LFM3-1.7B vs Nemotron 3.5 Lightning 30B A3B: Um gigabyte contra vinte e dois

A maioria das comparações de modelos começa com uma tabela de benchmarks. Esta precisa começar com um orçamento de memória, porque LFM3-1.7B e Nemotron 3.5 Lightning 30B A3B não disputam o mesmo espaço em um sistema. O modelo da NVIDIA, lançado em 11 de agosto de 2026 sob a OpenMDW-1.1, precisa de cerca de 22 GB em sua versão NVFP4. O da Liquid AI, anunciado em 27 de outubro de 2026, precisa de aproximadamente 1 GB em 4 bits e foi projetado para rodar em um celular. Para qualquer modelo que não hospedamos nós mesmos, o roteamento é a superfície de controle, e não o host. Os preços de tabela dos provedores são repassados com 0% de margem.

Tudo o que decorre desse fato vem dele. O Nemotron 3.5 Lightning é o modelo mais capaz em todos os benchmarks publicados por ambos os fornecedores — GPQA Diamond em 75,57 contra 63,37, SWE-bench Verified em 52,80 contra 43,40, conforme listado no painel de avaliação no próprio card do Hugging Face da NVIDIA. Ele também tem uma janela de contexto de até 1 milhão de tokens, contra 262.144. Se a sua pergunta é qual modelo é melhor, a resposta é inequívoca e esta página poderia terminar aqui.

A pergunta que vale a pena fazer, em vez disso, é qual modelo tem uma função na sua implantação. Um modelo de 22 GB não roda em um celular, notebook ou Jetson em nenhuma configuração útil. Um modelo de 1 GB não conserta um repositório. Essas são restrições diferentes, e uma comparação que só conta pontos de benchmark vai dizer para você comprar o modelo errado.

O que realmente cabe onde

O Nemotron 3.5 Lightning 30B A3B é um modelo híbrido de mistura de especialistas: 30 bilhões de parâmetros totais, com cerca de 3 bilhões ativos, 128 especialistas roteados, com seis sendo acionados, mais um especialista compartilhado, e camadas de espaço de estados Mamba-2 intercaladas com um pequeno número de camadas de atenção completa. A NVIDIA fornece pesos de referência BF16 e uma versão NVFP4 com cerca de 22 GB que cabe em uma única GPU, e o modelo roda em B200, H100, H200, A100, GB200, DGX Spark, RTX 5090 e hardware Jetson.

O LFM3-1.7B é denso e pequeno: 1,73 bilhão de parâmetros, 24 camadas de convoluções curtas com gating e atenção esparsa, 3,46 GB em BF16 e cerca de 1 GB em 4 bits. A ficha da Liquid diz que ele cabe em um celular ou laptop, e nesse tamanho a afirmação se sustenta.

• Parâmetros totais — 1,73B densos para o LFM3-1.7B; 30B com cerca de 3B ativos para o Nemotron 3.5 Lightning.

• Memória de implantação — cerca de 1 GB em 4 bits contra cerca de 22 GB em NVFP4.

• Contexto — 262.144 tokens contra até 1.000.000, com 256K em uma única H100 e 262K em endpoints hospedados.

• Modalidade — apenas texto em ambos; nenhum dos dois inclui um caminho de visão ou áudio nestes checkpoints.

• Idiomas — dezesseis nomeados para o LFM3-1.7B; inglês mais cinco para o Nemotron 3.5 Lightning.

• Licença — LFM Open License v1.0, gratuita para receita anual abaixo de US$ 10 milhões, em comparação com a OpenMDW-1.1, que permite uso comercial e não comercial sem verificação de receita.

O argumento de velocidade do Nemotron não é que ele seja pequeno

Seria fácil interpretar “Lightning” e “3B ativos” como a mesma proposta de um modelo denso minúsculo. Não é. A história de velocidade da NVIDIA se apoia em três coisas que o modelo LFM3 não tem: uma arquitetura híbrida Mamba-2 que escala melhor em sequências longas, previsão de múltiplos tokens com decodificação especulativa e modelos draft dedicados — DSpark para DGX Spark e configurações de baixa concorrência, DFlash como alternativa.

