NVIDIA Nemotron Labs Dory 1.0 4B vs LFM2.5 2.6B Base : l'un est terminé, l'autre ne l'est délibérément pas.

N​VIDIA N​emotron Labs Dory 1.0 4B et LFM2.5-2.6B-Base sont tous deux petits, tous deux en texte uniquement, tous deux téléchargeables en GGUF, et tous deux des modèles que vous exécutez vous-même — et ils se situent aux extrémités opposées du pipeline de post-entraînement. Dory arrive entièrement finalisé : fine-tuning supervisé sur un ensemble sélectionné par N​VIDIA, puis apprentissage par renforcement multi-environnements avec GRPO, avec le raisonnement activé en permanence dans le chemin de service. LFM2.5-2.6B-Base arrive délibérément inachevé, décrit sur sa propre fiche comme un checkpoint pré-entraîné « uniquement recommandé pour les tâches qui nécessitent un fine-tuning lourd ». Liquid AI livre séparément la version finalisée de ce modèle sous le nom de LFM2.5-2.6B, post-entraînée pour des charges de travail agentiques. Ainsi, la formulation honnête n'est pas « quel modèle de classe 4B est meilleur », car un checkpoint de base et un modèle de raisonnement finalisé ne sont pas en concurrence pour le même emplacement dans votre stack. La question utile est de savoir pour quelle moitié du pipeline vous achetez.

Ce qu'est réellement chaque artefact

N​VIDIA N​emotron Labs Dory 1.0 4B est un modèle dense de 4B publié par N​VIDIA sur Hugging Face en quatre quantifications — BF16, MXFP8, NVFP4 et un export GGUF Q5_K_M — sous licence OpenMDW 1.1. Sa fiche estampille la version « GA (10/16/2026) » et décrit une architecture bouclée à récurrence latente : un bloc d'entrée de 8 couches, un bloc récurrent de 20 couches appliqué un nombre variable de fois, et un bloc de sortie de 8 couches, avec une attention hybride entrelaçant fenêtre glissante et attention complète. Le contexte va jusqu'à 256K tokens, la langue est l'anglais uniquement, et l'ensemble de la publication a été mise en ligne sans aucune annonce de N​VIDIA. La fiche indique que le raisonnement est toujours activé dans le chemin de service vLLM, ce qui est une déclaration sur l'intention autant que sur la mécanique : ce n'est pas un prédicteur de texte brut qui complétera votre document, c'est un modèle configuré pour réfléchir avant de répondre.

LFM2.5-2.6B-Base est le checkpoint pré-entraîné de 2,69 milliards de Liquid AI, publié sous la licence LFM propre à l'entreprise (étiqueté lfm1.0) et mis à jour à la mi-août 2026. C'est le checkpoint brut dont est dérivé le reste de la gamme 2.6B. L'architecture est un hybride de 22 blocs de convolution courte à double porte et de 8 couches d'attention à requêtes groupées, entraîné sur environ 34 billions de tokens avec une extension du contexte à 128K en cours d'entraînement, sur un vocabulaire de 128 000 tokens et 16 langues. La fiche est explicite quant au public visé : des assistants spécialisés par domaine, un travail spécifique à une langue, l'entraînement sur des données propriétaires. Il n'y a pas de comportement de gabarit de conversation à proprement parler, car il n'y a pas d'ajustement par instructions en son sein.

Tous deux sont du texte en entrée, du texte en sortie. C’est à peu près là que s’arrêtent les similitudes.

Le contraste des spécifications, côte à côte

• Paramètres — Dory 1.0 4B est un modèle dense de 4B. LFM2.5-2.6B-Base compte 2,69B. L’écart est plus faible que ne le laissent penser les noms, et les deux tiennent aisément sur un seul accélérateur grand public avec une quantification raisonnable.

