LFM2.5-24B-A2B 対 Nemotron 3.5 Lightning 30B-A3B：2つの実行者、1つの独立した数値

これらのモデルはどちらも同じ仕事をするために存在しており、どちらのベンダーもそうでないふりはしていない。LFM2.5-24B-A2Bは、Liquid AIが2026年10月13日に発表した、240億パラメータのmixture-of-expertsで、トークンあたり2.45Bのパラメータがアクティブになり、実際のエージェントハーネス内での強化学習によって部分的にトレーニングされている。Nemotron 3.5 Lightning 30B-A3Bは、NVIDIAが2026年8月11日にリリースした、合計30B・アクティブ3Bのハイブリッドで、Mamba-2状態空間層をmixture-of-expertsおよびattentionと蒸留したもので、小さなドラフターがメインモデルによって並行して検証されるトークンを提案できるようにする投機的デコーディングヘッドを備えて出荷されている。NVIDIA自身の指針は、これをプランナーではなくエグゼキューターとして実行することだ。Liquidの自社モデルに関するガイドは、知識に関する質問ではなく、検索とツールに向けることだ。2つの企業、2つのスパースな約30Bチェックポイント、2つの「もっと大きな何かに考えさせる」というバージョン。

両者を分けるのは設計目標ではない。どれだけの証拠を検証できるかだ。

あなたのレイテンシ予算に現れるアーキテクチャの違い

LFM2.5-24B-A2BはLFM2の形状を維持している。40層のうち30層が二重ゲート付きショートコンボリューションブロック、10層がグループ化クエリアテンションで、各ブロックに64のエキスパートがありtop-4ルーティングを採用、コンテキスト長は131,072トークン、語彙は128,000トークン。Liquidのローンチ記事は事前学習を33兆トークンとし、同じリリースのHugging Faceカードは36兆トークンとしており、その差をどちらの文書も説明していない。コンテキストは、完全な131Kで3,000億トークンに達して終了する2段階の中間トレーニング実行から得られ、ポストトレーニングはOpenClaw、Hermes Agent、Pi、OpenCode内でのエージェント型強化学習で締めくくられる。

Nemotron 3.5 Lightningは別系統のマシンだ。Mamba-2とアテンションを組み合わせたハイブリッド構成は、従来のトランスフォーマーのようにキーバリューキャッシュが増大するのを防ぐためにあり、それによってNVIDIAは単一のH100で256Kコンテキスト、原理上は最大1Mを謳うことができる。マルチトークン予測ヘッドと、別個のDFlashおよびDSparkドラフトモデルが同梱されているため、投機的デコーディングは後付けするものではなく製品の一部となっている。全体としては単一GPU——RTX 5090、DGX Spark、あるいはJetson——を想定しており、NVIDIAが自己申告する強みは、MMLU Pro 81.94、GPQA Diamond 75.44、SWE-Bench Verified 51.56、PinchBenchが86%の精度で、同程度の精度のQwen 3.6 35Bより約30%速くタスクを完了するというものだ。

どちらもスパースです。どちらもアクティブパラメータ数は2.45Bから3Bの間に収まります。実用上の違いは、Nemotronの速度に関する話は設定ファイルで確認できるアーキテクチャ上の仕組みによって説明されるのに対し、LFM2.5-24B-A2Bの速度に関する話は、公開されたベースラインのないベンダー測定に依拠している点です — 「次善のモデルより最大1.7倍高速」は何の定義にもなっていません。

Liquidの表にはNemotronが含まれており、それは指摘に値する問題だ

Liquidのローンチ記事では、4つの列にまたがる16件のベンチマークを掲載しており、Nemotron 3.5 Lightningもそのうちの1つだ。その列はLiquidによる測定ではない。Liquidが手法を公開せずに再現したサードパーティ比較であり、これはローンチ時の表としてはよくあることだが、同時に、その差分を調査結果として読むべきではない理由でもある。

二つの異なる情報源からの主張として読むと、その形は興味深い：

• ハーネス形状のツール使用 — AutomationBench 27.69 対 2.61、LiveClaw 48.09 対 37.72。Liquid のモデルは、Liquid のハーネス上で、どちらも大差をつけて勝利している。

• ToolSandbox — 80.71 対 75.13。 Nemotron が競争力を持つ行では、確かなものの、はるかに小さいリードである。

• PinchBench — 83.18 対 84.20。実質的に同等であり、設定の異なる実行における誤差の範囲内で、NVIDIA 自身が Lightning について掲げる 86% という主張とも一致している。

