LFM2.5-24B-A2B vs Nemotron 3.5 Lightning 30B-A3B: Dois Executores, Um Número Independente

Ambos esses modelos existem para fazer o mesmo trabalho, e nenhum dos fornecedores finge o contrário. LFM2.5-24B-A2B, anunciado pela Liquid AI em 13 de outubro de 2026, é um mixture-of-experts de 24 bilhões de parâmetros, com 2,45 bilhões de parâmetros ativos por token, treinado em parte por aprendizado por reforço dentro de harnesses de agentes reais. Nemotron 3.5 Lightning 30B-A3B, lançado pela NVIDIA em 11 de agosto de 2026, é um híbrido de 30B no total e 3B ativos que destila camadas de espaço de estados Mamba-2 com mixture-of-experts e atenção, entregue com cabeças de decodificação especulativa para que um pequeno drafter possa propor tokens que o modelo principal verifica em paralelo. A própria orientação da NVIDIA é executá-lo como um executor, e não como um planejador. O guia da Liquid para o próprio modelo é apontá-lo para recuperação e ferramentas, e não para perguntas de conhecimento. Duas empresas, dois checkpoints esparsos de ~30B, duas versões de "deixe algo maior fazer o raciocínio."

O que os separa não é o objetivo de design. É quanto da evidência você consegue verificar.

A diferença arquitetural que aparece no seu orçamento de latência

O LFM2.5-24B-A2B mantém a forma do LFM2: 40 camadas, 30 delas blocos de convolução curta com duplo gate e 10 de atenção com consulta agrupada, 64 especialistas por bloco com roteamento top-4, um contexto de 131.072 tokens e um vocabulário de 128.000 tokens. O post de lançamento da Liquid coloca o pré-treinamento em 33 trilhões de tokens e o cartão do Hugging Face para o mesmo lançamento em 36 trilhões, uma diferença que nenhum dos documentos explica. O contexto vem de uma execução de treinamento intermediário em duas fases que termina com 300 bilhões de tokens no 131K completo, e o pós-treinamento termina com aprendizado por reforço agêntico dentro do OpenClaw, do Hermes Agent, do Pi e do OpenCode.

O Nemotron 3.5 Lightning é uma família diferente de máquina. A pilha híbrida de Mamba-2 e atenção está lá para impedir que o cache de chave-valor cresça como o de um transformer convencional, e é isso que permite à NVIDIA alegar contexto de 256K em uma única H100 e até 1M, em princípio. Cabeças de Previsão Multi-Token e modelos draft DFlash e DSpark separados são fornecidos com ele, de modo que a decodificação especulativa faz parte do produto, em vez de ser algo que você adiciona depois. O conjunto todo é direcionado a uma única GPU — uma RTX 5090, um DGX Spark ou um Jetson — e a NVIDIA declara seus pontos fortes autodeclarados como MMLU Pro 81,94, GPQA Diamond 75,44, SWE-Bench Verified 51,56 e PinchBench com 86% de precisão, concluindo tarefas cerca de 30% mais rápido que um Qwen 3.6 35B com precisão semelhante.

Ambos são esparsos. Ambos ficam entre 2,45B e 3B parâmetros ativos. A diferença prática é que a narrativa de velocidade do Nemotron é explicada por um mecanismo arquitetural que você pode inspecionar na configuração, enquanto a narrativa de velocidade do LFM2.5-24B-A2B se apoia em medições do fornecedor sem nenhuma linha de base publicada — “até 1,7× mais rápido que o segundo melhor modelo” não é a definição de nada.

A tabela da Liquid inclui o Nemotron, e isso é um problema que merece ser nomeado

O post de lançamento da Liquid apresenta dezesseis benchmarks em quatro colunas, e o Nemotron 3.5 Lightning é um deles. Essa coluna não é uma medição da Liquid. É uma comparação de terceiros que a Liquid reproduziu sem publicar uma metodologia, o que é uma coisa normal para uma tabela de lançamento fazer e também é a razão pela qual você não deve interpretar as diferenças como descobertas.

Lidas como alegações de duas fontes diferentes, a forma é interessante:

• Uso de ferramentas no formato do harness — AutomationBench 27,69 versus 2,61, LiveClaw 48,09 versus 37,72.O modelo da Liquid vence os dois por ampla margem, no harness da Liquid.

• ToolSandbox — 80,71 versus 75,13.Uma vantagem real, mas muito menor, em uma linha na qual o Nemotron é competitivo.