• Post-entraînement — Dory bénéficie d'un SFT ainsi que d'un RL multi-environnement couvrant les mathématiques, le code, la science, le suivi d'instructions, l'utilisation d'outils et la sortie structurée. LFM2.5-2.6B-Base n'en a aucun, par conception. Si vous avez besoin d'un modèle qui suit les instructions d'emblée, l'un de ces deux modèles est le mauvais choix, et ce n'est pas celui qui a le moins de paramètres.

• Contexte — Dory atteint 256K jetons, avec 262 144 positions validées dans vLLM selon la commande de lancement fournie par NVIDIA. LFM2.5-2.6B-Base prend en charge 131 072 jetons, atteints via une extension de mi-entraînement. La fenêtre de Dory est environ deux fois plus grande ; savoir si vous pouvez vous permettre de la remplir dépend du comportement du cache KV abordé ci-dessous.

• Langues — Dory est uniquement en anglais, avec des données de pré-entraînement couvrant 43 langages de programmation. LFM2.5-2.6B-Base couvre 16 langues naturelles, dont l’anglais, l’arabe, le chinois, le français, l’allemand, l’italien, le japonais, le coréen, le portugais, l’espagnol, le vietnamien, le thaï, l’indonésien, l’hindi, le russe et le polonais. Pour tout ce qui n’est pas en anglais, cette dimension en décide elle-même.

• Architecture — un hybride convolution courte + attention du côté de Liquid ; un G​PT normalisé à récurrence latente et en boucle, avec attention à fenêtre glissante entrelacée, du côté de N​VIDIA. Tous deux s'écartent d'une pile de transformateurs classique, et ils s'en écartent dans des directions différentes.

• Comportement de calcul — La profondeur de Dory est un paramètre d'exécution. Un nombre de boucles de 1, 2 ou 4 permet d'échanger du calcul contre de la précision sans second point de contrôle, et NVIDIA en recommande deux par défaut. LFM2.5-2.6B-Base a une profondeur fixe ; son levier de coût est la quantification et, au sein de la famille élargie, un modèle de brouillon spéculatif.

• Licence — OpenMDW 1.1 pour Dory, la licence LFM pour le checkpoint Liquid. Les deux autorisent l’utilisation commerciale ; la licence Liquid est propre à l’entreprise plutôt qu’un texte open source standard, ce qui mérite d’être lu plutôt que présumé.

• Formats livrés — Dory : BF16, MXFP8, NVFP4, GGUF. LFM2.5-2.6B-Base : poids BF16 sur le Hub, avec des versions GGUF, ONNX et MLX disponibles ailleurs dans la famille. L'écosystème Liquid est plus étendu ici ; les dépôts Dory ne datent que de quelques heures.

Le réglage fin est l’axe qui les sépare.

Si la raison pour laquelle vous vous intéressez à LFM2.5-2.6B-Base est que vous comptez l’entraîner — un assistant de domaine, un corpus propriétaire, une langue que le modèle de base parle déjà —, alors Dory 1.0 4B est un piètre substitut pour une raison qui n’a rien à voir avec la qualité. Le fine-tuning d’un modèle de raisonnement entièrement post-entraîné pour une tâche étroite est généralement plus difficile que le fine-tuning d’un checkpoint de base, parce que vous combattez le comportement instauré par l’étape RL plutôt que de façonner un prédicteur vierge. La fiche Liquid recommande son checkpoint de base pour les travaux spécifiques à un domaine et à une langue pour exactement cette raison, et 34 billions de tokens de pré-entraînement répartis sur 16 langues constituent un point de départ plus vaste que ce qu’offre un modèle uniquement anglophone.

Mais la fiche Dory reste silencieuse sur le fine-tuning d’une manière qui est en elle-même informative. Elle documente le pipeline d’entraînement, publie les formats et donne des instructions de serving pour deux moteurs ; elle ne dit rien sur les adaptateurs, la prise en charge de LoRA ou une recette de fine-tuning. C’est le profil d’un checkpoint publié pour être servi, et non pour être entraîné. Lire une absence de preuve comme une preuve serait une erreur, mais l’asymétrie mérite d’être nommée : une fiche fait sa promotion auprès des fine-tuneurs, l’autre auprès des déployeurs.

