LFM3-1.7B vs Nemotron 3.5 Lightning 30B A3B: Un gigabyte contra veintidós

La mayoría de las comparaciones de modelos empiezan con una tabla de benchmarks. Esta tiene que empezar con un presupuesto de memoria, porque LFM3-1.7B y Nemotron 3.5 Lightning 30B A3B no compiten por el mismo espacio en un sistema. El modelo de NVIDIA, publicado el 11 de agosto de 2026 bajo OpenMDW-1.1, necesita unos 22 GB en su versión NVFP4. El de Liquid AI, anunciado el 27 de octubre de 2026, necesita aproximadamente 1 GB a 4 bits y está diseñado para ejecutarse en un teléfono. Para cualquier modelo que no alojemos nosotros mismos, el enrutamiento es la superficie de control en lugar del host. Los precios de lista de los proveedores se transfieren con un 0 % de margen.

Todo lo que se desprende de ese hecho deriva de él. Nemotron 3.5 Lightning es el modelo más capaz en todos los benchmarks que ambos proveedores publicaron: GPQA Diamond con 75,57 frente a 63,37, SWE-bench Verified con 52,80 frente a 43,40, tal como se indica en el panel de evaluación de la propia tarjeta de Hugging Face de NVIDIA. También tiene una ventana de contexto de hasta 1 millón de tokens frente a 262.144. Si tu pregunta es cuál modelo es mejor, la respuesta es inequívoca y esta página podría terminar aquí.

La pregunta que vale la pena hacerse, en cambio, es qué modelo tiene una función en tu despliegue. Un modelo de 22 GB no se ejecuta en un teléfono, un portátil o un Jetson en ninguna configuración útil. Un modelo de 1 GB no repara un repositorio. Esas son restricciones diferentes, y una comparación que solo cuenta puntos de benchmark te dirá que compres el equivocado.

¿Qué encaja realmente y dónde?

Nemotron 3.5 Lightning 30B A3B es un modelo híbrido de mezcla de expertos: 30 mil millones de parámetros totales con aproximadamente 3 mil millones activos, 128 expertos enrutados de los cuales seis se activan, más un experto compartido, y capas de espacio de estados Mamba-2 intercaladas con un pequeño número de capas de atención completa. NVIDIA ofrece pesos de referencia en BF16 y una versión NVFP4 de unos 22 GB que cabe en una sola GPU, y el modelo se ejecuta en hardware B200, H100, H200, A100, GB200, DGX Spark, RTX 5090 y Jetson.

LFM3-1.7B es denso y pequeño: 1,73 mil millones de parámetros, 24 capas de convoluciones cortas con compuertas y atención dispersa, 3,46 GB en BF16 y alrededor de 1 GB en 4 bits. La ficha de Liquid dice que cabe en un teléfono o una laptop, y con ese tamaño la afirmación se sostiene.

• Parámetros totales — 1.73B densos para LFM3-1.7B; 30B con aproximadamente 3B activos para Nemotron 3.5 Lightning.

• Memoria de despliegue — aproximadamente 1 GB en 4 bits frente a aproximadamente 22 GB en NVFP4.

• Contexto — 262,144 tokens frente a hasta 1,000,000, con 256K en una sola H100 y 262K en endpoints alojados.

• Modalidad — solo texto en ambos; ninguno incluye una vía de visión ni de audio en estos checkpoints.

• Idiomas — dieciséis denominados para LFM3-1.7B; inglés más cinco para Nemotron 3.5 Lightning.

• Licencia — LFM Open License v1.0, gratuita por debajo de los $10 millones en ingresos anuales, frente a OpenMDW-1.1, que permite el uso comercial y no comercial sin prueba de ingresos.

El argumento de velocidad de Nemotron no es que sea pequeño.

Sería fácil interpretar "Lightning" y "3B active" como la misma propuesta que la de un modelo pequeño y denso. No lo es. La historia de velocidad de NVIDIA se sustenta en tres cosas que el modelo LFM3 no tiene: una arquitectura híbrida Mamba-2 que escala mejor en secuencias largas, predicción de múltiples tokens con decodificación especulativa y modelos borrador dedicados —DSpark para DGX Spark y configuraciones de baja concurrencia, DFlash como alternativa.

