Nemotron 3.5 Bolt E4B 4GB vs LFM2.5 2.6B Base : un personnage abouti face à une page blanche

L'un de ces modèles tiendra une conversation dès que vous le téléchargez. L'autre ne tiendra pas de conversation tant que vous ne l'aurez pas entraîné. Voilà toute la comparaison entre NVIDIA-Nemotron-3.5-Bolt-E4B-4GB et Liquid AI LFM2.5-2.6B-Base, et toutes les différences de fiche technique qui en découlent sont secondaires.

Le modèle de NVIDIA est un petit modèle de langage conversationnel post-entraîné : gabarit de chat, bascule de raisonnement, comportement d’appel d’outils, réglage de persona et tableau de benchmarks à 21 lignes. Celui de Liquid est un point de contrôle de base pré-entraîné, publié explicitement pour un fine-tuning intensif, sans comportement conversationnel et sans scores de benchmark sur sa fiche. Les mettre dans le même sac des « petits modèles ouverts » est une erreur de catégorie qui pousse les gens à télécharger le mauvais artefact et à conclure que le modèle est mauvais.

La réponse courte, avant le détail

• Ce mois-ci, vous avez besoin d’un assistant vocal, de persona ou d’appareil fonctionnel — prenez NVIDIA-Nemotron-3.5-Bolt-E4B-4GB. Il s’agit d’un comportement abouti, et non d’une matière première.

• Vous disposez de données de domaine, d’un budget d’entraînement et de l’exigence que le modèle vous appartienne — prenez LFM2.5-2.6B-Base. Il est moins coûteux à fine-tuner et offre une fenêtre de contexte de 128K.

• Vous voulez le meilleur petit modèle conversationnel que Liquid produit — vous ne voulez ni l’un ni l’autre seul. Vous voulez le LFM2.5-2.6B post-entraîné, puis décider si le checkpoint Base ou agent est votre point de départ.

• Vous voulez un benchmark en face-à-face — il n’y en a pas. La carte Base ne publie aucun score, et aucun tiers n’a comparé les deux directement. Tout article qui désigne un vainqueur à partir d’un benchmark commun invente ce benchmark.

Pourquoi le décalage est tout l’enjeu

Liquid AI a livré la famille LFM2.5-2.6B en trois éléments : un Base pré-entraîné, un checkpoint d’agent post-entraîné et un drafter de décodage spéculatif. Le Base constitue la première étape de ce pipeline, et non un produit. Sa fiche indique qu’il est « uniquement recommandé pour les tâches nécessitant un fine-tuning poussé » — assistants spécialisés dans une langue ou un domaine, entraînement sur des données propriétaires et travaux similaires. Un checkpoint de base prédit très bien le jeton suivant et n’a jamais appris à répondre à une question, à suivre une instruction ni à émettre un appel d’outil selon un schéma.

L’E4B de NVIDIA se situe à l’autre extrémité de ce pipeline. Il est parti de Gemma-4-E4B-it, qui était déjà ajusté aux instructions, et NVIDIA l’a ensuite post-entraîné avec l’apprentissage par renforcement à partir de récompenses vérifiables et de retours humains. La fiche documente les domaines de récompense, le ratio de lots raisonnement/non-raisonnement et les pénalités de longueur appliquées pour contrôler la verbosité. Quoi qu’il en soit, le modèle a été façonné pour une tâche.

La bonne question n’est donc pas « lequel est le plus intelligent », mais « quelle étape du pipeline devez-vous acheter ».

Spécifications, dimension par dimension

• Paramètres — NVIDIA-Nemotron-3.5-Bolt-E4B-4GB totalise 8 B de paramètres, dont 4 B de paramètres effectifs dans une architecture Gemma-4-E4B ; LFM2.5-2.6B-Base totalise 2,69 B de paramètres denses dans une pile hybride de 30 couches composée de 22 blocs de convolution courte à double porte et de 8 blocs d’attention à requêtes groupées.

• Fenêtre de contexte — 64K tokens en entrée et 64K en sortie pour Bolt ; 131,072 tokens pour la base LFM.

• Modalité — texte en entrée, texte en sortie pour les deux. Ni l'un ni l'autre n'accepte les images ou l'audio.

• Vocabulaire — 128 000 tokens pour LFM2.5-2.6B-Base ; NVIDIA ne publie pas de taille de vocabulaire pour l’E4B, qui hérite du tokenizer de Gemma.

• Pré-entraînement — 34 billions de tokens pour le modèle de base LFM, avec une phase d’entraînement intermédiaire qui étend le contexte à 128K. NVIDIA ne publie pas de nombre de tokens de pré-entraînement pour l’E4B, car elle n’a pas pré-entraîné le modèle ; elle a réalisé le post-entraînement de Gemma.

• Post-entraînement — un travail approfondi de RLVR et sur les retours humains pour Bolt, avec des modes de raisonnement explicite et conversationnel. Aucun pour la base LFM, par conception.