Encore une note d'honnêteté sur les chiffres. Liquid publie un tableau d'évaluation complet pour le post-entraîné LFM2.5-2.6B face à Gemma 4 E2B et E4B, et à Qwen3.5-4B et 9B, et ce tableau n'est pas transposable au checkpoint de base — un modèle de base évalué sur des benchmarks de suivi d'instructions mesure autre chose qu'un modèle post-entraîné évalué sur les mêmes benchmarks. NVIDIA publie un tableau de benchmarks pour Dory face à Qwen3.5-4B, Qwen3.5-9B, Gemma 4 26B A4B et Qwen3.6-35B-A3B, mesurés sur son propre harnais d'évaluation, sans reproduction indépendante. Il n'existe aucun résultat de harnais commun pour Dory et l'un ou l'autre des checkpoints LFM, et aucun comparatif direct publié.

Les exécuter sur du matériel réel

C’est sur le terrain de l’edge que les deux divergent le plus nettement en pratique, et Liquid l’emporte clairement. La famille LFM2.5 est conçue pour un déploiement sur appareil — le modèle instruct homologue de 2,6 B est évalué à 220 jetons par seconde sur un Apple M5 Max et à 113 sur un Ryzen AI Max+ 395, en moins de 2,5 Go de mémoire, avec un chiffre annoncé d’environ 30 jetons par seconde pour un appareil de classe téléphone. La famille comprend des builds ONNX et MLX ainsi qu’un modèle de draft spéculatif de 328 M, DSpark, qui, selon l’entreprise, offre un décodage environ 2,6× plus rapide avec des sorties identiques. Si votre cible est un ordinateur portable, un mini-PC ou un téléphone, LFM2.5-2.6B-Base se trouve du bon côté de cette ligne et Dory n’est pas manifestement conçu pour cela.

Le chemin de service de Dory est plus étroit et plus récent. La prise en charge de vLLM est en cours d'examen dans une pull request ouverte, et tant qu'elle n'est pas fusionnée, la fiche vous indique d'installer vLLM depuis cette branche avec un flag de noyau précompilé, puis de servir avec des surcharges qui définissent le nombre de boucles et le mode de cache KV. La prise en charge de llama.cpp se trouve dans une deuxième pull request ouverte, avec un commit épinglé et des instructions de compilation qui ciblent macOS ARM64 natif sur Apple Silicon. Les chiffres de vitesse publiés par NVIDIA sont des gains de vitesse de quantification sur un DGX Spark, et non des débits : 1,69× et 1,84× pour MXFP8 par rapport à BF16 selon la répartition des longueurs d'entrée/sortie, 2,17× et 2,44× pour NVFP4.

Le contrepoids, et il est réel, est la conception mémoire. Le bouclage standard conserve un cache KV séparé par boucle, de sorte que la mémoire augmente à chaque passe ajoutée — ce qui est la raison habituelle pour laquelle les architectures récurrentes sont difficiles à servir. Dory prend en charge un mode de mise en cache KV de dernière boucle qui conserve un seul cache par couche d'attention récurrente et l'écrase à chaque passe, maintenant l'empreinte à environ la taille d'une seule boucle pour n'importe quel nombre de boucles. N​VIDIA affirme que la précision reste proche du mode par boucle avec des longueurs de sortie presque inchangées. Cette affirmation est la chose la plus précieuse à vérifier dans la fiche Dory, car si elle tient, la fenêtre de 256K est abordable à plus d'une boucle, et si ce n'est pas le cas, la fonctionnalité de profondeur élastique est bien moins utile qu'elle n'en a l'air.

