Nemotron 3.5 Bolt E4B 4GB vs. LFM2.5 2.6B Base: Ein fertiger Charakter gegen ein unbeschriebenes Blatt

Eines dieser Modelle wird ein Gespräch führen, sobald Sie es herunterladen. Das andere wird erst ein Gespräch führen, wenn Sie es trainieren. Das ist der gesamte Vergleich zwischen NVIDIA-Nemotron-3.5-Bolt-E4B-4GB und Liquid AI LFM2.5-2.6B-Base, und jeder Unterschied im Datenblatt, der daraus folgt, ist zweitrangig.

NVIDIAs Modell ist ein nachtrainiertes konversationelles kleines Sprachmodell: Chat-Template, Reasoning-Umschalter, Tool-Calling-Verhalten, Persona-Tuning und eine Benchmark-Tabelle mit 21 Zeilen. Liquids Modell ist ein vortrainierter Basis-Checkpoint, der ausdrücklich zur umfangreichen Feinabstimmung veröffentlicht wurde, ohne Chatverhalten und ohne Benchmark-Werte auf seiner Modellkarte. Sie in dieselbe Schublade „kleines offenes Modell“ zu stecken, ist ein Kategorienfehler, der dazu führt, dass Leute das falsche Artefakt herunterladen und daraus schließen, das Modell sei schlecht.

Die kurze Antwort, bevor die Details kommen

• Sie brauchen diesen Monat einen funktionierenden Sprach-, Persona- oder Geräteassistenten — nehmen Sie NVIDIA-Nemotron-3.5-Bolt-E4B-4GB. Es ist ein fertiges Verhalten, kein Rohmaterial.

• Sie verfügen über Domänendaten, ein Trainingsbudget und die Anforderung, dass das Modell Ihnen gehört – greifen Sie zu LFM2.5-2.6B-Base. Das Fine-Tuning ist günstiger und es bietet ein 128K-Kontextfenster.

• Du willst das beste kleine Konversationsmodell, das Liquid herstellt – du willst keines dieser beiden für sich allein. Du willst das nachtrainierte LFM2.5-2.6B und dann entscheidest du, ob Base oder der Agent-Checkpoint dein Ausgangspunkt ist.

• Sie möchten einen Head-to-Head-Benchmark – den gibt es nicht. Die Base card veröffentlicht keine Werte, und kein Drittanbieter hat die beiden gegeneinander antreten lassen. Jeder Artikel, der aus einem gemeinsamen Benchmark einen Sieger kürt, erfindet den Benchmark.

Warum die Diskrepanz die Geschichte ist

Liquid AI hat die LFM2.5-2.6B-Familie in drei Teilen ausgeliefert: eine vortrainierte Base, einen nachtrainierten Agent-Checkpoint und einen Drafter für spekulatives Dekodieren. Die Base ist die erste Stufe dieser Pipeline, kein Produkt. Auf ihrer Model Card steht, sie sei „nur für Aufgaben empfohlen, die umfangreiches Fine-Tuning erfordern“ – sprach- oder domänenspezifische Assistenten, Training mit proprietären Daten und ähnliche Arbeiten. Ein Base-Checkpoint sagt das nächste Token sehr gut voraus und wurde nie darauf trainiert, eine Frage zu beantworten, einer Anweisung zu folgen oder einen Tool-Call gemäß einem Schema auszugeben.

NVIDIAs E4B ist das entgegengesetzte Ende dieser Pipeline. Es ging aus Gemma-4-E4B-it hervor, das bereits instruction-tuned war, und NVIDIA hat es erneut mit Reinforcement Learning aus verifizierbaren Belohnungen und menschlichem Feedback nachtrainiert. Die Modellkarte dokumentiert die Belohnungsdomänen, das Batch-Verhältnis von Reasoning- zu Non-Reasoning-Daten und die Längenstrafen, die zur Steuerung der Ausführlichkeit angewendet werden. Was auch sonst gilt: Das Modell wurde auf eine Aufgabe hin geformt.

Die faire Frage ist also nicht „Welches ist intelligenter?“, sondern „Welche Stufe der Pipeline müssen Sie kaufen?“

Spezifikationen, Dimension für Dimension

• Parameter — NVIDIA-Nemotron-3.5-Bolt-E4B-4GB hat insgesamt 8B bei 4B effektiven Parametern in einer Gemma-4-E4B-Architektur; LFM2.5-2.6B-Base hat 2,69B dichte Parameter in einem 30-Schicht-Hybrid-Stack aus 22 doppelt gegateten Short-Convolution-Blöcken und 8 Grouped-Query-Attention-Blöcken.

