LFM3-1.7B-Base 对比 Qwen 3.8：不在一个量级，但问题问对了

诚实的答案是，LFM3-1.7B-Base并不与Qwen3.8-27B竞争，而且它从来就不是为此而生的。把问题问对，就会得到三个不同的 Qwen 模型：阿里巴巴于 2026 年 8 月发布的开放权重 27B 视觉语言模型，托管版 Qwen3.8-Flash，每百万输入 token 0.15 美元、每百万输出 token 0.47 美元，以及 Qwen3.8-Max，每百万输入 token 2.00 美元、每百万输出 token 6.00 美元。Liquid 的新 1.73B checkpoint 是面向手机、笔记本电脑或微调任务的原始预训练素材；Qwen 的产品线则是一系列成品。有用的比较不是谁得分更高，而是你实际购买的是哪种部署范围。

这种框架也解释了为什么这一对比至今没有严肃的报道。因为根本没有可作基准的东西：一方有一张列着 27 行的厂商表，另一方则完全没有公开的评测。所以本文只能按照唯一一种经得起事实检验的顺序来做比较——各方交付了什么、运行成本是多少，以及你被允许用它做什么。

三个 Qwen 3.8，三次不同的购买

Qwen3.8-27B 是开放权重选项。Alibaba 于 2026 年 8 月在 Apache 2.0 许可下发布了它，此后它已累计超过 750 万次下载。它是一个 27B 的稠密因果模型，带有视觉编码器，采用 16 ×（3 × Gated DeltaNet → FFN，1 × Gated Attention → FFN）布局的 64 层结构，并具有 262,144 个 token 的原生上下文，Alibaba 表示可扩展至 1,000,000。它能理解图像和视频，具备思考控制能力，并明确面向长程智能体工作。

Qwen3.8-Flash 是大多数团队实际会最先询价的托管层级。在 OrcaRouter 的模型目录中它是一款 100 万上下文长度的模型，支持文本、图像和视频输入，输出上限为 131K，价格为每百万 token 输入 $0.15、输出 $0.47。其模型页面将上线日期标注为 2026 年 8 月 26 日，并记录了过去一周的输出速度为每秒 157 个 token。

Qwen3.8-Max 是顶配型号：每百万 token 输入 $2.00、输出 $6.00，支持 1M 上下文，且不开放权重。当任务足以支撑前沿级定价时，你才会选用这一档；它并不是用来与 1.7B 基础检查点作对比的那一档。

LFM3-1.7B-Base 实际随附什么

Liquid 于 2026 年 10 月 26 日创建了 LFM3-1.7B-Base 仓库，并于次日宣布了该系列。该检查点仅支持文本，拥有 17.3 亿参数、24 层门控短卷积以及全注意力或滑动窗口注意力，具备 256K token 上下文、128,000 token 词表、16 种命名语言，并在 4 位精度下内存占用约为 1 GB。它使用 22 万亿 token 进行训练；最后 3.5 万亿 token 是中期训练数据，其中包含智能体轨迹和工具调用，并承载了上下文扩展。

它没有一并提供的，是分数。基础模型卡没有评估表，没有上下文检索数值，也没有与任何其他模型的比较。Liquid 发布博客中的每一个数字——49.37 的平均值、LiveCodeBench v6 的 73.46、SWE-bench Verified 的 43.40、GPQA Diamond 的 63.37、IFEval 的 96.66——都属于经过监督微调、强化学习、同策略蒸馏和智能体强化学习之后的 LFM3-1.7B。这些是真实数字，Liquid 也诚实地将它们作为自身数据报告，但它们描述的是最终完成的模型，而不是标题中这个名称所指的基础检查点。

该许可为 LFM Open License v1.0。它仅在被许可方年收入保持在 1000 万美元以下时授予商业权利；超过该门槛后，该作品就不再根据该协议获得许可，需要另行达成协议。仅这一条款就会让 LFM3-1.7B-Base 在任何人用它运行一个 token 之前，就被排除在许多候选名单之外。

为什么基准测试差距无法用算术弥合

人们很容易把 Qwen3.8-27B 的厂商数据与 Liquid 的厂商数据并列对比，然后宣布谁胜出。请克制这种冲动，因为这两张表衡量的并不是同一回事。Qwen 报告 SWE-bench Pro 61.7、Terminal Bench 2.1 为 73.0、LiveCodeBench v6 为 90.3、GPQA Diamond 为 89.2，以及 HLE 为 30.8。Liquid 报告 SWE-bench Verified 43.40、LiveCodeBench v6 73.46、GPQA Diamond 63.37，以及无工具条件下的 HLE 7.17。SWE-bench Pro 与 SWE-bench Verified 是难度不同的不同基准；参数量相差 16 倍；而且一列描述的是经过后训练的聊天模型，另一列描述的则是完全未经后训练的基础检查点。

有一个数字值得从这两家厂商之外借用。OrcaRouter 的 Qwen3.8-27B 模型页面列出了 Artificial Analysis 智能指数 33.7 和 AA Coding 分数 68.1，评估日期为 2026 年 8 月 14 日。那是一个独立评分榜，而且它针对 Qwen 存在。截至 2026 年 10 月 28 日，我们在 Artificial Analysis 上找不到任何 LFM3 条目，因此另一方没有独立的对照。今天若有人给出这两款模型的正面能力结论，那他要么是在跨不兼容的测试框架比较厂商表格，要么是在编造数字。

部署包络，并排对比

• 参数——LFM3-1.7B-Base：1.73B，纯文本，24 层。Qwen3.8-27B：27B 稠密模型，配备视觉编码器，64 层。

• 上下文 — LFM3-1.7B-Base：256K 个 token。Qwen3.8-27B：原生 262,144，可扩展至 1M；Qwen3.8-Flash 与 Qwen3.8-Max：1M。

