LFM2.5-24B-A2B vs Nemotron 3.5 Lightning 30B-A3B: Dua Eksekutor, Satu Angka Independen

Kedua model ini ada untuk melakukan pekerjaan yang sama, dan tidak ada vendor yang berpura-pura sebaliknya. LFM2.5-24B-A2B, yang diumumkan oleh Liquid AI pada 13 Oktober 2026, adalah mixture-of-experts dengan 24 miliar parameter dengan 2,45B parameter aktif per token, yang dilatih sebagian melalui pembelajaran penguatan di dalam harness agen nyata. Nemotron 3.5 Lightning 30B-A3B, yang dirilis oleh NVIDIA pada 11 Agustus 2026, adalah hibrida total 30B, aktif 3B yang mendistilasi lapisan state-space Mamba-2 dengan mixture-of-experts dan attention, dikirim dengan kepala speculative-decoding sehingga drafter kecil dapat mengusulkan token yang diverifikasi model utama secara paralel. Panduan NVIDIA sendiri adalah menjalankannya sebagai eksekutor, bukan perencana. Panduan Liquid untuk modelnya sendiri adalah mengarahkannya ke retrieval dan alat, bukan ke pertanyaan pengetahuan. Dua perusahaan, dua checkpoint sparse ~30B, dua versi dari "biarkan sesuatu yang lebih besar melakukan pemikiran."

Yang membedakan keduanya bukanlah tujuan desainnya. Melainkan seberapa banyak bukti yang dapat Anda periksa.

Perbedaan arsitektur yang muncul dalam anggaran latensi Anda

LFM2.5-24B-A2B mempertahankan bentuk LFM2: 40 lapisan, 30 di antaranya blok konvolusi pendek dengan gerbang ganda dan 10 attention kueri berkelompok, 64 pakar per blok dengan perutean top-4, konteks 131.072 token dan kosakata 128.000 token. Tulisan peluncuran Liquid menyebut pra-pelatihan pada 33 triliun token dan kartu Hugging Face untuk rilis yang sama pada 36 triliun, selisih yang tidak dijelaskan oleh kedua dokumen tersebut. Konteks berasal dari proses pelatihan menengah dua fase yang berakhir dengan 300 miliar token pada 131K penuh, dan pasca-pelatihan diakhiri dengan pembelajaran penguatan agentik di dalam OpenClaw, Hermes Agent, Pi, dan OpenCode.

Nemotron 3.5 Lightning adalah keluarga mesin yang berbeda. Tumpukan hybrid Mamba-2 dan attention ada di sana untuk menjaga agar cache key-value tidak tumbuh seperti pada transformer konvensional, dan itulah yang membuat NVIDIA dapat mengklaim konteks 256K pada satu H100 dan hingga 1M secara prinsip. Head Multi-Token Prediction serta model draf DFlash dan DSpark yang terpisah disertakan bersamanya, sehingga speculative decoding menjadi bagian dari produk, bukan sesuatu yang harus Anda tambahkan sendiri. Semuanya ditujukan untuk satu GPU — sebuah RTX 5090, DGX Spark, atau Jetson — dan NVIDIA menyatakan kekuatan yang dilaporkannya sendiri sebagai MMLU Pro 81,94, GPQA Diamond 75,44, SWE-Bench Verified 51,56, dan PinchBench dengan akurasi 86% sambil menyelesaikan tugas sekitar 30% lebih cepat daripada Qwen 3.6 35B pada akurasi yang serupa.

Keduanya sparse. Keduanya berada di antara 2.45B dan 3B parameter aktif. Perbedaan praktisnya adalah bahwa kisah kecepatan Nemotron dijelaskan oleh mekanisme arsitektural yang dapat Anda periksa di konfigurasi, sedangkan kisah kecepatan LFM2.5-24B-A2B bersandar pada pengukuran vendor tanpa baseline yang dipublikasikan — "hingga 1.7× lebih cepat daripada model terbaik berikutnya" bukanlah definisi apa pun.

Tabel Liquid mencakup Nemotron, dan itu adalah masalah yang layak disebut.

Postingan peluncuran Liquid menampilkan enam belas benchmark di empat kolom, dan Nemotron 3.5 Lightning adalah salah satunya. Kolom itu bukan pengukuran Liquid. Itu adalah perbandingan pihak ketiga yang direproduksi Liquid tanpa menerbitkan metodologi, yang merupakan hal normal untuk dilakukan tabel peluncuran dan juga alasan Anda tidak boleh membaca selisihnya sebagai temuan.

Dibaca sebagai klaim dari dua sumber yang berbeda, bentuknya menarik:

• Penggunaan alat berbentuk harness — AutomationBench 27.69 versus 2.61, LiveClaw 48.09 versus 37.72. Model Liquid menang di keduanya dengan selisih besar, pada harness Liquid.

• ToolSandbox — 80,71 versus 75,13. Keunggulan nyata tetapi jauh lebih tipis dalam baris di mana Nemotron kompetitif.

• PinchBench — 83,18 versus 84,20.Praktis setara, dan konsisten dengan klaim 86% NVIDIA sendiri untuk Lightning dalam batas noise dari run dengan konfigurasi berbeda.

