LFM3-1.7B vs Nemotron 3.5 Lightning 30B A3B: un gigabyte contro ventidue

La maggior parte dei confronti tra modelli inizia con una tabella di benchmark. Questo deve iniziare con un budget di memoria, perché LFM3-1.7B e Nemotron 3.5 Lightning 30B A3B non competono per lo stesso slot in un sistema. Il modello di NVIDIA, rilasciato l'11 agosto 2026 con licenza OpenMDW-1.1, richiede circa 22 GB nella sua build NVFP4. Quello di Liquid AI, annunciato il 27 ottobre 2026, richiede circa 1 GB a 4 bit ed è progettato per funzionare su un telefono. Per qualsiasi modello che non ospitiamo direttamente, il routing è la superficie di controllo anziché l'host. I prezzi di listino dei provider vengono applicati con 0% di ricarico.

Tutto ciò che si trova a valle di quel fatto ne consegue. Nemotron 3.5 Lightning è il modello più capace su ogni benchmark pubblicato da entrambi i fornitori — GPQA Diamond a 75,57 contro 63,37, SWE-bench Verified a 52,80 contro 43,40, come riportato nel pannello di valutazione sulla scheda Hugging Face di NVIDIA stessa. Dispone inoltre di una finestra di contesto fino a 1 milione di token contro 262.144. Se la tua domanda è quale modello sia migliore, la risposta è inequivocabile e questa pagina potrebbe finire qui.

La domanda che vale davvero la pena porsi, invece, è quale modello abbia un ruolo nel tuo deployment. Un modello da 22 GB non gira su un telefono, un laptop o una Jetson in nessuna configurazione utile. Un modello da 1 GB non ripara un repository. Questi sono vincoli diversi, e un confronto che conta solo i punti benchmark ti dirà di comprare quello sbagliato.

Cosa si adatta davvero, e dove

Nemotron 3.5 Lightning 30B A3B è un modello ibrido mixture-of-experts: 30 miliardi di parametri totali con circa 3 miliardi attivi, 128 esperti instradati con sei attivi più un esperto condiviso, e strati state-space Mamba-2 intercalati con un piccolo numero di strati full-attention. NVIDIA fornisce pesi di riferimento BF16 e una build NVFP4 da circa 22 GB che sta in una singola GPU, e il modello funziona su hardware B200, H100, H200, A100, GB200, DGX Spark, RTX 5090 e Jetson.

LFM3-1.7B è denso e piccolo: 1,73 miliardi di parametri, 24 livelli di convoluzioni brevi con gating e attenzione sparsa, 3,46 GB in BF16 e circa 1 GB a 4 bit. La scheda di Liquid afferma che entra in un telefono o in un laptop, e a quelle dimensioni l'affermazione regge.

• Parametri totali — 1.73B denso per LFM3-1.7B; 30B con circa 3B attivi per Nemotron 3.5 Lightning.

• Memoria di deployment — circa 1 GB a 4 bit contro circa 22 GB in NVFP4.

• Contesto — 262.144 token rispetto a un massimo di 1.000.000, con 256K su una singola H100 e 262K sugli endpoint ospitati.

• Modalità — solo testo su entrambi; nessuno dei due include un percorso visivo o audio in questi checkpoint.

• Lingue — sedici denominate per LFM3-1.7B; inglese più cinque per Nemotron 3.5 Lightning.

• Licenza — LFM Open License v1.0, gratuita sotto i 10 milioni di dollari di ricavi annui, rispetto a OpenMDW-1.1, che consente l'uso commerciale e non commerciale senza una soglia di ricavi.

L'argomento sulla velocità di Nemotron non è che sia piccolo

Sarebbe facile interpretare "Lightning" e "3B active" come la stessa proposta di un modello denso di piccole dimensioni. Non lo è. La storia della velocità di NVIDIA si basa su tre cose che il modello LFM3 non ha: un'architettura ibrida Mamba-2 che scala meglio sulle sequenze lunghe, la previsione multi-token con decodifica speculativa e modelli draft dedicati — DSpark per DGX Spark e le configurazioni a bassa concorrenza, DFlash come alternativa.