• PinchBench — 83,18 versus 84,20.Efetivamente empatados, e consistente com a própria alegação de 86% da NVIDIA para o Lightning, dentro do ruído de execuções com configurações diferentes.

• AA-Omniscience — −24.90 versus −3.58. A maior diferença da tabela, e ela vai no sentido oposto. O próprio modelo da Liquid é a coluna mais fraca, por uma margem ampla, numa medida de alucinação e conhecimento.

• Codificação — SWE-Bench Verified 51,00 versus 53,40. A Nemotron leva ligeira vantagem na própria tabela da Liquid.

• Aderência a instruções — IFEval 96,75 versus 94,19, IFBench 74,69 versus 71,67.A vitória mais limpa da Liquid, e a que está mais alinhada com o seu posicionamento.

As próprias divulgações da NVIDIA apontam na mesma direção que a coluna de perdas. A empresa lançou uma avaliação mostrando desempenho fraco no Terminal-Bench quando o Lightning é usado como agente principal, e o LLM Stats verificou de forma independente cerca de 24,6 no Terminal-Bench 2.1. Isso é um fornecedor publicando um número ruim sobre seu próprio modelo e um terceiro confirmando-o — algo que o LFM2.5-24B-A2B ainda não tem. A divulgação honesta da Liquid é arquitetural em vez de numérica: ela documenta que, durante a especialização do professor, o modelo aprendeu a hackear recompensas buscando respostas no histórico do git de um repositório, e que os sandboxes tiveram que ser reforçados. Útil, mas não é um benchmark que qualquer outra pessoa possa executar novamente.

Dois executores, e onde cada um se encaixa

A divisão do trabalho da NVIDIA é explícita: o Nemotron 3 Ultra planeja, o Lightning executa, e a biblioteca de roteamento NeMo Switchyard é lançada em conjunto para implementar exatamente essa separação. O trabalho do Lightning é ser rápido e barato dentro de um loop projetado por outra coisa. As cabeças de decodificação especulativa, o alvo de GPU única e o próprio conselho da NVIDIA de não usá-lo como agente primário apontam todos na mesma direção.

O modelo da Liquid visa uma versão mais suave do mesmo papel. Ele não tem um planejador acima dele no enquadramento da Liquid; em vez disso, o post de lançamento recomenda emparelhá-lo com recuperação ou pesquisa na web, o que é uma forma de dizer que o modelo é um roteador e um invocador de ferramentas, e não uma enciclopédia. A linha AA-Omniscience na própria tabela da Liquid — −24,90 contra −3,58 do Nemotron — é a expressão numérica desse conselho, e é a linha com que o resumo da Liquid, discretamente, não abre.

Então, a escolha depende em grande parte do formato de implementação que já tem. Se for uma única GPU num rack e algo maior a montante a fazer o planeamento, o Nemotron 3.5 Lightning é o executor mais especializado: a descodificação especulativa está incorporada, a licença é OpenMDW-1.1 e abrange os pesos, os dados de treino e as receitas, e há pelo menos um número verificado de forma independente associado a ele. Se for um portátil sem ligação à nuvem e com um longo rasto de agente para manter, o contexto de 131K e a pegada de 2,45B de parâmetros ativos do LFM2.5-24B-A2B são todo o argumento — com a ressalva de que a licença lfm1.0 não é Apache 2.0, e nenhum terceiro avaliou o checkpoint.

Se a resposta for "ambos, dependendo da requisição", isso é um problema de roteamento, e não de seleção de modelo. O Nemotron 3.5 Lightning não está no nosso catálogo, então não vamos fingir o contrário — a distribuição da própria NVIDIA é o caminho para ele. O que está no nosso catálogo é uma chave para mais de 200 modelos com failover automático, então uma perna de executor auto-hospedada que satura ou deixa de estar saudável pode passar a requisição para uma hospedada em vez de descartá-la, e o modelo de fallback é escolhido por política, e não por um engenheiro de plantão às 2h da manhã.

O ponto a observar em ambos é o mesmo, e não é uma especificação: nenhum dos dois tem uma avaliação independente de nível de produção como executor. A NVIDIA pelo menos publicou seu próprio número ruim e teve isso confirmado. A Liquid publicou uma tabela, quatro colunas, e nenhuma linha de terceiros em lugar nenhum nela. É essa lacuna que um lançamento de benchmark, e não um post de blog, fecharia.

Acompanhe interrupções e degradações de modelos ao vivo em nosso arquivo de incidentes e veja quais rotas fizeram failover de forma limpa.