Las mediciones publicadas lo respaldan. En un DGX Spark, vLLM con DSpark alcanzó aproximadamente 115,8 tokens por segundo en un solo flujo y alrededor de 422 tokens por segundo en agregado con ocho solicitudes concurrentes, frente a aproximadamente 79,6 tokens por segundo sin especulación. NVIDIA afirma que la generación es hasta cuatro veces más rápida que la de modelos de tamaño similar y posiciona el modelo en la frontera de Pareto entre precisión y velocidad.

La ventaja de velocidad de LFM3-1.7B es de otra índole. Es rápido porque casi no hay nada que ejecutar: 1,73 mil millones de parámetros densos, una caché KV de 1,6 GB con 128K tokens y ninguna sobrecarga de enrutamiento. Liquid informa una decodificación entre 1,8 y 2,8 veces más rápida que la de sus propios predecesores en el hardware probado y 3,6 mil millones de tokens al día en una sola NVIDIA B300. Ese es un rendimiento en hardware que nadie pone en un teléfono.

Así que los dos modelos son rápidos por razones opuestas: uno por idear un modelo grande que compute menos por token, y el otro por ser lo bastante pequeño como para que la pregunta carezca de sentido. En un servidor, gana la ingeniería. En un dispositivo, el modelo pequeño es la única opción que existe.

La brecha de capacidad, dicha sin rodeos

La tarjeta de Hugging Face de NVIDIA indica 81,62 en MMLU-Pro, 75,57 en GPQA Diamond y 52,80 en SWE-bench Verified para Nemotron 3.5 Lightning 30B A3B. Liquid reporta 63,37 en GPQA Diamond y 43,40 en SWE-bench Verified para LFM3-1.7B, y no publica en absoluto ninguna cifra de MMLU-Pro para ese modelo.

Dos de esos tres son directamente comparables y ambos favorecen a NVIDIA, por 12,2 y 9,4 puntos. Se trata de una brecha real precisamente en las tareas donde un modelo denso pequeño es más débil: razonamiento científico de nivel de posgrado y reparación de código a escala de repositorio. La propia ficha del modelo de Liquid admite lo segundo, y señala que el modelo no se recomienda para programación agéntica ni para razonamiento complejo de varios pasos debido a su pequeño tamaño.

Una advertencia sobre los dígitos exactos: las cifras publicadas por NVIDIA para este checkpoint varían ligeramente entre sus materiales de lanzamiento y el panel de evaluación de Hugging Face; escritos anteriores citaban 75.44 y 51.56 para los mismos dos benchmarks. La dirección y el tamaño aproximado de la brecha se mantienen estables entre versiones; conviene tratar los decimales específicos como reportados por el proveedor y dependientes de la versión, en lugar de como una puntuación fija.

Cuando LFM3-1.7B tiene sus propias cifras, estas son de tipo agéntico más que basadas en conocimiento: 71,39 en BFCL V4, 80,36 en ToolSandbox, 68,01 en τ³-bench, 38,42 en WebArena-Verified, 96,66 en IFEval. NVIDIA no publica cifras de BFCL ni de ToolSandbox para este checkpoint, por lo que no se pueden comparar. NVIDIA sí informa una precisión del 86% en PinchBench en 10.000 tareas, completadas un 30% más rápido que Qwen3.6-35B con una precisión similar —una afirmación de la que Liquid no tiene equivalente. Los dos proveedores simplemente midieron cosas distintas, y solo la superposición respalda un veredicto.

El contexto es la brecha real más amplia.

Un millón de tokens frente a 262.144 no es una diferencia marginal. La ventana nativa de Nemotron 3.5 Lightning es cuatro veces más larga, e incluso la configuración conservadora de una sola H100 a 256K iguala el máximo del modelo LFM3. Para cargas de trabajo basadas en contexto de repositorio completo, trazas de agentes de horizonte largo o transcripciones de una hora, la ventana del modelo pequeño es la limitación antes que su capacidad.

Cabe señalar, no obstante, que una ventana larga y la retención de contexto largo son afirmaciones distintas. LFM3-1.7B reporta 65,56 en RULER a 128K, lo cual es modesto: puede aceptar 262K tokens, pero no mantiene todo ese contexto igual de bien. NVIDIA no ha publicado una cifra de RULER para este checkpoint en los materiales revisados aquí, por lo que no se puede hacer la comparación de retención. No asumas que la ventana de 1M se traduce en 1M de atención utilizable.