• Précision publiée — Q4_K_M GGUF à 6,18 Go et BF16 safetensors à 15,88 Go pour Bolt ; un seul fichier BF16 safetensors de 5,39 Go pour la base LFM, avec des conversions GGUF, ONNX et MLX distinctes ailleurs dans la famille.

• Licence — OpenMDW-1.1 pour la contribution de NVIDIA, avec le composant Gemma 4 sous Apache 2.0 ; LFM Open License 1.0, une licence personnalisée assortie de conditions commerciales, pour le modèle de Liquid.

• Langues — 34 dans les métadonnées E4B, dont sept désignées comme langues principales de post-entraînement ; 16 pour la base LFM.

• Sortie — 23 octobre 2026 pour l'E4B ; la famille LFM2.5-2.6B a été publiée le 4 août 2026.

L’écart de paramètres est réel, mais il ne se traduit pas par l’écart de téléchargement auquel les gens s’attendent. Le Base 2,69B est un téléchargement BF16 de 5,39 Go ; l’E4B « 4 Go » est un téléchargement en quatre bits de 6,18 Go. Comparer le nombre de paramètres entre une architecture hybride dense et une architecture creuse à paramètres effectifs en dit moins que comparer les octets sur le disque.

Ce que chaque carte publie réellement

C'est ici que l'asymétrie devient mesurable.

NVIDIA fournit 21 lignes de benchmark, quatre modèles de comparaison et une colonne Q4_K_M distincte. Les scores sont exécutés par le fournisseur sous NeMo-Gym et explicitement signalés comme pouvant différer des chiffres auto-déclarés par d’autres fournisseurs. Ils couvrent la rétention de persona, la hiérarchie des instructions, le moment d’appel des outils, l’ancrage, la récupération en contexte long et l’exécution de tâches agentiques.

La fiche Base de Liquid ne comporte aucun tableau de benchmarks. Ce n'est pas une omission ; c'est ce qu'est un checkpoint de base. Les chiffres qui circulent pour LFM2.5-2.6B — IFBench 59,17, ToolSandbox 77,83, BFCLv4 56,88, LiveCodeBench v6 59,41, AIME25 51,87 — concernent le checkpoint d'agent post-entraîné, pas le Base, et sont déclarés par le fournisseur. Artificial Analysis classe LFM2.5-2.6B à un Intelligence Index de 8, avec la mention qu'il s'agit d'une estimation et qu'une évaluation indépendante est attendue ; aucune page n'existe pour le Bolt E4B.

Donc, le bilan honnête est le suivant : un modèle dispose d’un grand tableau de fournisseur non audité, et l’autre n’a pas de tableau et comporte une estimation indépendante rattachée à un autre checkpoint de sa famille. Aucune des deux colonnes ne permet une comparaison directe.

La mémoire et la vitesse se mesurent sur des planètes différentes

Les deux fournisseurs publient des chiffres de latence, et ils ne sont pas comparables. Considérez-les comme des affirmations distinctes concernant des configurations distinctes.

• Ajoutez une RTX 5070 12GB — 3,5 à 4,3 Go de VRAM, 548 à 1 238 ms jusqu’au premier token, 106,2 à 133,4 tokens par seconde, mesuré par NVIDIA avec llama.cpp et CUDA avec une taille de lot de 1.

• Monté sur un Jetson Orin Nano 8GB — 4,2 à 4,9 Go de VRAM, 5,8 à 6,3 secondes jusqu’au premier token, 13,0 à 15,5 tokens par seconde. Embarqué, mais pas assez rapide pour une conversation.

• LFM2.5-2.6B sur un M5 Max — environ 220 tokens par seconde, décodage CPU rapporté par le fournisseur.

• LFM2.5-2.6B sur une puce de classe téléphone — environ 30 jetons par seconde, selon le fournisseur.

Le chiffre du M5 Max ne constitue pas une comparaison GPU, celui de l’Orin Nano ne constitue pas une comparaison d’ordinateurs portables, et aucun des deux fournisseurs n’a publié les longueurs des prompts, les tailles de lot ou les paramètres de quantification sous une forme permettant de les aligner. Le seul chiffre directement vérifiable se trouve sur le disque : 6,18 Go pour le Q4_K_M de Bolt contre 5,39 Go pour la base LFM en BF16.

Licences : les deux sont ouvertes, aucune n'est Apache

Le modèle de NVIDIA est OpenMDW-1.1, complété par un composant sous Apache 2.0 pour Gemma 4. OpenMDW est permissif et autorise l'usage commercial, mais il n'est pas approuvé par l'OSI, et l'héritage Gemma implique que les conditions Apache accompagnent une partie de la pile. La fiche de NVIDIA indique que le modèle est prêt pour un usage commercial ou non commercial.

Liquid's LFM Open License 1.0 est une licence personnalisée avec un seuil de revenu annuel de 10 millions de dollars américains pour l'usage commercial. Ce n'est ni Apache ni MIT, et la fiche Base renvoie à un fichier LICENSE plutôt que de résumer les conditions. Pour un projet de recherche, cela importe rarement ; pour un produit soumis à une revue juridique, c'est la première chose à lire.