• 输入模态——LFM3-1.7B-Base：文本。Qwen3.8-27B、Qwen3.8-Flash 和 Qwen3.8-Max：文本、图像和视频。

• 权重 — LFM3-1.7B-Base：BF16 下载，附自定义建模代码，需使用 trust_remote_code。Qwen3.8-27B：Apache-2.0 权重，可在 Transformers、vLLM、SGLang 和 TokenSpeed 中运行。

• 内存下限 — LFM3-1.7B-Base：据 Liquid 称，4-bit 下约 1 GB。Qwen3.8-27B：BF16 下大约 55 GB，因此需要多 GPU 主机或激进量化。

• 许可证 — LFM3-1.7B-Base：LFM 开放许可证 v1.0，年收入低于 1000 万美元可商用。Qwen3.8-27B：Apache 2.0，无收入条件限制。

• 标价 — LFM3-1.7B-Base：未公布托管服务的每 token 价格。在 OrcaRouter 上，Qwen3.8-27B：每百万 token 输入 $0.33 / 输出 $2.40；Qwen3.8-Flash：$0.15 / $0.47；Qwen3.8-Max：$2.00 / $6.00。

• 观测速度 — LFM3-1.7B-Base：没有独立测量数据。Qwen3.8-27B 在 OrcaRouter 上：过去七天每秒输出 91 个 token；Qwen3.8-Flash：每秒 157 个 token。

决定成败的算术

假设每月有 1 亿输出 token 的工作负载。在 Qwen3.8-Flash 上，这需要花费 47 美元。通过 OrcaRouter 使用 Qwen3.8-27B，费用为 240 美元。在 Qwen3.8-Max 上，费用为 600 美元。每个层级的输入 token 都更便宜，因此现实中的混合用量会低于这些数字，但输出在账单中占主导，排名不会改变。

现在把这些账单和自己运行 LFM3-1.7B-Base 比较一下。在 4 位量化下，它只占约 1GB，这意味着你手头可能已有的硬件就能跑：一台笔记本电脑、一部较新的手机、一块小型 GPU。每个 token 的边际成本只有电费，别的什么都没有，而且模型从不离开设备。对 Qwen3.8-27B 做同样的算术，情况就反过来了：每月 1 亿个输出 token，按每百万 2.40 美元计算就是 240 美元，这大致相当于租用一台 24 GB 级 GPU 一个月的费用，按每小时约 0.35 美元计算。自托管 27B 只有在每月输出 token 超过约 1 亿个之后，才开始比托管价格更划算——而且这个计算忽略了工程时间、55 GB 的下载量，以及一旦把 KV 缓存算进去，27B 模型所需显存远超 24 GB 这一事实。

实用版：每月输出 token 低于约 1 亿时，托管式 Qwen3.8 各档在总成本和运维简便性上更胜一筹。如果你的工作负载小到能装进手机，LFM3-1.7B-Base 就会胜出，因为计费表根本不会启动。这两个位置之间的地带，正是大多数真实部署所在之处，而这关乎用量和隐私，而非基准测试分数。

OrcaRouter 适合哪些场景，以及不适合哪些场景

Qwen 3.8 的三个层级今天都已上架 OrcaRouter 的目录，其中包括自托管于我们自有基础设施上的 Qwen3.8-27B，输入价格为每百万 token 0.33 美元、输出价格为每百万 token 2.40 美元，上下文长度 262K，首 token 延迟 p50 为 2.37 秒，过去一周实测输出速度为每秒 91 个 token。关键在于：三个层级都可通过同一个兼容 OpenAI 的密钥进行路由——默认使用成本低廉的 Qwen3.8-Flash，当任务需要时可升级至 Qwen3.8-27B 或 Qwen3.8-Max，并且当某个上游服务降级时会自动故障转移。由于我们以 0% 加价率透传各提供商的原价，供应商调价当天就会体现在你的账单上，而无需等待重新定价周期。

LFM3-1.7B-Base 并不在我们的目录中，我们也不会假装它在。如果 Liquid 的 checkpoint 正是适合你工作负载的答案，那么目前的途径就是厂商自己的 API 和 playground，或者自行下载并自托管。路由器仍然能做的是让这个决定保持可逆：把小模型放在与托管层级相同的接口之后，按任务或按成本进行路由，并在自托管路径出问题时把流量切回托管模型。

按职位选择，而不是按分数选择

当约束条件在于设备时，选择 LFM3-1.7B-Base：离线运行、手机或笔记本电脑、你打算在单块 GPU 上后训练的领域特定模型，或者 1 GB 占用下 256K 上下文正是你感兴趣的全部原因的工作负载。要接受你买到的是原材料，许可证有收入上限，并且目前还没有独立评估。

当任务需要视觉能力、长程智能体，或需要真正可交付的代码，并且你拥有可服务 27B 参数模型的硬件或预算时，选择 Qwen3.8-27B。当你希望以五分之一的价格获得其中大部分产品能力，且不需要拥有模型权重时，选择 Qwen3.8-Flash。只有当任务每 token 的价值能覆盖 6.00 美元的输出成本时，才选择 Qwen3.8-Max。

标题中的这场对决从设计上就是一场不对等的比较——1.7B 预训练检查点对阵 27B 已完成的视觉语言模型——而有用的结论并不是哪个更好。结论是它们回答的是不同的问题：我能运行在多么小的硬件上，对比每个 token 我能买到多少能力。Liquid 已针对第一个问题交付了一个异常详细的答案。Alibaba 则从八月起就一直在售卖第二个问题的答案。