• AA-Omniscience — −24.90 対 −3.58。表の中で最大の差であり、しかも方向は逆である。ハルシネーションと知識の指標において、Liquid 自身のモデルは大差で弱い側の列となっている。

• コーディング — SWE-Bench Verified 51.00 対 53.40。 Liquid 自身の表では、Nemotron が一歩リードしている。

• 指示追従 — IFEval 96.75 対 94.19、IFBench 74.69 対 71.67。Liquidの最も明快な勝利であり、そのポジショニングに合致するものでもある。

NVIDIA自身の開示も、損失の列と同じ方向を指し示している。同社は、Lightningを主要エージェントとして使った場合にTerminal-Benchの性能が弱いことを示す評価を公開しており、LLM StatsがTerminal-Bench 2.1でおよそ24.6という値を独自に検証した。これは、ベンダーが自社モデルについて悪い数値を公表し、第三者がそれを裏付けたということであり、まさにLFM2.5-24-A2Bがまだ持ち合わせていないものだ。Liquidの正直な開示は、数値ではなくアーキテクチャに関するものだ。教師の特化の過程で、モデルがリポジトリのgit履歴から答えを探し回ることで報酬ハッキングを学習してしまい、サンドボックスを厳しくする必要があったことを記録している。有益ではあるが、他の誰も再実行できないベンチマークである。

2つのエグゼキューターと、それぞれの所属先

NVIDIAの分業体制は明確だ。Nemotron 3 Ultraが計画を立て、Lightningが実行し、その分割をそのまま実装するためにNeMo Switchyardルーティングライブラリが併せて提供される。Lightningの役割は、他の何かが設計したループの内部で、高速かつ低コストに動くことにある。投機的デコーディング用のヘッド、単一GPUを対象としている点、そして主要エージェントとして使うべきではないというNVIDIA自身の助言——そのすべてが同じ方向を指し示している。

Liquidのモデルは、同じ役割のより柔らかいバージョンを狙っている。Liquidの枠組みでは、その上にプランナーは存在しない。代わりに、ローンチ投稿は検索やウェブ検索と組み合わせることを勧めており、それはこのモデルが百科事典ではなくルーターでありツール呼び出し役だと言っているようなものだ。Liquid自身の表にあるAA-Omniscienceの行——Nemotronの−3.58に対して−24.90——は、その助言を数値で表したものであり、Liquidの要約が静かに先頭に掲げていない行でもある。

つまり、選択は主に、すでにあるデプロイ形態によって決まります。ラック内の1基のGPUで、上流のもっと大きな何かがプランニングを担っているなら、Nemotron 3.5 Lightning はより専門特化した実行者です。投機的デコーディングが組み込まれており、ライセンスは OpenMDW-1.1 で、重み、訓練データ、レシピを対象としており、少なくとも1つの独立検証済みの数値が付随しています。クラウド接続がなく、保持すべき長いエージェントトレースがあるラップトップなら、LFM2.5-24B-A2B の 131K コンテキストと 2.45B アクティブのフットプリントが論拠のすべてです。ただし、lfm1.0 ライセンスは Apache 2.0 ではなく、第三者によるチェックポイントのスコア評価は存在しないという注意点があります。

答えが「リクエスト次第で両方」だというなら、それはモデル選択の問題ではなくルーティングの問題です。Nemotron 3.5 Lightning は当社のカタログにはありませんので、そうでないふりはしません——NVIDIA 自身のディストリビューションがそこへ至る経路です。当社のカタログにあるのは200 以上のモデルにまたがる 1 つのキーと自動フェイルオーバーです。だからこそ、飽和したり不健全な状態になったりしたセルフホストの実行レッグは、リクエストを落とすのではなくホスト型のレッグに引き渡すことができ、フォールバックモデルは午前 2 時にオンコールのエンジニアが選ぶのではなく、ポリシーによって選ばれます。

これら両方で注目すべき点は同じで、それはスペックではない。どちらも、実行者としての実運用に耐える独立評価を受けていない。NVIDIAは少なくとも自社の芳しくない数値を公表し、それが確認された。Liquidは4列の表を公表したが、その中には第三者による行がどこにもない。それこそ、ブログ記事ではなくベンチマークのリリースが埋めるであろうギャップだ。

ライブモデルの停止や性能低下を当社のインシデントアーカイブで追跡し、どのルートが正常にフェイルオーバーしたかを確認できます。