Le misurazioni pubblicate lo confermano. Su un DGX Spark, vLLM con DSpark ha raggiunto circa 115,8 token al secondo in singolo stream e circa 422 token al secondo aggregati con otto richieste concorrenti, contro circa 79,6 token al secondo senza speculazione. NVIDIA dichiara una generazione fino a quattro volte più veloce rispetto a modelli di dimensioni simili e posiziona il modello sulla frontiera di Pareto accuratezza-velocità.

Il vantaggio di velocità di LFM3-1.7B è di natura diversa. È veloce perché non c'è quasi nulla da eseguire: 1,73 miliardi di parametri densi, una cache KV da 1,6 GB a 128K token e nessun overhead di routing. Liquid riporta una decodifica da 1,8 a 2,8 volte più rapida rispetto ai propri predecessori sull'hardware testato e 3,6 miliardi di token al giorno su una singola NVIDIA B300. Si tratta di throughput su hardware che nessuno mette in un telefono.

Quindi i due modelli sono veloci per ragioni opposte: uno grazie all'ingegnerizzazione di un modello grande affinché calcoli meno per token, l'altro perché è abbastanza piccolo che la questione non si pone. Su un server, vince l'ingegnerizzazione. Su un dispositivo, il modello piccolo è l'unica opzione che esista.

Il divario di capacità, detto chiaramente

La scheda Hugging Face di NVIDIA riporta 81,62 su MMLU-Pro, 75,57 su GPQA Diamond e 52,80 su SWE-bench Verified per Nemotron 3.5 Lightning 30B A3B. Liquid riporta 63,37 su GPQA Diamond e 43,40 su SWE-bench Verified per LFM3-1.7B, e non pubblica affatto un dato MMLU-Pro per quel modello.

Due di quei tre sono direttamente confrontabili ed entrambi vedono NVIDIA in vantaggio di 12,2 e 9,4 punti. Si tratta di un divario reale proprio nei compiti in cui un piccolo modello denso è più debole: ragionamento scientifico a livello universitario e riparazione del codice su scala di repository. La stessa model card di Liquid riconosce il secondo punto, affermando che il modello non è raccomandato per la programmazione agentica o il ragionamento complesso a più passaggi a causa delle sue dimensioni ridotte.

Un'avvertenza sulle cifre esatte: i valori pubblicati da NVIDIA per questo checkpoint variano leggermente tra i materiali di rilascio e il pannello di valutazione di Hugging Face — scritti precedenti citavano 75,44 e 51,56 per gli stessi due benchmark. La direzione e l'entità approssimativa del divario sono stabili tra le versioni; considerare i decimali specifici come riportati dal fornitore e dipendenti dalla versione, anziché come un punteggio fisso.

Laddove LFM3-1.7B dispone di numeri propri, questi sono di tipo agentico anziché basati sulle conoscenze: 71,39 su BFCL V4, 80,36 su ToolSandbox, 68,01 su τ³-bench, 38,42 su WebArena-Verified, 96,66 su IFEval. NVIDIA non pubblica i dati di BFCL o ToolSandbox per questo checkpoint, quindi non è possibile confrontarli. NVIDIA riporta però un'accuratezza dell'86% su PinchBench su 10.000 attività, completate il 30% più velocemente rispetto a Qwen3.6-35B con un'accuratezza simile — un'affermazione per cui Liquid non ha un equivalente. I due fornitori hanno semplicemente misurato cose diverse, e solo la sovrapposizione consente di esprimere un giudizio.

Il contesto è il divario reale più ampio

Un milione di token contro 262.144 non è una differenza marginale. La finestra nativa di Nemotron 3.5 Lightning è quattro volte più lunga, e persino la configurazione conservativa con singola H100 a 256K eguaglia il massimo del modello LFM3. Per carichi di lavoro costruiti attorno a contesti di interi repository, tracce di agenti a lungo orizzonte o trascrizioni della durata di un'ora, la finestra del modello piccolo è il vincolo prima che lo sia la sua capacità.

Vale la pena notare, tuttavia, che una finestra lunga e la ritenzione del contesto lungo sono affermazioni diverse. LFM3-1.7B riporta 65,56 su RULER a 128K, il che è modesto — può accettare 262K token ma non mantiene altrettanto bene tutto quel contesto. NVIDIA non ha pubblicato un valore RULER per questo checkpoint nei materiali esaminati qui, quindi non è possibile effettuare il confronto sulla ritenzione. Non presumere che una finestra di 1M si traduca in 1M di attenzione utilizzabile.