• Kontextfenster — 64K Token Eingabe und 64K Token Ausgabe für Bolt; 131.072 Token für die LFM-Basis.

• Modalität — Text rein, Text raus bei beiden. Keines von beiden akzeptiert Bilder oder Audio.

• Vokabular – 128.000 Tokens für LFM2.5-2.6B-Base; NVIDIA veröffentlicht keine Vokabulargröße für das E4B, das den Tokenizer von Gemma erbt.

• Pre-Training — 34 Billionen Tokens für die LFM-Basis, mit einer Mid-Training-Phase, die den Kontext auf 128K erweitert. NVIDIA veröffentlicht keine Pre-Training-Tokenanzahl für das E4B, da es das Modell nicht vorab trainiert hat; es hat Gemma nachtrainiert.

• Post-Training — umfangreiche RLVR- und Human-Feedback-Arbeit für Bolt, mit explizitem Reasoning und Konversationsmodi. Für die LFM-Basis bewusst keine.

• Veröffentlichte Präzision — Q4_K_M GGUF mit 6,18 GB und BF16-Safetensors mit 15,88 GB für Bolt; eine einzelne BF16-Safetensors-Datei mit 5,39 GB für die LFM-Basis, mit separaten GGUF-, ONNX- und MLX-Konvertierungen an anderer Stelle in der Familie.

• Lizenz — OpenMDW-1.1 für NVIDIAs Beitrag, wobei die Gemma-4-Komponente unter Apache 2.0 steht; LFM Open License 1.0, eine eigene Lizenz mit kommerziellen Bedingungen, für das Modell von Liquid.

• Sprachen — 34 in den E4B-Metadaten, wobei sieben als primäre Post-Training-Sprachen benannt sind; 16 für die LFM-Basis.

• Veröffentlichung — 23. Oktober 2026 für das E4B; die LFM2.5-2.6B-Familie wurde am 4. August 2026 veröffentlicht.

Die Parameterlücke ist real, schlägt sich aber nicht in der Download-Lücke nieder, die man erwartet. Das 2,69B Base ist ein 5,39GB großer BF16-Download; das „4GB“-E4B ist ein 6,18GB großer Four-Bit-Download. Der Vergleich der Parameterzahlen zwischen einer dichten Hybridarchitektur und einer sparsen Architektur mit effektiven Parametern sagt weniger aus als der Vergleich der Bytes auf der Festplatte.

Was jede Karte tatsächlich veröffentlicht

Hier wird die Asymmetrie messbar.

NVIDIA stellt 21 Benchmark-Zeilen, vier Vergleichsmodelle und eine separate Q4_K_M-Spalte bereit. Die Ergebnisse wurden vom Anbieter unter NeMo-Gym ausgeführt und ausdrücklich als möglicherweise abweichend von den selbst gemeldeten Zahlen anderer Anbieter gekennzeichnet. Sie decken Persona-Retention, Instruktionshierarchie, Tool-Timing, Grounding, Long-Context-Retrieval und agentische Aufgabenausführung ab.

Die Base-Karte von Liquid enthält überhaupt keine Benchmark-Tabelle. Das ist keine Auslassung; es ist genau das, was ein Base-Checkpoint ist. Die Zahlen, die für LFM2.5-2.6B kursieren – IFBench 59.17, ToolSandbox 77.83, BFCLv4 56.88, LiveCodeBench v6 59.41, AIME25 51.87 – gehören zum nachtrainierten Agent-Checkpoint, nicht zum Base, und sie stammen vom Anbieter. Artificial Analysis führt LFM2.5-2.6B mit einem Intelligence Index von 8 auf, gekennzeichnet als Schätzung, wobei eine unabhängige Bewertung noch aussteht; für das Bolt E4B hat es überhaupt keine Seite.

Die ehrliche Bilanz lautet also: Das eine Modell hat eine große, nicht geprüfte Anbietertabelle, und das andere hat keine Tabelle und eine unabhängige Schätzung, die an einen anderen Checkpoint innerhalb seiner Modellfamilie geknüpft ist. Keine der beiden Spalten stützt einen direkten Vergleich.

