LFM3-1.7B-Base 与 Gemma 4 12B：专用主干对阵通才

把这两个下载项并排放在一起，首先显现的差异并不是基准测试成绩。LFM3-1.7B-Base于 2026 年 10 月 26 日发布到 Hugging Face，并在次日 Liquid AI 的产品系列发布中获得命名；它是一个 3.46 GB 的 bfloat16 文件，内含一个 17.3 亿参数的预训练文本模型。Gemma 4 12B由 Google DeepMind 于 2026 年 6 月 3 日发布，是一个 119.5 亿参数的稠密模型，自带指令微调、256K 上下文，以及读取图像、音频和文本的能力。一个是组件，另一个是产品。从能力上比较二者是范畴错误，而按每 token 价格比较也几乎同样糟糕，因为基础检查点没有 token 价格——它有的是一笔微调账单。路由不会在提供商的标价上增加利润。0% 加价请在我们的定价页面查看直通定价。

这场比较无论如何都值得占一页篇幅，因为两者都是小团队本周可能下载的开放权重模型，背后的根本原因相同：他们想要一个自己能掌控的模型，运行在自己拥有的硬件上，且无需按调用次数签订合同。真正有用的问题是：哪种资产能让你实现这一点——一个由你塑造的小型主干，还是一个你直接采用的大型通才模型。

无法进行的基准比较

LFM3-1.7B-Base 没有公开的评估结果。不是一份单薄的评估，也不是带星号的厂商表格——根本没有。模型卡给出了规格说明和微调指南，而 Liquid 的发布文章则为 LFM3-1.7B 提供了一份详实的基准测试表；LFM3-1.7B 是基于该检查点构建的后训练同系列模型。这些是不同的产物。基础模型预测文本；后训练模型遵循指令。用指令基准对前者打分，反映的是后者的情况。

相比之下，Gemma 4 12B 则附有一张完整的指令微调检查点家族表：在 MMLU Pro 上为 77.2%，在 GPQA Diamond 上为 78.8%，在无工具条件下的 AIME 2026 上为 77.5%，在 LiveCodeBench v6 上为 72.0%，Codeforces Elo 为 1659，在 MMMU Pro 上为 69.1%，在 128K 上下文、八个 needle 条件下的 MRCR v2 上为 43.4%。所有这些都是谷歌自己的数据，且均未经过独立复现。Artificial Analysis 另行将 Gemma 4 12B 的 Intelligence Index 定为 14，在其对比类别中的 141 个模型里排名第 20，测得的输出速度为每秒 110.9 个 token。

所以诚实的记分牌上只有一列填了数据，另一列是空的，而空着的那一列并不是模型的失败。这正是基础检查点本来的样子。任何把 49.37——Liquid 自己为调优后的 LFM3-1.7B 给出的平均值——放在 Gemma 的 MMLU Pro 旁边的人，都是在比较两套不同的测试套件、两个不同的模型，以及两种不同的调优水平。

每个检查点究竟是用来做什么的

LFM3-1.7B-Base生来就是供人修改的。Liquid 的模型卡称，它仅推荐用于重度微调——面向特定语言的助手、面向特定领域的助手、在专有数据上训练、新颖的后训练方法——并建议想要聊天或工具使用的人改用调优后的模型。它基于 22 万亿个 token 预训练，其中最后 3.5 万亿是经过整理的中训练数据，包含智能体轨迹和工具调用，该阶段将上下文扩展到 262,144 个 token。在 4 位量化下，它大约占用 1 GB，这正是其全部设计理由：一个小到可在单块 GPU 上微调、并能在手机上运行的主干模型。

Gemma 4 12B的存在就是为了被使用。它是 Google 五模型 Gemma 4 家族中的中等规模稠密模型成员，没有单独的多模态编码器——图像块和音频波形会直接投影到与文本 token 相同的空间中。它能在笔记本电脑上以 4 位量化约 7 GB 运行，采用 Apache 2.0 许可且没有营收触发条款，并拥有一个问世六个月的模型所积累的那种生态支持：量化构建、框架集成，以及一个已经发现其失效模式的社区。

决定成败的六大差异

• 参数 — 1.73B 稠密模型对 11.95B 稠密模型。规模比为 6.9 比 1，并决定所有下游环节：内存、微调成本、推理速度以及通用知识的上限。

• 模态 — 文本输入，文本输出，适用于 LFM3-1.7B-Base。文本、图像和音频输入，文本输出，适用于 Gemma 4 12B。基础检查点无法看到截图，再多的微调也无法添加一个从未训练过的视觉编码器。

• 上下文——两者均为 262,144 个 token。这是小模型唯一不落下风的一行，也是混合架构的真正成就，而非营销上的巧合。

• 语言——LFM3-1.7B-Base 列出了十六种，包括阿拉伯语、印地语、泰语、越南语和印度尼西亚语。Gemma 4 12B 在 140 多种语言上进行了预训练，并声称开箱即支持 35 种以上语言，覆盖范围广得多，是多语言部署的一项真正优势。

• 词表——LFM3-1.7B-Base 为 128,000 个 token，Gemma 4 12B 为 262,000 个。更大的词表在拉丁字母语言和代码中能更大幅度地压缩文本；较小的词表则让嵌入矩阵保持较小，这在整模型为 3.46 GB 时很重要。