As medições publicadas corroboram isso. Em um DGX Spark, o vLLM com DSpark alcançou cerca de 115,8 tokens por segundo em fluxo único e aproximadamente 422 tokens por segundo agregados com oito solicitações simultâneas, contra cerca de 79,6 tokens por segundo sem especulação. A NVIDIA afirma geração até quatro vezes mais rápida do que modelos de tamanho semelhante e posiciona o modelo na fronteira de Pareto entre precisão e velocidade.

A vantagem de velocidade do LFM3-1.7B é de outra natureza. Ele é rápido porque quase não há nada para executar — 1,73 bilhão de parâmetros densos, um cache KV de 1,6 GB em 128K tokens e nenhuma sobrecarga de roteamento. A Liquid relata decodificação de 1,8 a 2,8 vezes mais rápida que seus próprios antecessores no hardware testado e 3,6 bilhões de tokens por dia em uma única NVIDIA B300. Isso é vazão em hardware que ninguém coloca em um telefone.

Então, os dois modelos são rápidos por razões opostas: um por projetar um modelo grande para calcular menos por token, o outro por ser pequeno o suficiente para que a questão seja irrelevante. Em um servidor, a engenharia vence. Em um dispositivo, o modelo pequeno é a única opção que existe.

A lacuna de capacidade, dita sem rodeios

O cartão do Hugging Face da NVIDIA lista 81,62 no MMLU-Pro, 75,57 no GPQA Diamond e 52,80 no SWE-bench Verified para o Nemotron 3.5 Lightning 30B A3B. A Liquid reporta 63,37 no GPQA Diamond e 43,40 no SWE-bench Verified para o LFM3-1.7B, e não publica nenhum valor de MMLU-Pro para esse modelo.

Dois desses três são diretamente comparáveis e ambos favorecem a NVIDIA, por 12,2 e 9,4 pontos. Trata-se de uma diferença real exatamente nas tarefas em que um modelo denso pequeno é mais fraco: raciocínio científico em nível de pós-graduação e reparo de código em escala de repositório. O próprio model card da Liquid admite o segundo ponto, afirmando que o modelo não é recomendado para codificação agêntica ou raciocínio complexo de múltiplas etapas devido ao seu tamanho reduzido.

Uma ressalva sobre os dígitos exatos: os números publicados pela NVIDIA para este checkpoint variam ligeiramente entre seus materiais de lançamento e o painel de avaliação do Hugging Face — análises anteriores citavam 75,44 e 51,56 para os mesmos dois benchmarks. A direção e o tamanho aproximado da diferença são estáveis entre as versões; trate os decimais específicos como informados pelo fornecedor e dependentes da versão, em vez de como uma pontuação fixa.

Onde o LFM3-1.7B tem seus próprios números, eles são agênticos e não baseados em conhecimento: 71.39 no BFCL V4, 80.36 no ToolSandbox, 68.01 no τ³-bench, 38.42 no WebArena-Verified, 96.66 no IFEval. A NVIDIA não publica números de BFCL ou ToolSandbox para este checkpoint, então eles não podem ser comparados. A NVIDIA relata 86% de acurácia no PinchBench em 10.000 tarefas, concluídas 30% mais rapidamente que o Qwen3.6-35B com acurácia semelhante — uma alegação para a qual a Liquid não tem equivalente. Os dois fornecedores simplesmente mediram coisas diferentes, e apenas a sobreposição sustenta um veredito.

O contexto é a lacuna real mais ampla

Um milhão de tokens contra 262.144 não é uma diferença marginal. A janela nativa do Nemotron 3.5 Lightning é quatro vezes maior, e até a configuração conservadora de uma única H100 a 256K iguala o máximo do modelo LFM3. Para cargas de trabalho baseadas em contexto de repositório inteiro, rastros de agentes de longo horizonte ou transcrições de uma hora, a janela do modelo pequeno é a limitação antes mesmo de sua capacidade.

Vale notar, porém, que uma janela longa e a retenção de contexto longo são alegações diferentes. O LFM3-1.7B reporta 65,56 no RULER em 128K, o que é modesto — ele pode aceitar 262K tokens, mas não retém todo esse contexto igualmente bem. A NVIDIA não publicou um valor de RULER para este checkpoint nos materiais analisados aqui, então a comparação de retenção não pode ser feita. Não presuma que a janela de 1M se traduza em 1M de atenção utilizável.