Las licencias difieren más de lo que sugieren los benchmarks.

Esta es la única dimensión en la que el proveedor del modelo pequeño tomó la opción menos conveniente. Nemotron 3.5 Lightning 30B A3B se publica bajo OpenMDW-1.1, que permite el uso comercial y no comercial sin un umbral de ingresos. LFM3-1.7B está bajo la LFM Open License v1.0, gratuita para uso comercial por debajo de $10 millones de ingresos anuales, y se requiere una licencia comercial de pago por encima de ese límite.

Para un desarrollador individual o una startup, la diferencia es teórica. Para un equipo dentro de una gran empresa, o uno que planea ser grande, es un paso de adquisición que Nemotron evita por completo. Dado que toda la propuesta de LFM3-1.7B gira en torno al despliegue dentro de tu propio producto, la licencia merece leerse antes de que la arquitectura merezca admirarse.

Dónde el modelo de 1 GB sigue siendo la respuesta

Nada de lo anterior convierte a LFM3-1.7B en un mal modelo. Lo convierte en un modelo con una envolvente de despliegue estrecha, y dentro de esa envolvente nada de Nemotron 3.5 Lightning es relevante porque el modelo más grande no puede estar ahí en absoluto.

Si el producto se distribuye en un teléfono, un portátil, un AI PC sin GPU dedicada o un dispositivo de campo, LFM3-1.7B no es el compromiso: es el único miembro de este par que se ejecuta. Un contexto de 262.144 tokens en un dispositivo que cabe en un bolsillo es realmente poco habitual, y el vocabulario de dieciséis idiomas cubre la mayoría de los despliegues regionales. Para la invocación de herramientas, la extracción estructurada, la clasificación y los asistentes locales, eso basta para construir un producto.

El patrón correcto para la mayoría de los equipos es ambos, por niveles. Mantén LFM3-1.7B en el dispositivo para las llamadas rápidas, privadas y ajustadas a un esquema, y envía el trabajo que exige mucho razonamiento o que es a escala de repositorio a un modelo del lado del servidor. Esa es una decisión arquitectónica, no una preferencia de modelo, y resulta que es cómo ya están construidos la mayoría de los agentes en producción.

El lugar donde encaja una capa de enrutamiento es el nivel del servidor. Nemotron 3.5 Lightning se sirve a través de la propia pila de NVIDIA y de varias plataformas de terceros, y la función de OrcaRouter es la misma que cumple para cualquier modelo que no alojamos nosotros mismos: una sola clave y una sola factura para más de 200 modelos, precios de lista de los proveedores aplicados con un 0 % de margen y conmutación por error automática entre proveedores para que un agente de larga duración no falle porque un endpoint se haya degradado. Ni LFM3-1.7B ni Nemotron 3.5 Lightning están hoy en nuestro catálogo —ambos son descargas de pesos abiertos, y el pequeño está pensado para ejecutarse en hardware de su propiedad.

El suelo es lo importante

Si tienes una GPU y tu problema es la capacidad, Nemotron 3.5 Lightning 30B A3B es el mejor modelo por un margen claro y no hay debate que valga. Razona mejor, repara código mejor, soporta cuatro veces más contexto y su licencia no impone ningún criterio de ingresos.

Si tienes un dispositivo y tu problema es que no cabe nada más en él, la comparación se invierte por completo. Un modelo de 22 GB no es candidato, y las cifras relevantes pasan a ser 1 GB, 262.144 tokens y un perfil de invocación de herramientas lo bastante sólido como para que Liquid lo publicara como la capacidad estrella del modelo.

La pregunta abierta es si la receta de eficiencia de Nemotron puede comprimirse aún más. Un modelo de 30B con 3B activos ya se ejecuta en una Jetson; un modelo genuinamente potente de clase 2B dentro de la misma familia pondría a estos dos en la misma conversación en lugar de a uno y otro lado de una barrera de memoria. Hasta entonces, la comparación honesta no es entre sus puntuaciones de benchmark, sino entre el hardware que cada uno requiere —y solo uno de ellos no requiere ninguno.