFM2.5-24B-A2B 和 Gemma 4 26B-A4B看起来像是同一个想法出现了两次。Liquid AI 的模型检查点于2026年10月13日发布,总参数量为240亿,每个 token 读取24.5亿参数。Google DeepMind 的 Gemma 4 26B-A4B 总参数量为252亿,每个 token 激活38亿参数,于2026年3月11日在 Hugging Face 上发布。两者都是混合专家模型,大致上都是约250亿参数的检查点搭配20亿到40亿参数的计算预算,而且两家厂商在解释这种权衡时都会搬出同一句话——大模型让你在内存上付出代价,小模型则让你在延迟上付出代价。这种近乎相同的算术,正是这场比较值得认真去做的原因,因为这两个模型随后把这笔预算花在了截然不同的事情上:Gemma 4 26B-A4B 把它花在视觉、256K 上下文和广泛的知识库上;LFM2.5-24B-A2B 则把它花在推理轨迹、工具调用框架和智能体强化学习上。相同的形态,相反的优先级。
还有一处不对称摆在最上面:LFM2.5-24B-A2B 基准测试表把 Gemma-4-26B-A4B-it 作为其三个基线之一,所以这一次我们难得不用把两张发布表格并排比对再靠猜——Liquid 在同一个 vLLM 环境中把两者都跑了,并公布了这些结果行。
两者都缺少同样的东西,而那是所有人都假定存在的东西
先从这两个模型最可能引发的误解说起,因为两者犯的是同一个误解。稀疏专家混合(MoE)并不会缩小你的内存需求。检查点里的每一个参数都必须常驻内存;2.45B 或 3.8B 的激活参数给你换来的是每 token 的吞吐量,而不是更小的显存占用。看到"2.45B 激活"就伸手去够一台 4 GB 机器的读者,这个下午怕是要不好过了。
在我们自己的目录中,Gemma 4 26B A4B 检查点列出的是 262,144 个 token 的上下文,而 LFM2.5-24B-A2B 模型卡给出的是 131,072。在磁盘上,这一差距比参数量所暗示的更大:LFM2.5-24B-A2B 发布了 14.5 GB 的 Q4_K_M GGUF 和 13.6 GB 的 QAT QAD-Q4_0,BF16 下则为 48 GB;Gemma 4 26B A4B 以 49.9 GB 分片加 1.7 GB 分片的形式发布 bfloat16 safetensors,并配有一个量化感知的 4-bit GGUF,将一个紧凑的权重文件与一个单独的多模态投影文件配对。凑整来看:约 14 GB 对约 50 GB 未压缩,而这两个检查点的总参数量只相差十亿。这种差异来自词汇表、专家布局和多模态栈,而不是参数总量这个显眼数字,并且这是整篇文章中最实用的一句话。
规格对比,每个维度一行
• 总参数 / 激活参数 — LFM2.5-24B-A2B 为 24.0B / 2.45B,40 层中共有 64 个专家,采用 top-4 路由。Gemma 4 26B-A4B 为 25.2B / 3.8B,30 层中 128 个专家里有 8 个激活专家,外加 1 个共享专家。

• 上下文 —— 131,072 个 token 对比 262,144 个 token,Gemma 4 26B A4B 采用 1,024 token 的滑动窗口与混合注意力机制,将局部层和全局层交错排列,同时保持最后一层为全局层。
• 模态 — LFM2.5-24B-A2B 仅支持文本输入与文本输出。Gemma 4 26B A4B 支持文本和图像输入,其视觉编码器约有 5.5 亿参数;音频功能仅限较小的 Gemma 4 型号。
• 推理——LFM2.5-24B-A2B 始终会在 <think> 块中输出一条显式的思维链。Gemma 4 26B A4B 是一个经过指令微调的通用模型,没有强制性的推理轨迹。
• 词汇表 —— 128,000 个 token,通过原地分词器扩展,较上一代翻倍;而 Gemma 4 的五个规格共用一个 262K 的家族词表。
• 许可——lfm1.0,年收入低于 1000 万美元时可免费商用,超过则需取得商业许可。Gemma 4 26B A4B 采用 Apache 2.0,标准许可文本位于 ai.google.dev/gemma/apache_2,Google 的禁止使用政策与它并列,作为可接受使用文档,而非许可限制。
• 已发布格式 — Liquid 模型支持 GGUF(Q4_K_M 到 BF16)、FP8、ONNX 以及 4/5/6/8 位 MLX;Gemma 规模则包括 bfloat16 safetensors、预训练检查点、QAT 4 位版本和可直接用于 llama.cpp 的 GGUF,外加一个多 token 预测草稿模型。
Liquid 两场都跑了,但结果并非一边倒的完胜。
LFM2.5-24B-A2B 的发布帖将Gemma-4-26B-A4B-it列在其十六项基准测试表格的基线一栏中,与 Qwen3.6-35B-A3B 和 Nemotron-3.5-Lightning 并列,四列均在 vLLM 下按各基准测试的生成设置运行。以下所有内容均来自双方的厂商报告——Liquid 的数据,出自 Liquid 自己编制的表格。这不是独立评估,但至少是在同一测试框架下进行的,这已经比大多数模型对比页面要强了。
