LFM3-1.7B vs Nemotron 3.5 Lightning 30B A3B : un gigaoctet contre vingt-deux

La plupart des comparaisons de modèles commencent par un tableau de benchmarks. Celle-ci doit commencer par un budget mémoire, car LFM3-1.7B et Nemotron 3.5 Lightning 30B A3B ne se disputent pas le même emplacement dans un système. Le modèle de NVIDIA, publié le 11 août 2026 sous OpenMDW-1.1, nécessite environ 22 Go dans sa version NVFP4. Celui de Liquid AI, annoncé le 27 octobre 2026, nécessite environ 1 Go en 4 bits et est conçu pour fonctionner sur un téléphone. Pour tout modèle que nous n’hébergeons pas nous-mêmes, le routage est la surface de contrôle plutôt que l’hôte. Les prix catalogue des fournisseurs sont répercutés avec 0 % de marge.

Tout ce qui découle de ce fait en résulte. Nemotron 3.5 Lightning est le modèle le plus capable sur tous les benchmarks publiés par les deux fournisseurs — GPQA Diamond à 75,57 contre 63,37, SWE-bench Verified à 52,80 contre 43,40, comme indiqué dans le panneau d’évaluation de la propre fiche Hugging Face de NVIDIA. Il dispose également d’une fenêtre de contexte allant jusqu’à 1 million de tokens, contre 262 144. Si votre question est de savoir quel modèle est le meilleur, la réponse est sans ambiguïté et cette page pourrait s’arrêter ici.

La question qu'il vaut mieux se poser, en revanche, est de savoir quel modèle a un rôle dans votre déploiement. Un modèle de 22 Go ne tourne sur un téléphone, un ordinateur portable ou un Jetson dans aucune configuration utile. Un modèle de 1 Go ne répare pas un dépôt. Ce sont des contraintes différentes, et une comparaison qui ne compte que les points de benchmark vous dira d'acheter le mauvais modèle.

Qu’est-ce qui va vraiment où

Nemotron 3.5 Lightning 30B A3B est un modèle hybride à mélange d'experts : 30 milliards de paramètres au total, dont environ 3 milliards actifs, 128 experts routés, dont six activés plus un expert partagé, et des couches à espace d'état Mamba-2 entrelacées avec un petit nombre de couches d'attention complète. NVIDIA fournit des poids de référence BF16 et une version NVFP4 d'environ 22 Go qui tient sur un seul GPU, et le modèle fonctionne sur le matériel B200, H100, H200, A100, GB200, DGX Spark, RTX 5090 et Jetson.

LFM3-1.7B est dense et compact : 1,73 milliard de paramètres, 24 couches de convolutions courtes à portes et d’attention éparse, 3,46 Go en BF16 et environ 1 Go en 4 bits. La fiche de Liquid indique qu’il tient sur un téléphone ou un ordinateur portable, et à cette taille, l’affirmation tient la route.

• Paramètres totaux — 1,73 Md denses pour LFM3-1.7B ; 30 Md avec environ 3 Md actifs pour Nemotron 3.5 Lightning.

• Mémoire de déploiement — environ 1 Go en 4 bits contre environ 22 Go en NVFP4.

• Contexte — 262 144 jetons contre jusqu’à 1 000 000, avec 256K sur un seul H100 et 262K sur les points de terminaison hébergés.

• Modalité — texte uniquement pour les deux ; aucun des deux n'intègre de chemin vision ou audio dans ces checkpoints.

• Langues — seize nommées pour LFM3-1.7B ; l'anglais plus cinq pour Nemotron 3.5 Lightning.

• Licence — LFM Open License v1.0, gratuite en dessous de 10 millions de dollars de revenu annuel, contre OpenMDW-1.1, qui autorise un usage commercial et non commercial sans condition de revenu.

L’argument de Nemotron en matière de rapidité n’est pas qu’il est petit.

Il serait facile d’interpréter « Lightning » et « 3B active » comme le même argumentaire qu’un petit modèle dense. Ce n’est pas le cas. L’histoire de la vitesse de NVIDIA repose sur trois éléments dont le modèle LFM3 ne dispose pas : une architecture hybride Mamba-2 qui passe mieux à l’échelle sur les longues séquences, la prédiction multi-token avec décodage spéculatif, et des modèles de brouillon dédiés — DSpark pour DGX Spark et les configurations à faible concurrence, DFlash comme alternative.