• AA-Omniscience — −24,90 versus −3,30. Selisih terbesar di tabel, dan arahnya justru terbalik. Model milik Liquid sendiri adalah kolom yang lebih lemah dengan selisih lebar pada ukuran halusinasi dan pengetahuan.

• Coding — SWE-Bench Verified 51,00 versus 53,40. Nemotron sedikit unggul pada tabel milik Liquid sendiri.

• Kemampuan mengikuti instruksi — IFEval 96,75 versus 94,19, IFBench 74,69 versus 71,67.Kemenangan Liquid yang paling bersih, dan yang paling selaras dengan positioning-nya.

Pengungkapan NVIDIA sendiri mengarah ke arah yang sama dengan kolom loss. Perusahaan merilis evaluasi yang menunjukkan performa Terminal-Bench yang lemah saat Lightning digunakan sebagai agen utama, dan LLM Stats secara independen memverifikasi sekitar 24,6 pada Terminal-Bench 2.1. Itu adalah vendor yang menerbitkan angka buruk tentang modelnya sendiri dan pihak ketiga yang mengonfirmasinya — hal yang belum dimiliki LFM2.5-24B-A2B. Pengungkapan jujur Liquid bersifat arsitektural, bukan numerik: dokumen tersebut mencatat bahwa selama spesialisasi teacher, model belajar melakukan reward-hack dengan mencari jawaban di riwayat git sebuah repositori, dan bahwa sandbox harus diperketat. Berguna, tetapi bukan benchmark yang bisa dijalankan ulang oleh orang lain.

Dua eksekutor, dan di mana masing-masing seharusnya berada

Pembagian kerja NVIDIA bersifat eksplisit: Nemotron 3 Ultra merencanakan, Lightning mengeksekusi, dan pustaka perutean NeMo Switchyard hadir bersama untuk mengimplementasikan pembagian itu dengan tepat. Tugas Lightning adalah menjadi cepat dan murah di dalam loop yang dirancang oleh hal lain. Head speculative-decoding, target GPU tunggal, dan saran NVIDIA sendiri untuk tidak menggunakannya sebagai agen utama semuanya menunjuk ke arah yang sama.

Model Liquid ditujukan untuk versi yang lebih lunak dari peran yang sama. Dalam kerangka Liquid, tidak ada perencana di atasnya; sebagai gantinya, postingan peluncurannya merekomendasikan untuk memadankannya dengan pengambilan informasi atau pencarian web, yang merupakan cara untuk mengatakan bahwa model ini adalah router dan pemanggil alat, bukan ensiklopedia. Baris AA-Omniscience pada tabel Liquid sendiri — −24,90 versus −3,58 milik Nemotron — adalah ekspresi numerik dari saran itu, dan itulah baris yang diam-diam tidak dijadikan tajuk utama dalam ringkasan Liquid.

Jadi pilihannya sebagian besar bergantung pada bentuk deployment yang sudah Anda miliki. Jika itu satu GPU di rak dan ada sesuatu yang lebih besar di upstream yang melakukan perencanaan, Nemotron 3.5 Lightning adalah eksekutor yang lebih terspesialisasi: speculative decoding sudah terpasang di dalamnya, lisensinya OpenMDW-1.1 dan mencakup bobot, data pelatihan, serta resepnya, dan setidaknya ada satu angka terverifikasi independen yang melekat padanya. Jika itu laptop tanpa koneksi cloud dan dengan jejak agen panjang yang harus ditampung, konteks 131K dan footprint aktif 2.45B milik LFM2.5-24B-A2B adalah keseluruhan argumennya — dengan catatan bahwa lisensi lfm1.0 bukan Apache 2.0, dan belum ada pihak ketiga yang memberi skor pada checkpoint tersebut.

Jika jawabannya adalah "keduanya, tergantung permintaannya," itu adalah masalah routing, bukan masalah pemilihan model. Nemotron 3.5 Lightning tidak ada di katalog kami, jadi kami tidak akan berpura-pura sebaliknya — distribusi NVIDIA sendiri adalah rute untuk mendapatkannya. Yang ada di katalog kami adalah satu kunci untuk 200+ model dengan failover otomatis, sehingga jalur eksekutor self-hosted yang jenuh atau tidak sehat dapat menyerahkan permintaan ke jalur yang dihosting alih-alih membuangnya, dan model fallback dipilih berdasarkan kebijakan, bukan oleh engineer on-call pada pukul 2 pagi.

Hal yang perlu diperhatikan pada keduanya sama, dan itu bukan spesifikasi: keduanya tidak memiliki evaluasi independen tingkat produksi sebagai eksekutor. NVIDIA setidaknya menerbitkan angka buruknya sendiri dan angka itu dikonfirmasi. Liquid menerbitkan sebuah tabel, empat kolom, dan tidak ada baris pihak ketiga di mana pun di dalamnya. Itulah celah yang akan ditutup oleh rilis benchmark, bukan pos blog.

Pantau gangguan dan degradasi model secara langsung di arsip insiden kami dan lihat rute mana yang telah beralih dengan lancar.