Sakana Namazu 对比 LFM2.5-2.6B-Base：免费权重的真实代价

LFM2.5-2.6B-Base 下载费用为 0.00 美元。Sakana Namazu 每百万输入 token 收费 0.95 美元，每百万输出 token 收费 4.00 美元。看到这两个价签，你可能会认为比较还没开始就已结束——但实际的价格差异恰恰相反。LFM2.5-2.6B-Base 是 Liquid AI 于 2026 年 8 月 4 日在 Hugging Face 上发布的 26.9 亿参数预训练检查点，它不是产品：没有推理服务商托管它，它有零篇已发表的评估，而且它自己的模型卡称其为用于微调的材料。相比之下，Sakana Namazu 是一个已完善、已托管、已工具化的 API。问题在于你实际上愿意付出什么——是金钱，还是劳动。

每一个到底是什么

Sakana Namazu 是经过后训练的 Kimi K2.6，针对日语商务语言进行了调优，封装在兼容 OpenAI 的 API 中，内置网络搜索和代码执行功能。你只需更改 base_url、设置密钥，即可使用。LFM2.5-2.6B-Base 是 Liquid LFM2.5-2.6B 系列背后的原始预训练检查点——即经后训练、具备智能体能力的姊妹模型所构建的基础。Liquid 自家的模型卡明确指出，该基础模型的存在意义在于支持重度微调，而且其基准测试表属于后训练版本，而非此版本。

规格表

• 价格 — Sakana Namazu 每 100 万 token 收费 $0.95 / $4.00，而 LFM2.5-2.6B-Base 下载免费，一切自助

• 规模——Namazu 继承 Kimi K2.6 的 1T/32B 激活 MoE 架构，对比 LFM2.5-2.6B-Base 的 2.69B 稠密混合架构（22 个卷积块 + 8 个注意力层）

• 上下文 — Namazu 未披露 vs LFM2.5-2.6B-Base 128K tokens（每个配置 131,072）

• 托管 — Namazu 由 Sakana 提供服务，而 LFM 基础无人托管 — 你负责构建服务栈

• 评估 — Namazu 供应商报告的成绩 vs LFM 基准零已公布成绩

• 语言 — Namazu 日语商务调优版 vs LFM 基础多语言版（16种语言，128K词元词汇量）

计算总成本

“自由权重”是一个真实的价格，只不过它以劳动计价。要让 LFM2.5-2.6B-Base 完成一项工作，你需要：一次微调运行（Liquid 自己的算法——10万个样本的监督集大约需要10美元的token，100万个样本大约需要100美元）、一个推理技术栈（vLLM、SGLang 或 llama.cpp，运行在你自己的设备上），以及持续的服务部署。回报是计费器停了：构建完成之后，每个token都是免费的，这使得该基础模型成为高吞吐、常驻运行、延迟容忍工作负载的碾压式赢家。Namazu 的计费器永不停歇，但它即刻启动——无需训练运行、无需GPU、无需运维。对于一次性集成，或者对于团队时间才是最昂贵成本项的工作负载，“免费”的模型反而是昂贵的那个。

具有约束力的许可证

细则同样不利于这款免费模型。{{1}}LFM2.5-2.6B-Base{{/1}} 以 {{2}}LFM Open License v1.0{{/2}} 授权发布，该许可将商业使用上限设定为年收入1000万美元——且这一上限同样适用于衍生作品，意味着你的微调模型也会继承该限制。一旦超过门槛，你就需要向 {{4}}Liquid{{/4}} 购买商业许可。{{3}}Sakana Namazu{{/3}} 没有此类上限，但它是闭源的，其数据处理默认设置（除非选择退出，否则会用你的输入进行训练，且不保证仅在日本境内处理）就是托管便利的代价。{{5}}两者都不是标签所暗示的那种免费。{{/5}}

智能体差距

两者最显著的区别在于它们的用途。LFM2.5-2.6B-Base 是一个基础模型——它是 Liquid 后训练代理模型所源自的原始基底。它不是一个代理，甚至不是一个指令模型。Sakana Namazu 是一个代理型产品：内置网络搜索、代码执行，并展示了一个自主循环（Sakana 的演示中，它自主规划市场调研报告、搜索、交叉核对并撰写，全程无需人工干预）。如果任务是“运行一个你为某个狭窄、大规模任务调优的 2.6B 模型”，基础模型胜出。如果任务是“让代理做知识型工作”，Namazu 是两者中唯一自带工具的。

那么哪个更便宜？

诚实的回答是，两者并不能互相替代——基础模型是一个组件，而 Namazu 是一个产品——所以真正要做出的决定是，你的技术栈下一步需要什么。在实践中，两者都不会孤立存在：一个微调后的 2.6B 专用模型最终会与一个通用智能体模型并肩工作，而路由层正是让这种多模型现实保持可控的方式。OrcaRouter 的模型融合与路由 DSL 让你能把多个模型组合成一次调用——这是介于“自行部署 2.6B 检查点”和“购买单一供应商 API”之间的务实中间路径——而且，由于我们以零加价透传供应商价格，即便模型组合不断变化，计费也依然可预测。如果你今天就想要一个可用的日语商务智能体，那就从 Sakana Namazu 开始；如果你准备自己动手构建产品，并愿意将构建成本分摊到数十亿个免费 token 上，那就从 LFM2.5-2.6B-Base 开始。