Nemotron 3.5 Bolt E4B 4GB vs. LFM2.5 2.6B Base: Um Personagem Acabado Contra uma Tábula Rasa

Um desses modelos manterá uma conversa no momento em que você o baixar. O outro não manterá uma conversa até que você o treine. Essa é toda a comparação entre NVIDIA-Nemotron-3.5-Bolt-E4B-4GB e Liquid AI LFM2.5-2.6B-Base, e toda diferença de ficha técnica decorrente disso é secundária.

O modelo da NVIDIA é um pequeno modelo de linguagem conversacional pós-treinado: template de chat, alternância de raciocínio, comportamento de chamada de ferramentas, ajuste de persona e uma tabela de benchmark com 21 linhas. O da Liquid é um checkpoint base pré-treinado, publicado explicitamente para fine-tuning intenso, sem comportamento de chat e sem pontuações de benchmark no card. Colocá-los na mesma categoria de "pequeno modelo aberto" é um erro de categoria que leva as pessoas a baixar o artefato errado e concluir que o modelo é ruim.

A resposta curta, antes do detalhe

• Você precisa de uma voz, persona ou assistente de dispositivo funcional neste mês — pegue NVIDIA-Nemotron-3.5-Bolt-E4B-4GB. É um comportamento pronto, não matéria-prima.

• Você tem dados de domínio, um orçamento de treinamento e a exigência de que o modelo seja seu — opte pelo LFM2.5-2.6B-Base. É mais barato fazer fine-tuning e ele tem uma janela de contexto de 128K.

• Você quer o melhor modelo conversacional pequeno que a Liquid faz — você não quer nenhum destes isoladamente. Você quer o LFM2.5-2.6B pós-treinado e então decidir se o checkpoint Base ou o de agente é o seu ponto de partida.

• Você quer um benchmark frente a frente — não existe nenhum. O cartão Base não publica pontuações, e nenhum terceiro executou os dois um contra o outro. Qualquer artigo que anuncie um vencedor a partir de um benchmark compartilhado está inventando o benchmark.

Why the mismatch is the story

A Liquid AI lançou a família LFM2.5-2.6B em três partes: um Base pré-treinado, um checkpoint de agente pós-treinado e um modelo de rascunho para decodificação especulativa. O Base é o primeiro estágio desse pipeline, não um produto. Sua ficha diz que ele é "recomendado apenas para tarefas que exigem ajuste fino intenso" — assistentes específicos de idioma ou domínio, treinamento com dados proprietários e trabalhos semelhantes. Um checkpoint base prevê o próximo token muito bem e nunca foi ensinado a responder a uma pergunta, seguir uma instrução ou emitir uma chamada de ferramenta em um esquema.

O E4B da NVIDIA é o extremo oposto desse pipeline. Ele partiu do Gemma-4-E4B-it, que já havia sido ajustado por instruções, e a NVIDIA o pós-treinou novamente com aprendizado por reforço a partir de recompensas verificáveis e feedback humano. O card documenta os domínios de recompensa, a proporção de lotes de raciocínio/não raciocínio e as penalidades de comprimento aplicadas para controlar a verbosidade. Independentemente do que mais seja verdade, o modelo foi moldado para uma função.

Então, a pergunta justa não é "qual é mais inteligente". É "qual etapa do pipeline você precisa comprar".

Especificações, dimensão por dimensão.

• Parâmetros — NVIDIA-Nemotron-3.5-Bolt-E4B-4GB tem 8B no total, com 4B de parâmetros efetivos em uma arquitetura Gemma-4-E4B; LFM2.5-2.6B-Base tem 2,69B de parâmetros densos em uma pilha híbrida de 30 camadas, composta por 22 blocos de convolução curta com portas duplas e 8 blocos de atenção de consulta agrupada.

• Janela de contexto — 64K tokens de entrada e 64K de saída para o Bolt; 131.072 tokens para a base LFM.

• Modalidade — entrada de texto, saída de texto para ambos. Nenhum dos dois aceita imagens ou áudio.

• Vocabulário — 128.000 tokens para o LFM2.5-2.6B-Base; a NVIDIA não publica um tamanho de vocabulário para o E4B, que herda o tokenizador do Gemma.

• Pré-treinamento — 34 trilhões de tokens para a base do LFM, com uma fase de treinamento intermediário que estende o contexto para 128K. A NVIDIA não publica uma contagem de tokens de pré-treinamento para o E4B porque não pré-treinou o modelo; ela pós-treinou o Gemma.

• Pós-treinamento — extenso trabalho de RLVR e feedback humano para o Bolt, com modos explícitos de raciocínio e conversacionais. Nenhum para a base LFM, por design.

Precisão publicada — Q4_K_M GGUF com 6,18 GB e safetensors BF16 com 15,88 GB para o Bolt; um único arquivo safetensors BF16 de 5,39 GB para a base LFM, com conversões separadas em GGUF, ONNX e MLX em outros pontos da família.

• Licença — OpenMDW-1.1 para a contribuição da NVIDIA com o componente Gemma 4 sob Apache 2.0; LFM Open License 1.0, uma licença personalizada com termos comerciais, para o modelo da Liquid.

• Idiomas — 34 nos metadados do E4B, com sete designados como idiomas primários de pós-treinamento; 16 para a base LFM.

• Lançamento — 23 de outubro de 2026 para o E4B; a família LFM2.5-2.6B foi publicada em 4 de agosto de 2026.

