LFM3-1.7B-Base 對決 Gemma 4 12B：專精主幹迎戰通才

將這兩個下載檔並排來看，第一個差異並不是基準測試。LFM3-1.7B-Base於 2026 年 10 月 26 日發布到 Hugging Face，並在隔天於 Liquid AI 的系列發布中定名，是一個 3.46 GB 的 bfloat16 檔案，內含一個 17.3 億參數的預訓練文字模型。Gemma 4 12B由 Google DeepMind 於 2026 年 6 月 3 日發布，是一個 119.5 億參數的稠密模型，隨附指令微調、256K 上下文，以及讀取圖像、音訊和文字的能力。一個是元件。另一個是產品。從能力上比較它們是範疇錯誤，而從每 token 價格比較也幾乎同樣糟糕，因為基礎檢查點沒有 token 價格——它有的是微調帳單。路由不會為供應商的標價加上利潤加成。0% 加成在我們的定價頁面查看成本轉嫁定價。

這樣的比較終究值得佔用版面，因為兩者都是開放權重模型，小型團隊這週可能就會下載，背後動機相同：他們想要一個自己能掌控、跑在自己擁有的硬體上、且不必按次計費簽約的模型。真正有用的問題是：哪一種資產能帶你走到那裡——是一個由你塑造的小型主幹，還是一個由你採用的通用大型模型。

無法進行的基準比較

LFM3-1.7B-Base 沒有公開的評估結果。不是簡略的那種，也不是帶星號的廠商表格——完全沒有。模型卡提供了規格與微調指南，而 Liquid 的發布文章則為 LFM3-1.7B 附上了一份詳盡的基準測試表；LFM3-1.7B 是由此檢查點建構而成的後訓練姊妹模型。那些是不同的產物。基礎模型預測文字；後訓練模型遵循指令。用指令基準測試來評分前者，告訴你的是關於後者的資訊。

相較之下，Gemma 4 12B 針對指令微調檢查點提供完整的家族表格：MMLU Pro 77.2%、GPQA Diamond 78.8%、不使用工具的 AIME 2026 77.5%、LiveCodeBench v6 72.0%、Codeforces Elo 1659、MMMU Pro 69.1%，以及在 128K、八個針下的 MRCR v2 43.4%。這些全都是 Google 自家數據，且無一經過獨立重現。另外，Artificial Analysis 將 Gemma 4 12B 的 Intelligence Index 列為 14，在其比較類別的 141 個模型中排名第 20，測得輸出速度為每秒 110.9 個 token。

所以，誠實的計分板上有一欄填了資料、另一欄空著，而那個空欄並不是模型的失敗。那正是基礎檢查點的本來樣貌。任何人把 49.37——Liquid 自家針對調校後 LFM3-1.7B 的平均分——拿來跟 Gemma 的 MMLU Pro 並列，都是在比較兩套不同的評測套件、兩個不同的模型，以及兩種不同的調校程度。

每個檢查點實際上是用來做什麼的

LFM3-1.7B-Base的存在就是為了被改造。Liquid 的說明卡指出，它僅建議用於重度微調——特定語言的助理、特定領域的助理、以專有資料訓練、新穎的後訓練方法——並建議任何想要聊天或工具使用的人改用微調後的模型。它是在 22 兆個 token 上預先訓練，其中最後 3.5 兆是經過策劃的中期訓練資料，包含代理軌跡與工具呼叫，而該階段將上下文擴展到 262,144 個 token。在 4 位元下約佔 1 GB，這正是整個設計論點：主幹小到足以在單一 GPU 上微調，並在手機上執行。

Gemma 4 12B的存在就是為了被使用。它是 Google 五款模型組成的 Gemma 4 家族中的中型稠密成員，沒有獨立的多模態編碼器——影像區塊與音訊波形會直接投影到與文字詞元相同的空間。它在 4 位元量化下只需約 7 GB 就能在筆記型電腦上執行，採用 Apache 2.0 授權且沒有營收觸發條款，並具備一個問世六個月的模型所累積的那種生態系支援：量化版本、框架整合，以及早已摸清其失效模式的社群。

決定勝負的六大差異

• 參數 — 1.73B 稠密模型對上 11.95B 稠密模型。規模比例為 6.9 比 1，而這會牽動所有下游環節：記憶體、微調成本、推論速度，以及一般知識的天花板。

• 模態 — 適用於 LFM3-1.7B-Base：文字輸入、文字輸出。適用於 Gemma 4 12B：文字、圖像與音訊輸入，文字輸出。基礎檢查點無法看見螢幕截圖，而且再多的微調也無法加入從未訓練過的視覺編碼器。

• 上下文 — 兩者皆為 262,144 個 token。這是小型模型毫不遜色的唯一一列，也是混合架構的真正成就，而非行銷上的巧合。

• 語言 — LFM3-1.7B-Base 列出了十六種，包括阿拉伯語、印地語、泰語、越南語與印尼語。Gemma 4 12B 以 140 多種語言進行預訓練，並宣稱開箱即支援 35 種以上，涵蓋範圍廣闊得多，對多語言部署而言是實實在在的優勢。

• 詞彙 — LFM3-1.7B-Base 為 128,000 個詞元，Gemma 4 12B 則為 262,000 個。較大的詞彙在拉丁字母語言與程式碼中能更積極地壓縮文字；較小的詞彙則讓嵌入矩陣保持精簡，這在整個模型僅 3.46 GB 時相當重要。

