LFM2.5-24B-A2B vs Nemotron 3.5 Lightning 30B-A3B: dwóch wykonawców, jedna niezależna liczba

Oba te modele istnieją po to, by wykonywać tę samą pracę, i żaden z dostawców nie udaje, że jest inaczej. LFM2.5-24B-A2B, ogłoszony przez Liquid AI 13 października 2026 r., to model typu mixture-of-experts o 24 miliardach parametrów, z których 2,45 mld jest aktywnych na token, trenowany częściowo przez uczenie ze wzmocnieniem w prawdziwych środowiskach agentowych. Nemotron 3.5 Lightning 30B-A3B, wydany przez NVIDIA 11 sierpnia 2026 r., to hybryda o łącznej liczbie 30 mld parametrów i 3 mld aktywnych parametrów, która destyluje warstwy przestrzeni stanów Mamba-2 z mixture-of-experts i mechanizmem uwagi, dostarczana z głowami dekodowania spekulatywnego, dzięki czemu mały drafter może proponować tokeny, które model główny weryfikuje równolegle. Sama NVIDIA zaleca uruchamianie go jako wykonawcę, a nie planistę. Przewodnik Liquid dotyczący własnego modelu mówi, by kierować go do wyszukiwania i narzędzi, a nie do pytań o wiedzę. Dwie firmy, dwa rzadkie checkpointy ~30B, dwie wersje „niech coś większego zajmie się myśleniem”.

Nie dzieli ich cel projektowy. Dzieli je to, jak dużą część dowodów możesz sprawdzić.

Różnica architektoniczna, która ujawnia się w Twoim budżecie opóźnień

LFM2.5-24B-A2B zachowuje kształt LFM2: 40 warstw, z których 30 to podwójnie bramkowane bloki krótkiej konwolucji, a 10 to uwaga z grupowanymi zapytaniami, 64 ekspertów na blok z routingiem top-4, kontekst 131 072 tokenów i słownik 128 000 tokenów. W poście premierowym Liquid pre-training podano na 33 biliony tokenów, a karta na Hugging Face dla tego samego wydania na 36 bilionów — różnicy tej nie wyjaśnia żaden z dokumentów. Kontekst pochodzi z dwufazowego etapu mid-training, który kończy się na 300 miliardach tokenów przy pełnych 131 tys., a post-training kończy się uczeniem ze wzmocnieniem agentowym wewnątrz OpenClaw, Hermes Agent, Pi i OpenCode.

Nemotron 3.5 Lightning to zupełnie inna rodzina maszyn. Hybrydowy stos Mamba-2 i uwagi ma za zadanie nie pozwolić pamięci klucz-wartość rosnąć tak, jak dzieje się to w konwencjonalnym transformerze, co pozwala firmie NVIDIA twierdzić, że obsługuje kontekst 256K na pojedynczym H100, a w zasadzie do 1M. Głowice Multi-Token Prediction oraz oddzielne modele szkicowe DFlash i DSpark są dostarczane razem z nim, więc dekodowanie spekulatywne jest częścią produktu, a nie czymś, co się dokłada. Całość jest adresowana do jednego GPU — RTX 5090, DGX Spark lub Jetson — a NVIDIA podaje jako swoje samodzielnie zgłoszone mocne strony: MMLU Pro 81,94, GPQA Diamond 75,44, SWE-Bench Verified 51,56 oraz PinchBench z dokładnością 86%, a sam model kończy zadania o około 30% szybciej niż Qwen 3.6 35B przy podobnej dokładności.

Oba są rzadkie. Oba mają od 2,45B do 3B aktywnych parametrów. Praktyczna różnica polega na tym, że historia szybkości Nemotronu jest wyjaśniona przez mechanizm architektoniczny, który można sprawdzić w konfiguracji, podczas gdy historia szybkości LFM2.5-24B-A2B opiera się na pomiarach dostawcy bez opublikowanego punktu odniesienia — „do 1,7× szybciej niż następny najlepszy model” nie jest definicją czegokolwiek.

Tabela Liquid zawiera Nemotron, a to problem, który warto nazwać

Post premierowy Liquid zawiera szesnaście benchmarków w czterech kolumnach, a Nemotron 3.5 Lightning jest jednym z nich. Ta kolumna nie jest pomiarem Liquid. To porównanie strony trzeciej, które Liquid odtworzył bez publikowania metodologii — co jest normalnym zabiegiem w tabeli premierowej, a także powodem, dla którego nie należy odczytywać luk jako ustaleń.

Odczytane jako twierdzenia z dwóch różnych źródeł, kształt jest interesujący:

• Użycie narzędzi dopasowane do harnessu — AutomationBench 27,69 versus 2,61, LiveClaw 48,09 versus 37,72.Model Liquid wygrywa w obu przypadkach z dużą przewagą, i to na harnessie Liquid.

• ToolSandbox — 80,71 kontra 75,13.Realna, ale znacznie mniejsza przewaga w wierszu, w którym Nemotron jest konkurencyjny.