Le licenze differiscono più di quanto suggeriscano i benchmark

Questa è l'unica dimensione in cui il fornitore del modello piccolo ha fatto la scelta meno conveniente. Nemotron 3.5 Lightning 30B A3B è rilasciato con licenza OpenMDW-1.1, che consente l'uso commerciale e non commerciale senza soglia di fatturato. LFM3-1.7B è sotto la LFM Open License v1.0, gratuito per uso commerciale al di sotto di 10 milioni di dollari di fatturato annuo, con una licenza commerciale a pagamento richiesta al di sopra di tale soglia.

Per uno sviluppatore individuale o una startup, la differenza è teorica. Per un team all'interno di una grande azienda, o per un team che punta a diventarlo, si tratta di un passaggio di approvvigionamento che Nemotron evita del tutto. Dato che l'intera proposta di LFM3-1.7B è la distribuzione all'interno del proprio prodotto, vale la pena leggere la licenza prima di ammirare l'architettura.

Dove il modello da 1 GB è ancora la risposta

Nessuno di questi elementi rende LFM3-1.7B un modello scadente. Lo rende un modello con un ambito di impiego ristretto, e all'interno di tale ambito nulla di Nemotron 3.5 Lightning è rilevante, perché il modello più grande non può esserci affatto.

Se il prodotto viene distribuito su un telefono, un laptop, un AI PC senza GPU dedicata o un dispositivo sul campo, LFM3-1.7B non è il compromesso: è l'unico membro di questa coppia che funziona. Un contesto di 262,144 token su un dispositivo che sta in tasca è davvero insolito, e il vocabolario a sedici lingue copre la maggior parte delle implementazioni regionali. Per il tool calling, l'estrazione strutturata, la classificazione e gli assistenti locali, questo basta per costruire un prodotto.

Il pattern giusto per la maggior parte dei team è entrambi, a livelli. Mantieni LFM3-1.7B sul dispositivo per le chiamate veloci, private e strutturate secondo lo schema, e invia il lavoro che richiede molto ragionamento o su scala repository a un modello lato server. È una decisione architetturale, non una preferenza di modello, e guarda caso è già il modo in cui sono costruiti la maggior parte degli agenti in produzione.

Il punto in cui si inserisce un livello di routing è il livello server. Nemotron 3.5 Lightning viene erogato tramite lo stack proprietario di NVIDIA e numerose piattaforme di terze parti, e il ruolo di OrcaRouter è quello che svolge per qualsiasi modello che non ospitiamo direttamente: una sola chiave e una sola fattura per oltre 200 modelli, prezzi di listino dei fornitori trasferiti con markup pari a 0%, e failover automatico tra fornitori affinché un agente a esecuzione prolungata non fallisca perché un endpoint è degradato. Né LFM3-1.7B né Nemotron 3.5 Lightning sono oggi nel nostro catalogo — entrambi sono download open-weight, e il più piccolo è pensato per funzionare su hardware di tua proprietà.

Il pavimento è il punto

Se hai una GPU e il tuo problema è la capacità, Nemotron 3.5 Lightning 30B A3B è il modello migliore con un margine netto e non c'è alcuna discussione possibile. Ragiona meglio, ripara il codice meglio, gestisce il quadruplo del contesto e la sua licenza non prevede soglie di fatturato.

Se hai un dispositivo e il tuo problema è che non ci sta nient'altro, il confronto si ribalta completamente. Un modello da 22 GB non è un candidato, e i numeri rilevanti diventano 1 GB, 262.144 token e un profilo di tool calling talmente solido che Liquid lo ha pubblicato come capacità di punta del modello.

La questione aperta è se la ricetta di efficienza di Nemotron possa comprimersi ulteriormente. Un modello da 30B con 3B attivi gira già su una Jetson; un modello davvero forte della classe 2B nella stessa famiglia metterebbe questi due nella stessa conversazione invece che ai due lati di un muro di memoria. Fino ad allora, il confronto onesto non è tra i loro punteggi di benchmark ma tra l'hardware che ciascuno richiede — e solo uno dei due non ne richiede alcuno.