• 授權— LFM Open License v1.0 在年營收低於 1,000 萬美元時可免費商用，超過該門檻則需商業授權。Gemma 4 12B 採用 Apache 2.0，並隨權重附上 Google 的可接受使用條款，而非作為營收條件。

唯一一個同套房號碼，以及它為何無法轉移

Liquid 確切只有一處曾公布與 Gemma 4 12B 在同一評測套件上的對比分數，而且那涉及的是另一款模型。在 62 項視覺基準中，Liquid 回報其 1.9B 視覺模型 LFM3-VL-2B 在該套件的一般類別得分為 66.0，而 Gemma 4 12B 為 74.0。在同一張表的其他部分，較小模型更接近；Liquid 的總結是，這款視覺模型「匹敵」Gemma 4 12B，儘管規模小逾六倍。

與其讀那句話，不如讀表格，它表達得更精確：一個 1.9B 多模態模型在廣泛的視覺套件上，與 12B 多模態模型的差距在八個百分點以內，而且各類別之間的差距並不平均。若把它讀成關於 LFM3-1.7B-Base 的陳述，則它什麼也沒說明。這個文字基礎檢查點沒有視覺塔，也未在任何那些基準上受評估。該主張屬於另一個同系列模型，而這正是會把審慎比較變成誤導性比較的那種出處錯置。

12B 通才在金钱上值多少

Gemma 4 12B 之所以有市場價格，是因為有第三方提供服務。Artificial Analysis 報告指出，在託管這些開放權重的平台上，混合中位數為每百萬輸入 token 0.10 美元、每百萬輸出 token 0.30 美元——這是跨供應商的中位數，而非標價，且會隨供應端變化而變動。這已經便宜到大多數團隊根本不會考慮自行運行它。

LFM3-1.7B-Base 並沒有這樣的價格，因為它不是一個有提供服務的模型。它的成本在於微調訓練、資料管線與服務堆疊，而這些數字會依你正在打造的東西而有超過一個數量級的變動。Liquid 的賣點是：這次訓練能放進單一 GPU，成果大約只佔 1 GB；這對模型本身來說是真的，但完全沒說明標註資料的成本。專門的微調並不比呼叫通用 API 便宜，除非你已經有資料；如果你有，在大規模使用時會便宜得多。

這正是路由層發揮價值的地方。OrcaRouter 以 0% 加成直接傳遞供應商定價，因此供應商降價當天就能反映，而不必等待重新定價週期；同一把金鑰可觸及超過 200 個模型，並具備自動容錯移轉。對於正在權衡這項決定的團隊，實務做法是：在評估專用微調模型期間，讓通用模型留在路由路徑上；等到微調模型在你自己的留出集上勝出——而不是在供應商平均值上勝出——再轉移流量。

三位買家，三種答案

你擁有專有資料，而任務範圍狹窄。以 LFM3-1.7B-Base 為例。1.73B 的主幹模型小到足以在單一 GPU 上微調，256K 上下文在微調後仍能保留，而十六種語言的詞彙表涵蓋了大多數區域部署需求。Gemma 4 12B 同樣可以微調，但你得付費重新訓練那些你即將透過特化而捨棄的能力。

你需要一個今天下午就能運作的模型。以 Gemma 4 12B 為例。基礎檢查點無法回答問題，而微調版本是另一個下載項目，也牽涉不同的授權問題。Gemma 4 12B 經過指令微調、支援多模態、有完整文件，並以公開的中位價格提供。首次獲得回答的時間以分鐘計。

你兩者都需要。這是常見的情況，也是那種框架論述所掩蓋的事實。針對狹窄、高流量的任務微調主幹模型，其餘一切則導向通用型模型。在架構層面上，兩者並非替代品；而把這個決策當成二選一，正是團隊最終不是為專用模型付出過高成本，就是無法充分服務某個小型模型從未受訓處理的使用情境的原因。

授權才是那個潛在的關鍵問題

Apache 2.0 是許多公司讀到 Gemma 授權條款就停下來的原因。它沒有營收門檻、沒有商業觸發條件，也沒有協商空間——權重可由你修改與提供服務，但須遵守 Google 的可接受使用政策。Liquid 的 LFM Open License v1.0 在小規模下也同樣寬鬆，但它定義了年營收 1,000 萬美元的門檻，超過此門檻即適用商業授權。對新創公司而言，這種差別只是理論上的。對大型企業內部的事業單位而言，這是一場在第一次微調之前就已展開的採購對話。

什麼會改變答案？

兩項證據能讓這項比較從類別論證轉為數值論證。第一項是 Liquid 的基礎模型評估——即使只是在小規模的留出語料庫上進行——讓讀者得以判斷 22 兆個 token 與 tri-hybrid 堆疊是否產生了比 LFM2.5-2.6B-Base 更好的起點。第二項是在公開任務上對 LFM3-1.7B-Base 進行的獨立微調，並以 Gemma 4 12B 基準來報告。兩者目前都還不存在，而發布文章也未承諾它們。

在他們這麼做之前，決定取決於你買的是什麼，而不是哪個模型更好：一個 3.46 GB、沒有評分也沒有指令微調的主幹模型，或是一個 12B 通用模型，附有完整的廠商數據表，以及一份你永遠不必再回頭看的授權。在能力上，這不是勢均力敵的選擇；在契合度上，才是。而計分板上那個空白欄位，是這頁最誠實的東西。