• PinchBench — 83,18 wobec 84,20. W praktyce poziom wyrównany i spójne z własnym twierdzeniem NVIDIA o 86% dla Lightning, mieszczące się w granicach szumu między odmiennie skonfigurowanymi przebiegami.

• AA-Omniscience — −24,90 wobec −3,58. Największa różnica w tabeli, i to w przeciwnym kierunku. Własny model Liquid to znacznie słabsza kolumna w zakresie miary halucynacji i wiedzy.

• Kodowanie — SWE-Bench Verified 51,00 kontra 53,40. Nemotron wysuwa się nieznacznie na prowadzenie w tabeli samego Liquid.

• Podążanie za instrukcjami — IFEval 96,75 w porównaniu z 94,19, IFBench 74,69 w porównaniu z 71,67.Najczystsze zwycięstwo Liquid i to, które jest zgodne z jego pozycjonowaniem.

Własne ujawnienia NVIDIA wskazują ten sam kierunek co kolumna strat. Firma opublikowała ewaluację pokazującą słabe wyniki w Terminal-Bench, gdy Lightning jest używany jako główny agent, a LLM Stats niezależnie zweryfikowało około 24,6 w Terminal-Bench 2.1. To dostawca publikujący zły wynik na temat własnego modelu, a strona trzecia go potwierdza — czego LFM2.5-24B-A2B jeszcze nie ma. Uczciwe ujawnienie Liquid ma charakter architektoniczny, a nie liczbowy: dokumentuje, że podczas specjalizacji nauczyciela model nauczył się hakować nagrody, polując na odpowiedzi w historii git repozytorium, i że piaskownice musiały zostać zaostrzone. Przydatne, ale to nie benchmark, który ktokolwiek inny może powtórzyć.

Dwóch wykonawców i gdzie każdy z nich należy

Podział pracy w NVIDIA jest jednoznaczny: Nemotron 3 Ultra planuje, Lightning wykonuje, a biblioteka routingu NeMo Switchyard jest dostarczana razem z nimi, aby zrealizować dokładnie ten podział. Zadaniem Lightning jest bycie szybkim i tanim w pętli zaprojektowanej przez coś innego. Głowice dekodowania spekulatywnego, ukierunkowanie na pojedynczy GPU oraz sama rada NVIDIA, by nie używać go jako głównego agenta, wskazują w tym samym kierunku.

Model Liquid celuje w łagodniejszą wersję tej samej roli. W ujęciu Liquid nie ma nad nim żadnego planisty; zamiast tego wpis premierowy zaleca łączenie go z wyszukiwaniem informacji lub wyszukiwaniem w sieci, co jest sposobem powiedzenia, że model jest routerem i wywoływaczem narzędzi, a nie encyklopedią. Wiersz AA-Omniscience w tabeli samego Liquid — −24,90 wobec −3,58 Nemotrona — jest liczbowym wyrazem tej rady i to właśnie tego wiersza podsumowanie Liquid po cichu nie wysuwa na pierwszy plan.

Wybór sprowadza się więc w dużej mierze do kształtu wdrożenia, który już masz. Jeśli to jedna GPU w szafie, a coś większego na wyższym poziomie zajmuje się planowaniem, Nemotron 3.5 Lightning jest bardziej wyspecjalizowanym wykonawcą: dekodowanie spekulatywne jest wbudowane, licencja to OpenMDW-1.1 i obejmuje wagi, dane treningowe oraz receptury, a przypisana jest do niego co najmniej jedna niezależnie zweryfikowana liczba. Jeśli to laptop bez połączenia z chmurą i z długim śladem agenta do utrzymania, kontekst 131K i aktywna liczba parametrów 2,45B w LFM2.5-24B-A2B to cały argument — z zastrzeżeniem, że licencja lfm1.0 nie jest Apache 2.0 i żadna strona trzecia nie oceniła tego checkpointu.

Jeśli odpowiedź brzmi „oba, w zależności od żądania”, to problem routingu, a nie problem wyboru modelu. Nemotron 3.5 Lightning nie znajduje się w naszym katalogu, więc nie będziemy udawać, że jest inaczej — dystrybucja udostępniana przez samą NVIDIA jest do niego drogą. W naszym katalogu jest jeden klucz obejmujący ponad 200 modeli z automatycznym przełączaniem awaryjnym, więc samodzielnie hostowany odcinek wykonawczy, który ulega wysyceniu lub staje się niesprawny, może przekazać żądanie do odcinka hostowanego zamiast je porzucać, a model zapasowy jest wybierany przez politykę, a nie przez inżyniera dyżurnego o 2 w nocy.

To, na co trzeba uważać w obu tych przypadkach, jest tym samym i nie jest to spec: żaden z nich nie ma niezależnej ewaluacji w roli executora na poziomie produkcyjnym. NVIDIA przynajmniej opublikowała własny zły wynik i został on potwierdzony. Liquid opublikował tabelę, cztery kolumny, i ani jednego wiersza od strony trzeciej. To jest ta luka, którą zamknęłoby wydanie benchmarku, a nie wpis na blogu.

Śledź na bieżąco awarie i degradacje modeli w naszym archiwum incydentów i sprawdź, które trasy przełączyły się bezproblemowo.