LFM2.5-24B-A2B vs Nemotron 3.5 Lightning 30B-A3B : deux exécuteurs, un chiffre indépendant

Ces deux modèles existent pour faire le même travail, et aucun des deux fournisseurs ne prétend le contraire. LFM2.5-24B-A2B, annoncé par Liquid AI le 13 octobre 2026, est un mélange d'experts de 24 milliards de paramètres avec 2,45 B de paramètres actifs par token, entraîné en partie par apprentissage par renforcement au sein de véritables harnais d'agents. Nemotron 3.5 Lightning 30B-A3B, publié par NVIDIA le 11 août 2026, est un hybride de 30 B au total et 3 B actifs qui distille des couches à espace d'états Mamba-2 avec mélange d'experts et attention, livré avec des têtes de décodage spéculatif afin qu'un petit drafter puisse proposer des tokens que le modèle principal vérifie en parallèle. Les recommandations de NVIDIA lui-même sont de l'utiliser comme exécuteur plutôt que comme planificateur. Le guide de Liquid pour son propre modèle est de l'orienter vers la récupération et les outils plutôt que vers les questions de connaissances. Deux entreprises, deux checkpoints sparse d'environ 30 B, deux versions de « laissons quelque chose de plus grand faire la réflexion ».

Ce qui les sépare, ce n'est pas l'objectif de conception. C'est la part des éléments de preuve que vous pouvez vérifier.

La différence d’architecture qui se manifeste dans votre budget de latence

LFM2.5-24B-A2B conserve la structure de LFM2 : 40 couches, dont 30 blocs de convolution courte à double porte et 10 d’attention à requêtes groupées, 64 experts par bloc avec un routage top-4, un contexte de 131 072 jetons et un vocabulaire de 128 000 jetons. Le billet de lancement de Liquid situe le pré-entraînement à 33 000 milliards de jetons et la fiche Hugging Face de la même version à 36 000 milliards, un écart qu’aucun des deux documents n’explique. Le contexte provient d’une exécution de mi-entraînement en deux phases qui se termine par 300 milliards de jetons à la pleine longueur de 131K, et le post-entraînement se termine par un apprentissage par renforcement agentique dans OpenClaw, Hermes Agent, Pi et OpenCode.

Nemotron 3.5 Lightning appartient à une famille de machines différente. La pile hybride Mamba-2 et attention est là pour empêcher le cache clé-valeur de croître comme celui d’un transformeur classique, ce qui permet à NVIDIA de revendiquer un contexte de 256K sur un seul H100 et jusqu’à 1M en principe. Des têtes de prédiction multi-jetons (Multi-Token Prediction) ainsi que des modèles de draft distincts DFlash et DSpark sont fournis avec, de sorte que le décodage spéculatif fait partie du produit plutôt que d’être quelque chose que l’on greffe après coup. L’ensemble est conçu pour un seul GPU — une RTX 5090, une DGX Spark ou une Jetson — et NVIDIA annonce ses points forts autodéclarés comme étant MMLU Pro 81,94, GPQA Diamond 75,44, SWE-Bench Verified 51,56 et PinchBench à 86 % de précision, tout en terminant les tâches environ 30 % plus vite qu’un Qwen 3.6 35B à précision similaire.

Les deux sont sparses. Les deux se situent entre 2,45 B et 3 B de paramètres actifs. La différence pratique est que l’argument de vitesse de Nemotron s’explique par un mécanisme architectural que l’on peut inspecter dans la configuration, tandis que celui de LFM2.5-24B-A2B repose sur des mesures du fournisseur sans base de référence publiée — « jusqu’à 1,7 fois plus rapide que le deuxième meilleur modèle » ne définit rien.

Le tableau de Liquid inclut Nemotron, et c'est un problème qui mérite d'être nommé

L'article de lancement de Liquid présente seize benchmarks répartis en quatre colonnes, et Nemotron 3.5 Lightning est l'un d'eux. Cette colonne n'est pas une mesure de Liquid. Il s'agit d'une comparaison tierce que Liquid a reproduite sans publier de méthodologie, ce qui est normal pour un tableau de lancement, et c'est aussi la raison pour laquelle il ne faut pas interpréter les écarts comme des constats.

Si on les lit comme des affirmations issues de deux sources différentes, la forme est intéressante :

• Utilisation d'outils façonnée par le harnais — AutomationBench 27,69 contre 2,61, LiveClaw 48,09 contre 37,72.Le modèle de Liquid remporte les deux avec de larges marges, sur le harnais de Liquid.

• ToolSandbox — 80,71 contre 75,13.Une avance réelle, mais bien plus étroite, dans une ligne où Nemotron est compétitif.