Les mesures publiées le confirment. Sur un DGX Spark, vLLM avec DSpark atteint environ 115,8 jetons par seconde en flux unique et environ 422 jetons par seconde en agrégé avec huit requêtes simultanées, contre environ 79,6 jetons par seconde sans spéculation. NVIDIA affirme une génération jusqu’à quatre fois plus rapide que des modèles de taille similaire et positionne le modèle sur la frontière de Pareto précision-vitesse.

L’avantage de vitesse du LFM3-1.7B est d’une autre nature. Il est rapide parce qu’il n’y a presque rien à exécuter — 1,73 milliard de paramètres denses, un cache KV de 1,6 Go à 128K tokens, et aucune surcharge de routage. Liquid rapporte un décodage 1,8 à 2,8 fois plus rapide que ses propres prédécesseurs sur le matériel testé et 3,6 milliards de tokens par jour sur un seul NVIDIA B300. C’est un débit sur du matériel que personne ne met dans un téléphone.

Ainsi, les deux modèles sont rapides pour des raisons opposées : l’un parce qu’on a conçu un grand modèle pour qu’il calcule moins par token, l’autre parce qu’il est assez petit pour que la question ne se pose même pas. Sur un serveur, c’est l’ingénierie qui l’emporte. Sur un appareil, le petit modèle est la seule option qui existe.

L'écart de capacités, exprimé clairement

La fiche Hugging Face de NVIDIA indique 81,62 sur MMLU-Pro, 75,57 sur GPQA Diamond et 52,80 sur SWE-bench Verified pour Nemotron 3.5 Lightning 30B A3B. Liquid rapporte 63,37 sur GPQA Diamond et 43,40 sur SWE-bench Verified pour LFM3-1.7B, et ne publie pas du tout de chiffre MMLU-Pro pour ce modèle.

Deux de ces trois sont directement comparables et favorisent tous deux NVIDIA, de 12,2 et 9,4 points. Il s’agit d’un véritable écart, précisément sur les tâches où un petit modèle dense est le plus faible : le raisonnement scientifique de niveau master et la réparation de code à l’échelle d’un dépôt. La fiche de modèle de Liquid reconnaît elle-même le second point, indiquant que le modèle n’est pas recommandé pour le codage agentique ni le raisonnement complexe en plusieurs étapes en raison de sa petite taille.

Mise en garde sur les chiffres exacts : les chiffres publiés par NVIDIA pour ce checkpoint varient légèrement entre ses documents de publication et le panneau d’évaluation Hugging Face — des articles antérieurs citaient 75,44 et 51,56 pour les deux mêmes benchmarks. L’orientation et l’ordre de grandeur de l’écart sont stables d’une version à l’autre ; considérez les décimales précises comme déclarées par le fournisseur et dépendantes de la version, plutôt que comme un score fixe.

Là où LFM3-1.7B dispose de ses propres chiffres, ceux-ci relèvent de l’agentique plutôt que des connaissances : 71,39 sur BFCL V4, 80,36 sur ToolSandbox, 68,01 sur τ³-bench, 38,42 sur WebArena-Verified, 96,66 sur IFEval. NVIDIA ne publie pas de chiffres BFCL ou ToolSandbox pour ce checkpoint, si bien qu’ils ne peuvent pas être mis en regard. NVIDIA rapporte toutefois une précision de 86 % sur PinchBench sur 10 000 tâches, accomplies 30 % plus rapidement que Qwen3.6-35B à précision comparable — une affirmation à laquelle Liquid n’a aucun équivalent. Les deux fournisseurs ont simplement mesuré des choses différentes, et seul le recoupement permet d’étayer un verdict.

Le contexte est le plus grand écart réel.

Un million de tokens contre 262,144, ce n’est pas une différence marginale. La fenêtre native de Nemotron 3.5 Lightning est quatre fois plus longue, et même la configuration conservatrice mono-H100 à 256K égale le maximum du modèle LFM3. Pour les charges de travail conçues autour d’un contexte de dépôt entier, de traces d’agents à long horizon ou de transcriptions d’une heure, c’est la fenêtre du petit modèle qui constitue la contrainte avant même ses capacités.

Il convient toutefois de noter qu’une fenêtre longue et la rétention de contexte long sont deux affirmations différentes. LFM3-1.7B rapporte 65,56 sur RULER à 128K, ce qui est modeste — il peut accepter 262K tokens, mais ne retient pas aussi bien tout ce contexte. NVIDIA n’a pas publié de chiffre RULER pour ce checkpoint dans les documents examinés ici, de sorte que la comparaison de rétention ne peut pas être établie. Ne partez pas du principe que la fenêtre de 1M se traduit par 1M d’attention exploitable.