Speicher und Geschwindigkeit werden auf verschiedenen Planeten gemessen.

Beide Anbieter veröffentlichen Latenzzahlen, und sie sind nicht vergleichbar. Betrachten Sie sie als getrennte Aussagen über getrennte Setups.

• Mit einer RTX 5070 12GB aufrüsten — 3,5 bis 4,3 GB VRAM, 548 bis 1.238 ms bis zum ersten Token, 106,2 bis 133,4 Token pro Sekunde, gemessen von NVIDIA mit llama.cpp und CUDA bei Batch 1.

Bolt auf einem Jetson Orin Nano 8GB — 4,2 bis 4,9 GB VRAM, 5,8 bis 6,3 Sekunden bis zum ersten Token, 13,0 bis 15,5 Token pro Sekunde. Embedded, aber nicht schnell genug für Konversationen.

• LFM2.5-2.6B auf einem M5 Max — etwa 220 Tokens pro Sekunde, laut Herstellerangabe CPU-Dekodierung.

• LFM2.5-2.6B auf einem Chip der Smartphone-Klasse – etwa 30 Token pro Sekunde, laut Herstellerangabe.

Der M5-Max-Wert ist kein GPU-Vergleich, der Orin-Nano-Wert ist kein Laptop-Vergleich, und keiner der beiden Hersteller hat die Prompt-Längen, Batch-Größen oder Quantisierungseinstellungen in einer Form veröffentlicht, die es ermöglichen würde, sie gegenüberzustellen. Die eine Zahl, die direkt überprüfbar ist, steht auf der Festplatte: 6,18 GB für Bolts Q4_K_M gegenüber 5,39 GB für die LFM-Basis bei BF16.

Lizenzen: beide offen, keine von beiden Apache

NVIDIAs Modell ist OpenMDW-1.1 plus eine Apache-2.0-Komponente für Gemma 4. OpenMDW ist permissiv und erlaubt kommerzielle Nutzung, ist aber nicht OSI-zugelassen, und die Gemma-Vererbung bedeutet, dass die Apache-Bedingungen für einen Teil des Stacks mitgelten. In der Model Card von NVIDIA heißt es, das Modell sei für kommerzielle oder nicht kommerzielle Nutzung bereit.

Liquid's LFM Open License 1.0 ist eine eigene Lizenz mit einer Umsatzschwelle von 10 Millionen US-Dollar pro Jahr für die kommerzielle Nutzung. Sie ist weder Apache noch MIT, und die Base-Karte verweist auf eine LICENSE-Datei, statt die Bedingungen zusammenzufassen. Bei einem Forschungsprojekt spielt das selten eine Rolle; bei einem Produkt mit rechtlicher Prüfung ist es das Erste, was man lesen sollte.

Der praktische Unterschied ist nicht „offen versus geschlossen“. Beide sind herunterladbar, und beide erlauben die kommerzielle Nutzung im Rahmen ihrer Bedingungen. Der Unterschied liegt darin, welche Bedingungen Ihre Rechtsberatung prüfen muss und ob das Modell, das Sie ausliefern, die Lizenz eines zweiten Anbieters in sich trägt.

Die Rechnung für das Fine-Tuning, die die eigentliche Entscheidung ist

Wenn Sie das LFM-Basismodell wählen, ist der Download der günstige Teil. Sie kaufen 2,69 Mrd. Parameter roher, vorab trainierter Leistungsfähigkeit und zahlen dann dafür, ihm eine Aufgabe beizubringen: Datenerfassung, Bereinigung, überwachtes Fine-Tuning, Evaluierung und die anschließende Iterationsschleife. Liquids Verkaufsargument ist, dass 34 Billionen Tokens und ein 128K-Kontext diesen Ausgangspunkt stark genug machen, um die Arbeit wert zu sein.

Wenn Sie sich für das Bolt E4B entscheiden, erhalten Sie NVIDIAs Post-Training als Ausgangspunkt. Der BF16-Build ist 15,88 GB groß, und NVIDIA veröffentlicht zwei Rezepte, um ihn anzupassen: Full-Parameter-Training auf 8× H100 80GB mit FSDP2 und einer Lernrate von 1e-5 oder LoRA auf 2× H100 80GB mit Dimension 16, Alpha 32 und einer Lernrate von 2e-4. Beide Rezepte frieren die Vision- und Audio-Tower ein, was daran erinnert, dass die Gemma 4 E4B Base multimodal ist, obwohl die Bolt-Version nur Text unterstützt.