智能体类数据看起来完全是一边倒:AutomationBench 27.69 对 5.46,ToolSandbox 80.71 对 72.09,LiveClaw 48.09 对 41.25,τ³-Bench Banking 8.04 对 4.54,BFCLv4 65.01 对 57.09。指令遵循也是同样的情况——IFEval 96.75 对 92.00,IFBench 74.69 对 47.44,Multi-IF 84.38 对 82.19。
然后是表格的另一半,Liquid 还是把它公布了出来:PinchBench 83.18 对 77.12,结果反了过来,还有三行比任何工具调用方面的胜绩都更重要。GPQA Diamond——74.42 对 74.90,在研究生级别科学的顶端基本持平。SWE-Bench Verified via OpenCode——51.00 对 25.80,二比一的差距,对 Liquid 模型有利,这是两张表格中最令人意外的单个数字。SciCode——32.71 对 35.42,Gemma 那个规模领先。还有AA-Omniscience——−24.90 对 −59.39,两个模型都得分很差,而 Gemma 那个规模差了一倍还多。
对此有两种解读,而诚实的解读是第二种。第一种是:一个活跃参数为 2.45B 的智能体模型在智能体任务上击败了活跃参数为 3.8B 的通用模型,而这正是它被打造出来要做的事。第二种是:Gemma 4 26B A4B 这一列在各方面都显得异常疲弱——总参数 25.2B、活跃参数 3.8B 的模型,在指令遵循、工具使用和知识上竟落到一个活跃参数 2.45B 的模型之下,这并不是 Google 自家的模型族表会预测到的结果;它也提醒我们,如果这些模型是在不同的生成设置和提示方式下被驱动,那么共用一个评测框架并不能让基准测试变得可比。把这些行的方向视为有参考价值,而把其幅度视为不可信。
表中完全没有体现的,是 Gemma 4 26B A4B 的多模态部分。这里不可能进行视觉基准测试,因为 LFM2.5-24B-A2B 看不见。如果你的工作负载有任何部分涉及来自用户的图像,那么这场比较在开始之前就已经有了赢家,而且不是那个更新的模型。
价格,以及实际持有每一个需要多少成本
LFM2.5-24B-A2B 采用按 token 计价:在 Liquid 自家的 Console 上,每百万输入 token 为 0.10 美元(缓存为 0.05 美元),每百万输出 token 为 1.00 美元,并赠送 2 美元起始额度。Gemma 4 26B A4B 则完全没有厂商标价——Google 未公布任何价格——因此唯一诚实的成本数字,只能取决于托管这些开放权重的平台实际收取多少费用,而这会因托管方和日期而异。
这种不对称,正是应该走 router、而不是把某一家厂商的 endpoint 直接接进你的代码的理由。撇开几何结构不谈,这正是双方都需要结算(checkout)才有意义的地方:我们以两个 id 提供 Gemma 4 26B A4B 的 checkpoint —— google/gemma-4-26b-a4b-it 和 obsidian/gemma-4-26B-A4B —— 而 Liquid 在其表格中引用的两个价格参照,qwen/qwen3.6-35b-a3b 也在其中,都通过同一个 key 提供,按供应商标价 0% 加价。我们不提供 LFM2.5-24B-A2B。因此这一页的实用版本是:把 Liquid 的 checkpoint 拉下来在本地运行,同时在你做决定的过程中用同一个 key 调用 Gemma 4 这个规模和 Qwen 这个基线,这样你就是在自己的任务上做比较,而不是在任何一家厂商选定的 harness 上比较。


哪一个,以及当问题实际上是关于你的机器时
如果你的工作负载是文本,而你的智能体需要规划、调用工具并解释自身,那么更新的检查点才是该下载的那个:Q4_K_M 下 14.5 GB、131K 上下文、显式推理,以及一张基准测试表,它在其中击败了这个确切的对手,拿下智能体相关各行。如果你的任何工作涉及图像,或者你需要 256K 而非 128K 的上下文,又或者你想要一个无需追踪营收条款的 Apache 2.0 许可,那么 Gemma 4 26B A4B 回答了一个 LFM2.5-24B-A2B 甚至不会提出的问题——代价是大约三点五倍的未压缩磁盘占用。
两个模型都没有解决的问题是:两者都受内存带宽限制,而非算力限制;而且两家厂商的说辞都得用同样的方式来解读。谷歌的家族发布博文将两个较大的 Gemma 4 规格描述为 bfloat16 权重,称其“能高效地装进单块 80GB NVIDIA H100 GPU”——这没错,但这也是厂商自己的表述,而不是对这个具体版本的实测。Liquid 在 Apple M5 Max 上达到每秒 184 个 token,以及“在端侧比同类 MoE 快至多 1.7×”,同样没有复现结果。两个稀疏模型,两家厂商,同一条共同教训:名字里的算术告诉你速度,而名字里没有任何东西告诉你内存。
像这样的比较,也正是故障模式暴露之处:OrcaRouter AI Incident Archive 收录了这类模型背后有记录的 AI 事件和智能体故障,其中每个条目都带有各自的来源、严重程度、置信度等级和争议标记。