Licenças diferem mais do que os benchmarks sugerem

Esta é a única dimensão em que o fornecedor do modelo pequeno fez a escolha menos conveniente. O Nemotron 3.5 Lightning 30B A3B é lançado sob a OpenMDW-1.1, que permite uso comercial e não comercial sem limite de receita. O LFM3-1.7B está sob a LFM Open License v1.0, gratuito para uso comercial abaixo de US$ 10 milhões em receita anual, com uma licença comercial paga exigida acima desse limite.

Para um desenvolvedor individual ou uma startup, a diferença é teórica. Para uma equipe dentro de uma grande empresa, ou uma que planeja se tornar grande, é uma etapa de aquisição que o Nemotron evita completamente. Dado que toda a proposta do LFM3-1.7B é a implantação dentro do seu próprio produto, vale a pena ler a licença antes de admirar a arquitetura.

Onde o modelo de 1 GB ainda é a resposta

Nada do que foi dito acima torna o LFM3-1.7B um modelo ruim. Isso o torna um modelo com um envelope de implantação estreito, e dentro desse envelope nada sobre o Nemotron 3.5 Lightning é relevante, porque o modelo maior não pode estar lá de forma alguma.

Se o produto é enviado para um telefone, um laptop, um PC com IA sem GPU dedicada ou um dispositivo de campo, o LFM3-1.7B não é a solução de compromisso — é o único membro deste par que funciona. Um contexto de 262.144 tokens em um dispositivo que cabe no bolso é realmente incomum, e o vocabulário de dezesseis idiomas cobre a maioria das implantações regionais. Para chamada de ferramentas, extração estruturada, classificação e assistentes locais, isso é suficiente para construir um produto.

O padrão correto para a maioria das equipes é usar ambos, em camadas. Mantenha o LFM3-1.7B no dispositivo para as chamadas rápidas, privadas e moldadas pelo esquema, e envie o trabalho que exige mais raciocínio ou que é de escala de repositório para um modelo do lado do servidor. Essa é uma decisão arquitetural, não uma preferência de modelo, e por acaso é exatamente assim que a maioria dos agentes em produção já é construída.

Onde uma camada de roteamento se encaixa é na camada de servidor. O Nemotron 3.5 Lightning é servido pela própria stack da NVIDIA e por várias plataformas de terceiros, e o papel da OrcaRouter é o mesmo que desempenha para qualquer modelo que não hospedamos nós mesmos: uma única chave e uma única fatura para mais de 200 modelos, preços de lista dos provedores repassados com 0% de markup, e failover automático entre provedores para que um agente de longa duração não falhe porque um endpoint degradou. Nem o LFM3-1.7B nem o Nemotron 3.5 Lightning estão no nosso catálogo hoje — ambos são downloads de pesos abertos, e o menor foi feito para rodar em hardware que você possui.

O piso é o ponto

Se você tem uma GPU e seu problema é capacidade, o Nemotron 3.5 Lightning 30B A3B é o modelo melhor por uma margem clara, e não há o que discutir. Ele raciocina melhor, corrige código melhor, suporta quatro vezes mais contexto, e sua licença não tem teste de receita.

Se você tem um dispositivo e o seu problema é que nada mais cabe nele, a comparação se inverte completamente. Um modelo de 22 GB não é candidato, e os números relevantes passam a ser 1 GB, 262.144 tokens e um perfil de chamada de ferramentas forte o suficiente para que a Liquid o publicasse como a principal capacidade do modelo.

A questão em aberto é se a receita de eficiência do Nemotron pode ser comprimida ainda mais. Um modelo de 30B com 3B ativos já roda em um Jetson; um modelo genuinamente forte da classe 2B na mesma família colocaria esses dois na mesma conversa, em vez de em lados opostos de uma barreira de memória. Até lá, a comparação honesta não é entre as pontuações de benchmark deles, mas entre o hardware que cada um exige — e apenas um deles não exige nenhum.