• 许可证——LFM Open License v1.0 在年收入低于 1000 万美元时可免费用于商业用途；超过该门槛则需商业许可证。Gemma 4 12B 采用 Apache 2.0，Google 的可接受使用条款随权重一同提供，而不是作为收入条件。

同一套件中唯一相同的编号，以及它为何无法转移

Liquid 在同一个评测套件上针对 Gemma 4 12B 公布分数的情形只有一处，而且涉及的还是另一个模型。在 62 个视觉基准上，Liquid 报告其 1.9B 视觉模型 LFM3-VL-2B 在该套件通用类别上的得分为 66.0，而 Gemma 4 12B 为 74.0。在同一表格的其他位置，较小模型的差距更小，而 Liquid 的总结是，尽管该视觉模型比 Gemma 4 12B 小六倍多，但它仍“匹敌”Gemma 4 12B。

与其读句子，不如读表格，它会给出更精确的信息：一个 1.9B 多模态模型在广泛的视觉套件上，与一个 12B 多模态模型的差距在八分以内，而且这一差距在不同类别间并不均匀。若把它当作关于 LFM3-1.7B-Base 的陈述来读，那它什么也说明不了。这个文本基础检查点没有视觉塔，也未在任何那些基准上接受过评估。该说法属于同系列的另一模型，而这类来源归属上的失误，会把一次严谨的比较变成一次误导性的比较。

12B 通才值多少钱

Gemma 4 12B 之所以有市场价格，是因为第三方会提供它的服务。Artificial Analysis 报告称，在托管这些开放权重的各个平台上，输入 token 的混合中位价为每百万 token 0.10 美元，输出 token 的混合中位价为每百万 token 0.30 美元——这是各提供商之间的中位数，而不是标价，并且会随着供给侧的变化而变动。这已经足够便宜，以至于大多数团队根本不会考虑自己运行它。

LFM3-1.7B-Base 没有这样的价格，因为它并不是一个对外提供服务的模型。它的成本在于微调运行、数据管线和推理服务栈，而这些数字会因你构建的内容不同而相差一个数量级以上。Liquid 的宣传点是：这次运行能装进单块 GPU，结果能塞进约 1GB 里；这对模型本身属实，但对标注数据的成本只字未提。专门微调并不比调用通用 API 更便宜，除非你已经拥有数据；如果你有数据，在大规模用量下它要便宜得多。

这正是路由层体现价值之处。OrcaRouter 以 0% 加价率透传提供商的标价，因此供应商降价当天就能生效，而无需等待重新定价周期；同一个密钥可访问 200 多个模型，并具备自动故障转移。对于正在权衡这一决策的团队而言，实用的做法是：在评估专用微调模型期间，让通用模型继续留在路由路径上；当微调模型在你自己的留出集上胜出时——而不是在供应商的平均表现上胜出时——再切换流量。

三个买家，三个答案

你拥有专有数据和一项范围狭窄的任务。那就选 LFM3-1.7B-Base。1.73B 的主干小到足以在单块 GPU 上微调，256K 上下文能在微调后保留下来，十六种语言的词表覆盖了大多数区域部署场景。Gemma 4 12B 也能微调，但你等于在为即将被专门化掉的能力付费再训练。

你需要一个今天下午就能用起来的模型。以 Gemma 4 12B 为例。基础检查点无法回答任何问题，而经过调优的同系列版本则是另一个下载项，还牵扯到不同的许可问题。Gemma 4 12B 经过指令调优、支持多模态、配有文档，并且以已公布的中位价格提供。从开始到拿到第一个答案，时间以分钟计。

两者你都需要。 这是最常见的情形，也正是那种二选一的框架所掩盖的。针对狭窄、高频的任务微调主干模型，把其余一切交给通用模型。两者在架构层面并非彼此的替代品，而把这一决策当作互斥选择，正是团队最终要么为专家模型多付代价、要么无法服务小模型从未训练过的用例的原因所在。

许可证才是那个潜伏的问题

Apache 2.0 是许多公司读到 Gemma 的许可证就停下来的原因。它没有收入门槛，没有商业触发条件，也无需谈判——权重归你修改和提供服务，但须遵守 Google 的可接受使用政策。Liquid 的 LFM Open License v1.0 在小规模下同样宽松，但它设定了 1000 万美元的年收入门槛，超过该门槛即适用商业许可证。对创业公司而言，这种差别只是理论上的。对于大公司内部的业务部门来说，这是一场在第一次微调之前就已开始的采购对话。

什么会改变答案

两项证据将把这一比较从类别论证变为数值论证。第一项是来自 Liquid 的基座模型评估——即使规模很小、在留出语料上进行——让读者判断 22 万亿 token 与 tri-hybrid 堆栈是否比 LFM2.5-2.6B-Base 产生了更好的起点。第二项是在公开任务上对 LFM3-1.7B-Base 的独立微调，并对照 Gemma 4 12B 基线进行报告。两者目前都不存在，发布文章也没有承诺它们。

在他们做到之前，决定取决于你买的是什么，而不是哪个模型更好：一个 3.46 GB、没有评分、也没有指令微调的基础模型，还是一个 12B 的通用模型，附带一整张厂商数据表，以及一份你永远不必再回头琢磨的许可证。这在能力上并非难分高下，而是在契合度上难分伯仲——而记分牌上那空着的一列，是这一页上最诚实的东西。