Les licences diffèrent davantage que ne le suggèrent les benchmarks

C'est le seul critère sur lequel le fournisseur du petit modèle a fait le choix le moins pratique. Nemotron 3.5 Lightning 30B A3B est publié sous OpenMDW-1.1, qui autorise un usage commercial et non commercial sans seuil de chiffre d'affaires. LFM3-1.7B est sous la LFM Open License v1.0, gratuite pour un usage commercial en dessous de 10 millions de dollars de chiffre d'affaires annuel, une licence commerciale payante étant requise au-delà de ce seuil.

Pour un développeur indépendant ou une startup, la différence est théorique. Pour une équipe au sein d’une grande entreprise, ou une équipe qui prévoit de le devenir, il s’agit d’une étape d’approvisionnement que Nemotron évite entièrement. Étant donné que tout l’argument de vente de LFM3-1.7B est le déploiement au sein de votre propre produit, la licence vaut la peine d’être lue avant que l’architecture ne mérite d’être admirée.

Là où le modèle de 1 Go reste la réponse

Rien de tout cela ne fait de LFM3-1.7B un mauvais modèle. Cela en fait un modèle au périmètre de déploiement étroit, et à l’intérieur de ce périmètre, rien concernant Nemotron 3.5 Lightning n’est pertinent, car le modèle plus grand ne peut pas du tout y être présent.

Si le produit est destiné à un téléphone, un ordinateur portable, un AI PC sans GPU dédié ou un appareil de terrain, LFM3-1.7B n’est pas le compromis : c’est le seul membre de cette paire qui fonctionne. Un contexte de 262 144 tokens sur un appareil qui tient dans une poche est vraiment inhabituel, et le vocabulaire de seize langues couvre la plupart des déploiements régionaux. Pour l’appel d’outils, l’extraction structurée, la classification et les assistants locaux, cela suffit pour construire un produit.

Le bon schéma pour la plupart des équipes consiste à combiner les deux, en niveaux. Gardez LFM3-1.7B sur l’appareil pour les appels rapides, privés et structurés selon un schéma, et envoyez le travail exigeant en raisonnement ou à l’échelle d’un dépôt à un modèle côté serveur. C’est une décision d’architecture, pas une préférence de modèle, et c’est d’ailleurs ainsi que la plupart des agents en production sont déjà conçus.

La couche de routage trouve sa place au niveau du serveur. Nemotron 3.5 Lightning est servi via la pile technologique de NVIDIA et un certain nombre de plateformes tierces, et le rôle d'OrcaRouter est celui qu'il joue pour tout modèle que nous n'hébergeons pas nous-mêmes : une seule clé et une seule facture pour plus de 200 modèles, les prix catalogue des fournisseurs répercutés sans marge, et un basculement automatique entre fournisseurs afin qu'un agent de longue durée n'échoue pas parce qu'un point de terminaison s'est dégradé. Ni LFM3-1.7B ni Nemotron 3.5 Lightning ne figurent aujourd'hui à notre catalogue — tous deux sont des téléchargements à poids ouverts, et le petit est conçu pour tourner sur du matériel que vous possédez.

Le sol, c’est l’essentiel

Si vous disposez d'un GPU et que votre problème est la capacité, Nemotron 3.5 Lightning 30B A3B est nettement le meilleur modèle, et il n'y a pas à en débattre. Il raisonne mieux, corrige mieux le code, dispose de quatre fois plus de contexte, et sa licence ne prévoit aucun seuil de revenus.

Si vous disposez d’un appareil et que votre problème est que rien d’autre ne peut y tenir, la comparaison s’inverse complètement. Un modèle de 22 Go n’est pas candidat, et les chiffres pertinents deviennent 1 Go, 262 144 jetons et un profil d’appel d’outils suffisamment solide pour que Liquid l’ait publié comme la capacité phare du modèle.

La question ouverte est de savoir si la recette d’efficacité de Nemotron peut encore être compressée. Un modèle 30B à 3B actifs tourne déjà sur un Jetson ; un modèle de classe 2B véritablement performant de la même famille placerait ces deux modèles dans la même conversation plutôt que de part et d’autre d’un mur de mémoire. D’ici là, la comparaison honnête ne porte pas sur leurs scores aux benchmarks, mais sur le matériel que chacun nécessite — et un seul des deux n’en nécessite aucun.