Das ist ein höherer Fine-Tuning-Aufwand als beim 2.69B-LFM-Basismodell und eine deutlich leichtere Aufgabe beim Aufbau von Verhalten. Das E4B übernimmt bereits Persona, Anweisungshierarchie und Tool-Timing; du passt ein funktionierendes Modell an, statt eines neu zu erschaffen.

Wenn Sie ein Produkt statt eines Modells entwickeln

Der Standard sollte der fertige Checkpoint sein. Ein Sprachassistent, ein NPC, eine Kiosk-Oberfläche oder ein Geräteagent braucht vom ersten Tag an Verhalten, und das E4B ist von diesen beiden das einzige, das überhaupt eines hat. Seine Schwächen sind dokumentiert und konkret: Tau2-Bench 55,10 gegenüber 75,06 von Qwen3.5 4B, RULER 86,99 gegenüber 95,15, LongBench v2 50,50 gegenüber 59,93. Es ist ein Konversationsmodell, das Tools aufrufen kann, kein Agent, der planen kann.

Die LFM-Basis ist nur dann der richtige Kauf, wenn das Modell selbst das Produkt ist: ein domänenspezifischer Assistent in einer Sprache oder einem Vokabular, mit dem die allgemeinen Modelle schlecht zurechtkommen, ein Fine-Tuning auf proprietären Daten oder eine Forschungs-Baseline, die Sie selbst besitzen wollen. In diesem Fall ist das Fehlen von Chat-Verhalten ein Vorteil, denn Sie zahlen nicht für Verhalten, das Sie ohnehin überschreiben werden.

Es gibt einen dritten Fall, den keine der beiden Model Cards behandelt: Du möchtest sie anhand deiner eigenen Aufgabe vergleichen. Tu das mit einem zurückgehaltenen Evaluationsdatensatz und denselben Decodierungs-Einstellungen, nicht mit den Tabellen der Anbieter. Die Model Card von E4B empfiehlt Temperatur 1,0 und top_p 0,95 in beiden Denkmodi; Liquid veröffentlicht eigene Einstellungen für den nachtrainierten Checkpoint. Diese zu übernehmen ist das Minimum für einen fairen Test, und selbst dann vergleichst du ein nachtrainiertes Modell mit einem Basismodell, was überhaupt kein fairer Test ist.

Wo das lokale Modell endet und der Rest des Stacks beginnt

Welchen Checkpoint Sie auch immer wählen, er sitzt in einer Anwendung, die auch Modelle benötigt, die er nicht ausführen kann. Ein 2,6B-Basismodell oder ein 4B-Konversationsmodell übernimmt die lokale Reflexschicht; es bewältigt kein 200K-Token-Dokument, keine anspruchsvolle Programmieraufgabe und keine Anfrage, die das Urteilsvermögen eines Frontier-Modells erfordert. Die Weiterleitung dieser Anfragen über eine einzige API – 200+ Modelle, 0 % Aufschlag auf den Listenpreis des Anbieters, automatisches Failover über Anbieter hinweg – hält das lokale Modell als schnellen Pfad, ohne einen zweiten Vertrag für das langsame Modell zu erzwingen.

Welcher Download ist deiner?

Nimm das E4B, wenn du heute ein kleines Modell brauchst, das spricht, Anweisungen befolgt und Tools aufruft, und wenn du mit einem 6,18 GB großen Download sowie den dokumentierten Schwächen bei langem Kontext und bei agentischen Aufgaben leben kannst. Nimm LFM2.5-2.6B-Base, wenn du ein Fine-Tuning-Projekt startest, ein 128K-Fenster und einen Tokenizer für 16 Sprachen willst und die Daten und Rechenleistung hast, um dem Modell seine Aufgabe beizubringen.

Der Fehler, den es zu vermeiden gilt, besteht darin, die Base herunterzuladen, sie wie einen Chatbot zu prompten und daraus zu schließen, dass Liquids 2,6B schlechter sei als NVIDIAs 4B. Sie ist nicht schlechter. Sie ist in der Pipeline einfach früher dran. Der Vergleich, der die Frage nach der Modellfamilie tatsächlich klären würde, ist Bolt E4B gegen das post-trainierte LFM2.5-2.6B, und diesen Lauf hat noch niemand veröffentlicht.