La différence pratique n’est pas « ouvert ou fermé ». Les deux sont téléchargeables et permettent tous deux un usage commercial dans le cadre de leurs conditions. La différence réside dans les conditions que votre conseil juridique doit valider et dans le fait de savoir si le modèle que vous livrez contient la licence d’un autre fournisseur.

The fine-tuning bill, which is the real decision

Si vous choisissez la base LFM, le téléchargement n’est que la partie la moins coûteuse. Vous achetez 2,69 milliards de paramètres de capacité brute pré-entraînée, puis vous payez pour lui apprendre un métier : collecte de données, nettoyage, ajustement supervisé, évaluation et la boucle d’itération qui suit. L’argument de vente de Liquid est que 34 000 milliards de tokens et un contexte de 128 K rendent ce point de départ suffisamment solide pour justifier ce travail.

Si vous choisissez le Bolt E4B, vous achetez le post-entraînement de NVIDIA comme point de départ. La version BF16 fait 15,88 Go et NVIDIA publie deux recettes pour la modifier : un entraînement complet des paramètres sur 8× H100 80 Go avec FSDP2 et un taux d'apprentissage de 1e-5, ou du LoRA sur 2× H100 80 Go avec une dimension de 16, alpha 32 et un taux d'apprentissage de 2e-4. Les deux recettes gèlent les tours de vision et d'audio, ce qui rappelle que la base Gemma 4 E4B est multimodale même si la version Bolt est uniquement textuelle.

C’est un seuil de fine-tuning plus lourd que celui de la base LFM de 2,69B, et un travail de construction de comportement bien plus léger. L’E4B gère déjà la persona, la hiérarchie des instructions et le timing des outils ; vous adaptez un modèle fonctionnel, vous n’en créez pas un.

Si vous construisez un produit plutôt qu’un modèle

La valeur par défaut devrait être le checkpoint finalisé. Un assistant vocal, un PNJ, une interface de borne ou un agent embarqué a besoin d’un comportement dès le premier jour, et l’E4B est le seul de ces deux modèles à en avoir. Ses faiblesses sont documentées et précises : Tau2-Bench 55,10 contre 75,06 pour Qwen3.5 4B, RULER 86,99 contre 95,15, LongBench v2 50,50 contre 59,93. C’est un modèle conversationnel capable d’appeler des outils, pas un agent capable de planifier.

Le modèle de base LFM ne constitue le bon achat que lorsque le modèle lui-même est le produit : un assistant spécialisé pour un domaine, dans une langue ou un vocabulaire que les modèles généralistes maîtrisent mal, un fine-tuning sur des données propriétaires, ou une base de référence de recherche que vous comptez posséder. Dans ce cas, l’absence de comportement conversationnel est un atout, car vous ne payez pas pour un comportement que vous allez écraser.

Il existe un troisième cas qu’aucune des deux fiches n’aborde : vous voulez les comparer sur votre propre tâche. Faites-le avec un jeu d’évaluation mis de côté et les mêmes paramètres de décodage, pas avec les tableaux des fournisseurs. La fiche de l’E4B recommande une température de 1,0 et top_p de 0,95 dans les deux modes de réflexion ; Liquid publie ses propres paramètres pour le checkpoint post-entraîné. Les reproduire est le minimum pour un test équitable, et même dans ce cas, vous comparez un modèle post-entraîné à un modèle de base, ce qui n’est pas du tout un test équitable.

Là où le modèle local s'arrête et où le reste de la stack commence

Quel que soit le checkpoint que vous choisissez, il s'inscrira dans une application qui a aussi besoin de modèles qu'il ne peut pas exécuter. Un modèle de base de 2,6 B ou un modèle conversationnel de 4 B gère la couche réflexe locale ; il ne gère pas un document de 200 K tokens, une tâche de codage difficile, ni une requête qui exige le jugement d'un modèle de pointe. Acheminer ces requêtes via une seule API — plus de 200 modèles, 0 % de marge sur le prix catalogue du fournisseur, basculement automatique entre fournisseurs — permet de conserver le modèle local comme voie rapide sans imposer un second contrat pour le lent.

Quel téléchargement est le vôtre ?

Choisissez l’E4B si vous avez besoin aujourd’hui d’un petit modèle qui dialogue, suit des instructions et appelle des outils, et si vous pouvez composer avec un téléchargement de 6,18 GB ainsi qu’avec les faiblesses documentées en contexte long et en agents. Choisissez LFM2.5-2.6B-Base si vous démarrez un projet de fine-tuning, voulez une fenêtre de 128K et un tokenizer en 16 langues, et disposez des données et de la puissance de calcul nécessaires pour enseigner sa tâche au modèle.

L’erreur à éviter est de télécharger le Base, de l’utiliser comme un chatbot et de conclure que le 2,6B de Liquid est moins bon que le 4B de NVIDIA. Il n’est pas moins bon. Il est plus en amont dans le pipeline. La comparaison qui trancherait réellement la question de la famille est Bolt E4B face au LFM2.5-2.6B post-entraîné, et personne n’a encore publié ce run.