LFM2.5-1.2B-Thinking: o que um modelo de 1,2 bilhão de parâmetros resolve em 20 de janeiro

A conta da API não vai mudar. O LFM2.5-1.2B-Thinking, que a LiquidAI colocou no catálogo hoje, custa US$ 0 por milhão de tokens de entrada e US$ 0 por milhão de tokens de saída — é o preço de uma chamada de API quando o preço é literalmente zero. A pergunta que interessa é outra: o que você ganha, e o que você não ganha, trocando o seu modelo pequeno padrão por este aqui.

O que ele é, em uma frase

Um modelo de 1,17 bilhão de parâmetros, open weights, com raciocínio ligado de fábrica e 32.768 tokens de contexto. Foi descrito pela própria LiquidAI como focado em tarefas agentic, extração de dados e RAG, comInference otimizado para rodar em dispositivo edge — leia isso como "celular, notebook barato, Raspberry Pi, qualquer coisa que não seja um data center".

Onde ele se situa

O catálogo hoje lista mais de 320 modelos, e o topo do índice de inteligência é ocupado pelo Xiaomi MiMo-V2-Flash, com 34,024. O LFM2.5-1.2B-Thinking marca 2,341 — e essa é a régua atual, não uma comparação com o passado.

Para colocar em perspectiva, o Ministral 3 3B, da Mistral, marca 7,074. O Nova Micro 1.0, da Amazon, marca 4,416. O Granite 4.0 Micro, da IBM, marca 1,952. O LFM2.5-Thinking está acima do Granite e abaixo do Nova Micro — o que dá a dimensão exata do tamanho do peixe.

Para quem isso vale

Você está montando um pipeline que precisa rodar local, em hardware barato, e o caso de uso é estruturado: extrair campos de um contrato, classificar tickets, responder perguntas sobre uma base que cabe em 32K tokens, ou servir de cérebro de um agente que faz chamadas de função bem definidas. Aí o modelo brilha — é leve, é grátis no catálogo, e tem raciocínio nativo.

Você também está olhando para o custo total: rodar na nuvem um modelo pequeno pago sai barato, mas rodar um modelo open weights no seu próprio servidor sai mais barato ainda quando o volume sobe. Com 1,17B de parâmetros, dá para colocar em uma GPU de entrada ou até em CPU com quantização.

Para quem não muda nada

Se o seu gargalo é qualidade de resposta em tarefas abertas — redação longa, raciocínio encadeado, código complexo — o índice de 2,341 fala por si. O Ministral 3 3B entrega 7,074, mais que o triplo, e ainda tem visão e contexto de 131K. Custa US$ 0,10 por milhão de tokens de entrada e de saída — caro do dia para a noite, mas barato do dia para o mês, dependendo do volume.

Se você precisa de modelo fechado com SLA de empresa e suporte, o Nova Micro 1.0, da Amazon, existe desde dezembro de 2024 e marca 4,416. Não é o estado da arte, mas é AWS, com a confiabilidade que isso implica.

O par quase gêmeo

No mesmo dia, a LiquidAI lançou também o LFM2.5-1.2B-Instruct (também grátis), versão sem raciocínio, com 2,299 de índice. A diferença entre os dois é a função: Thinking é para quando a cadeia de passos importa, Instruct é para quando você quer resposta rápida e direta. Os dois compartilham o mesmo esqueleto de 1,17B e a mesma pegada edge.

O que sobra na ponta do lápis

Se o seu fluxo hoje depende de um LLM pequeno pago na nuvem, testar o LFM2.5-1.2B-Thinking em tarefas agentic e RAG é trocar zero por zero e ficar com o mesmo controle que teria com um modelo local — só que sem o custo de hospedagem. Se o seu fluxo depende de qualidade bruta de raciocínio, siga olhando para cima na régua. Esse aqui não é o modelo que vai resolver o seu problema difícil; é o modelo que talvez deixe o seu problema barato o suficiente para não importar.