Sakana Namazu 對比 LFM2.5-2.6B-Base：免費權重的真實代價

LFM2.5-2.6B-Base 的下載費用為 $0.00。Sakana Namazu 每百萬個輸入 token 收費 $0.95，每百萬個輸出 token 收費 $4.00。看完這兩個價格標籤，你可能會認為這場比較還沒開始就已結束——但實際的價格差異正好相反。LFM2.5-2.6B-Base 是 Liquid AI 於 2026 年 8 月 4 日在 Hugging Face 發佈的 26.9 億參數預訓練 checkpoint；它不是一個產品：沒有推論服務供應商託管它，沒有任何已發表的評測，而且它自己的模型卡也稱其為微調素材。相比之下，Sakana Namazu 是一個完整、已上線、工具配套齊全的 API。問題在於你實際上願意付出什麼——是金錢，還是努力。

每一個實際上是什麼

Sakana Namazu 是一個經後訓練的 Kimi K2.6，針對日本商務語言調校而成，包裝在與 OpenAI 相容的 API 中，內建網頁搜尋與程式碼執行功能。你只要更改 base_url、設定金鑰，就能直接運作。LFM2.5-2.6B-Base 是 Liquid LFM2.5-2.6B 系列背後的原始預訓練檢查點——也就是那個經後訓練、具代理能力的同系列版本所構建的基礎。Liquid 自家的模型卡明確指出，此基礎模型是為了重度微調而存在，其基準測試表屬於後訓練版本，而非此版本。

規格表

• 價格 — Sakana Namazu 每 1M tokens 為 $0.95 / $4.00，而 LFM2.5-2.6B-Base 下載免費 $0，一切自助操作

• 規模 — Namazu 繼承了 Kimi K2.6 的 1T / 32B 活躍參數 MoE 架構，而 LFM2.5-2.6B-Base 則為 2.69B 密集混合模型（22 個卷積區塊 + 8 個注意力層）

• 上下文 — Namazu 未公開 vs LFM2.5-2.6B-Base 128K tokens（每個配置 131,072）

• 託管 — 由 Sakana 提供的 Namazu vs 無人託管的 LFM 基礎 — 您自行建置服務堆疊

• 評估 — Namazu 廠商回報的分數對比 LFM 基準為零的已發布分數

• 語言 — Namazu（日語商務調校）對比 LFM 基礎多語系模型（16 種語言、128K token 詞彙）

計算總成本

「免費權重」是一個真實的代價，只是它以勞動來計價。要讓 LFM2.5-2.6B-Base 完成一項工作，你需要：一次微調運行（Liquid 自己的計算——約 10 美元的 token 用於 10 萬個範例的監督式資料集，約 100 美元用於 100 萬個範例）、一個推論技術棧（在你自己的裝置上使用 vLLM、SGLang 或 llama.cpp），以及持續的伺服。回報在於計量表會停止：構建完成後，每個 token 都是免費的，這使得基礎模型成為高流量、全天候運作、可容忍延遲工作負載的遙遙領先者。Namazu 的計量表從不停歇，但它能立即啟動——無需訓練運行、無需 GPU、無需運維。對於一次性整合，或是在你的團隊時間才是最昂貴開銷的工作負載中，「免費」的模型反而是昂貴的那一個。

具約束力的授權

細則同樣不利於免費模式。LFM2.5-2.6B-Base 以 LFM Open License v1.0 授權發布，該授權將商業使用上限設為年營收 1,000 萬美元——且此上限同樣適用於衍生作品，意即您的微調模型也會繼承此限制。一旦超過門檻，您就必須向 Liquid 購買商業授權。Sakana Namazu 沒有此類上限，但其為封閉原始碼，且其資料處理預設（除非您選擇退出，否則會以您的輸入進行訓練，且不保證僅在日本境內處理）正是託管便利性的代價。兩者都不是標籤所暗示的那種免費。

代理差距

最顯著的差異在於這兩個模型的用途。LFM2.5-2.6B-Base 是一個基礎模型——Liquid 後續訓練出的代理型模型所衍生的原始基質。它不是代理，甚至不是指令模型。Sakana Namazu 則是一個代理型產品：內建網路搜尋、程式碼執行，以及可展示的自動導向迴圈（Sakana 的示範中，它會自行規劃市場研究報告、搜尋、交叉比對，並在無人監督下完成撰寫）。如果任務是{{1}}執行你為某個狹窄、高流量任務所調校的 2.6B 模型{{/1}}，基礎模型勝出。如果任務是{{2}}讓代理執行知識工作{{/2}}，兩者之中只有 Namazu 是帶著工具登場的。

那麼哪個比較便宜？

坦白的答案是，這兩者並非替代關係——base 是元件，Namazu 是產品——所以真正的決策在於你的技術棧下一步需要什麼。實際上，兩者都不會單獨存在：一個微調過的 2.6B 專家模型最終會與通用型 agent 模型並肩存在，而路由層正是讓這種多模型現實保持井然有序的方式。OrcaRouter 的模型融合與路由 DSL 讓你能在一次呼叫中組合多個模型——這是介於「自行部署 2.6B checkpoint」與「購買單一廠商 API」之間的務實中道路線——而且，由於我們以零加成轉傳供應商價格，即使模型組合改變，帳單依然可預期。如果你今天就需要一個可用的日文商務 agent，就從 Sakana Namazu 開始；如果你準備好自行打造產品，並將開發成本攤銷到數十億個免費 token 上，那就從 LFM2.5-2.6B-Base 開始。