Ce qu'un routeur fait et ne fait pas ici

Aucun des deux modèles ne figure au catalogue OrcaRouter. N​VIDIA N​emotron Labs Dory 1.0 4B est fourni uniquement sous forme de poids, sans point de terminaison hébergé que nous puissions confirmer, et LFM2.5-2.6B-Base est un point de contrôle d’affinage qu’aucune plateforme ne servirait raisonnablement en l’état — c’est son homologue post-entraîné qui a sa place derrière une API. Il n’y a pas non plus de modèles LFM2.5 hébergés dans notre catalogue, donc l’affirmation exacte est la plus banale : pour cette comparaison, tout s’exécute sur votre matériel.

C'est précisément le moment où une couche de routage cesse d'être une simple plomberie facultative pour devenir un outil de test. Mener une expérience de fine-tuning sur un checkpoint de base et une expérience de serving sur un modèle 4B en boucle implique deux stacks locales, deux ensembles de quantifications, deux ensembles de flags de serving, et aucun moyen propre de comparer l'un ou l'autre aux modèles hébergés qui constituent la véritable référence pour votre application. OrcaRouter existe pour cette seconde moitié : une seule clé API donne accès aux modèles hébergés sur lesquels vous vous benchmarkeriez au prix catalogue du fournisseur, avec 0 % de marge, afin que le groupe de contrôle n'ait pas besoin de son propre SDK ni de son propre contrat. Le DSL de routage permet à un endpoint auto-hébergé et à des endpoints hébergés de se trouver derrière un seul appel, et le basculement automatique maintient en vie une longue exécution d'évaluation lorsque le pool de GPU local est occupé. Il ne vous dira pas si le checkpoint de base de Liquid se fine-tune mieux que le modèle fini de N​VIDIA se sert. Il élimine le coût de mise en place pour le découvrir.

Choisir entre eux

Choisissez LFM2.5-2.6B-Base si vous achetez un point de départ plutôt qu’une réponse : vous disposez de données d’entraînement, vous avez besoin d’une langue que Dory ne parle pas, vous voulez exécuter sur Apple Silicon ou un NPU, ou vous voulez la voie du décodage spéculatif et les builds ONNX et MLX qui accompagnent la famille. C’est l’artefact plus petit, plus rapide, plus multilingue, plus connecté à l’écosystème, et il est honnête sur le fait qu’il n’est pas terminé.

Choisissez N​VIDIA N​emotron Labs Dory 1.0 4B si vous achetez un comportement déployé : vous voulez un modèle de raisonnement abouti, avec l'appel d'outils et l'entraînement aux sorties structurées déjà intégrés, vous ne travaillez qu'en anglais, votre contexte est long, et vous êtes prêt à compiler vLLM ou llama.cpp depuis une branche dès aujourd'hui en échange d'un curseur de calcul qu'aucun modèle dense conventionnel ne vous offre. Acceptez que vous serez l'une des premières personnes en dehors de N​VIDIA à l'exécuter, que chaque chiffre sur sa fiche est un chiffre de fournisseur, et que l'affirmation sur le cache KV de la dernière boucle — la seule fonctionnalité qui rend toute la conception pratique — n'est pas vérifiée.

La comparaison qui serait réellement instructive est Dory 1.0 4B face au LFM2.5-2.6B post-entraîné, et personne ne l'a publiée. Si le modèle instruct 2.6B de Liquid et le 4B à profondeur élastique de NVIDIA finissent à quelques points l'un de l'autre sur votre charge de travail, alors le facteur décisif devient la différence de mémoire entre 2,69B et 4B et l'écart de maturité, pas l'architecture. C'est l'expérience qui vaut la peine d'être menée, et elle est moins coûteuse à mener qu'elle ne l'était la semaine dernière.

Rien de tout cela n'est hypothétique : les défaillances documentées de l'IA et les incidents d'agents qui sous-tendent des versions comme celle-ci sont recueillis dans l'OrcaRouter AI Incident Archive, où chaque entrée est accompagnée de ses propres sources, de son niveau de gravité, de son degré de confiance et de son indicateur de contestation.