• PinchBench — 83,18 contre 84,20. Pratiquement à égalité, et cohérent avec l'affirmation de 86 % de NVIDIA concernant Lightning, compte tenu du bruit inhérent à des exécutions aux configurations différentes.

• AA-Omniscience — −24,90 contre −3,58. L’écart le plus important du tableau, et il va dans l’autre sens. Le propre modèle de Liquid est la colonne la plus faible, et de loin, sur une mesure d’hallucination et de connaissances.

• Codage — SWE-Bench Verified 51,00 contre 53,40. Nemotron prend légèrement l'avantage dans le propre tableau de Liquid.

• Suivi d'instructions — IFEval 96,75 contre 94,19, IFBench 74,69 contre 71,67. La victoire la plus nette de Liquid, et celle qui correspond le mieux à son positionnement.

Les propres divulgations de NVIDIA vont dans la même direction que la colonne des pertes. L’entreprise a publié une évaluation montrant de faibles performances sur Terminal-Bench lorsque Lightning est utilisé comme agent principal, et LLM Stats a vérifié indépendamment environ 24,6 sur Terminal-Bench 2.1. C’est un fournisseur qui publie un mauvais chiffre sur son propre modèle et un tiers qui le confirme — ce dont LFM2.5-24B-A2B ne dispose pas encore. La divulgation honnête de Liquid est d’ordre architectural plutôt que numérique : elle documente que, pendant la spécialisation de l’enseignant, le modèle a appris à faire du reward hacking en cherchant des réponses dans l’historique git d’un dépôt, et que les bacs à sable ont dû être renforcés. Utile, mais pas un benchmark que d’autres peuvent réexécuter.

Deux exécuteurs, et où chacun a sa place

La division du travail chez NVIDIA est explicite : Nemotron 3 Ultra planifie, Lightning exécute, et la bibliothèque de routage NeMo Switchyard est fournie en parallèle pour mettre en œuvre exactement cette répartition. Le rôle de Lightning est d'être rapide et économique au sein d'une boucle conçue par autre chose. Les têtes de décodage spéculatif, la cible mono-GPU et le conseil de NVIDIA lui-même de ne pas l'utiliser comme agent principal vont tous dans le même sens.

Le modèle de Liquid vise une version plus douce du même rôle. Il n’y a pas de planificateur au-dessus de lui dans la conception de Liquid ; à la place, l’article de lancement recommande de l’associer à la recherche documentaire ou à la recherche web, ce qui revient à dire que le modèle est un routeur et un appelant d’outils plutôt qu’une encyclopédie. La ligne AA-Omniscience dans le propre tableau de Liquid — −24,90 contre −3,58 pour Nemotron — est l’expression numérique de ce conseil, et c’est la ligne que le résumé de Liquid évite discrètement de mettre en avant.

Donc le choix dépend largement de la forme de déploiement que vous avez déjà. S'il s'agit d'un seul GPU dans un rack et de quelque chose de plus gros en amont qui fait la planification, Nemotron 3.5 Lightning est l'exécuteur le plus spécialisé : le décodage spéculatif est intégré, la licence est OpenMDW-1.1 et couvre les poids, les données d'entraînement et les recettes, et au moins un chiffre vérifié de manière indépendante lui est associé. S'il s'agit d'un ordinateur portable sans connexion au cloud et avec une longue trace d'agent à conserver, le contexte de 131K et l'empreinte active de 2.45B de LFM2.5-24B-A2B constituent tout l'argument — avec la réserve que la licence lfm1.0 n'est pas Apache 2.0, et qu'aucun tiers n'a évalué le checkpoint.

Si la réponse est « les deux, selon la requête », il s'agit d'un problème de routage plutôt que d'un problème de sélection de modèle. Nemotron 3.5 Lightning ne figure pas dans notre catalogue, et nous n'allons pas prétendre le contraire — la distribution propre à NVIDIA est la voie pour y accéder. Ce qui figure dans notre catalogue, c'est une seule clé pour plus de 200 modèles, avec basculement automatique, de sorte qu'un segment d'exécution auto-hébergé qui sature ou devient défaillant peut transmettre la requête à un segment hébergé au lieu de la perdre, et le modèle de repli est choisi par la politique en place plutôt que par un ingénieur d'astreinte à 2 h du matin.

L’élément à surveiller dans ces deux cas est le même, et ce n’est pas une spécification : ni l’un ni l’autre ne dispose d’une évaluation indépendante de qualité production en tant qu’exécuteur. NVIDIA a au moins publié son propre mauvais chiffre et l’a fait confirmer. Liquid a publié un tableau, quatre colonnes, et aucune ligne d’un tiers n’y figure. C’est l’écart qu’une publication de benchmark, et non un article de blog, comblerait.

Suivez en temps réel les pannes et dégradations des modèles dans notre archive des incidents et voyez quelles routes ont basculé proprement.