A diferença de parâmetros é real, mas não se traduz na diferença de download que as pessoas esperam. O Base de 2,69B é um download BF16 de 5,39 GB; o E4B de “4GB” é um download de quatro bits de 6,18 GB. Comparar contagens de parâmetros entre um híbrido denso e uma arquitetura esparsa de parâmetros efetivos diz menos do que comparar bytes em disco.

O que cada cartão realmente publica

É aqui que a assimetria se torna mensurável.

A NVIDIA traz 21 linhas de benchmark, quatro modelos de comparação e uma coluna Q4_K_M separada. As pontuações são executadas pelo fornecedor no NeMo-Gym e explicitamente sinalizadas como potencialmente diferentes dos números autorrelatados de outros fornecedores. Elas abrangem retenção de persona, hierarquia de instruções, timing de ferramentas, grounding, recuperação de contexto longo e conclusão de tarefas agênticas.

O card Base da Liquid não traz nenhuma tabela de benchmark. Isso não é uma omissão; é o que um checkpoint base é. Os números que circulam para o LFM2.5-2.6B — IFBench 59,17, ToolSandbox 77,83, BFCLv4 56,88, LiveCodeBench v6 59,41, AIME25 51,87 — pertencem ao checkpoint de agente pós-treinado, não ao Base, e são informados pelo fornecedor. A Artificial Analysis lista o LFM2.5-2.6B com um Intelligence Index de 8, sinalizado como estimativa, com avaliação independente por vir; ela não tem página alguma para o Bolt E4B.

Então, o placar honesto é: um modelo tem uma grande tabela de fornecedor não auditada, e o outro não tem tabela e tem uma estimativa independente vinculada a um checkpoint diferente em sua família. Nenhuma das colunas sustenta uma comparação direta.

Memória e velocidade são medidas em planetas diferentes

Ambos os fornecedores publicam números de latência, e eles não são comparáveis. Leia-os como alegações separadas sobre configurações separadas.

• Acople uma RTX 5070 12GB — 3,5 a 4,3 GB de VRAM, 548 a 1.238 ms até o primeiro token, 106,2 a 133,4 tokens por segundo, medidos pela NVIDIA com llama.cpp e CUDA em batch 1.

• Bolt em um Jetson Orin Nano 8GB — 4,2 a 4,9 GB de VRAM, 5,8 a 6,3 segundos até o primeiro token, 13,0 a 15,5 tokens por segundo. Embutido, mas não rápido o bastante para conversação.

• LFM2.5-2.6B em um M5 Max — cerca de 220 tokens por segundo, decodificação em CPU conforme relatado pelo fornecedor.

• LFM2.5-2.6B em um chip de classe celular — cerca de 30 tokens por segundo, conforme informado pelo fornecedor.

O valor do M5 Max não é uma comparação de GPU, o valor do Orin Nano não é uma comparação de laptop, e nenhum dos fornecedores publicou os comprimentos de prompt, os tamanhos de lote ou as configurações de quantização de uma forma que permitisse alinhá-los. O único número diretamente verificável está no disco: 6,18 GB para o Q4_K_M do Bolt contra 5,39 GB para a base do LFM em BF16.

Licenças: ambas abertas, nenhuma delas Apache

O modelo da NVIDIA é o OpenMDW-1.1, além de um componente Apache 2.0 para o Gemma 4. O OpenMDW é permissivo e permite uso comercial, mas não é aprovado pela OSI, e a herança do Gemma significa que os termos Apache acompanham parte da pilha. O cartão da NVIDIA afirma que o modelo está pronto para uso comercial ou não comercial.

A LFM Open License 1.0 da Liquid é uma licença personalizada com um limite de US$ 10 milhões de receita anual para uso comercial. Não é Apache nem MIT, e o cartão Base aponta para um arquivo LICENSE em vez de resumir os termos. Para um projeto de pesquisa, isso raramente importa; para um produto com revisão jurídica, é a primeira coisa a ler.

A diferença prática não é “aberto versus fechado”. Ambos podem ser baixados e ambos permitem uso comercial dentro dos seus termos. A diferença está em quais termos o seu departamento jurídico precisa liberar e se o modelo que você está entregando carrega a licença de um segundo fornecedor dentro de si.

A conta do ajuste fino, que é a decisão real

Se você escolher o LFM base, o download é a parte barata. Você está comprando 2,69 bilhões de parâmetros de capacidade bruta pré-treinada e depois pagando para ensiná-la a fazer um trabalho: coleta de dados, limpeza, ajuste fino supervisionado, avaliação e o ciclo de iteração que se segue. A proposta da Liquid é que 34 trilhões de tokens e um contexto de 128K tornam esse ponto de partida forte o suficiente para valer o trabalho.

Se você escolher o Bolt E4B, estará comprando o pós-treinamento da NVIDIA como ponto de partida. A versão BF16 tem 15,88 GB, e a NVIDIA publica duas receitas para alterá-la: treinamento de parâmetros completos em 8× H100 80GB com FSDP2 e taxa de aprendizado de 1e-5, ou LoRA em 2× H100 80GB com dimensão 16, alpha 32 e taxa de aprendizado de 2e-4. Ambas as receitas congelam as torres de visão e áudio, o que é um lembrete de que a base Gemma 4 E4B é multimodal, embora o lançamento Bolt seja apenas texto.

Isso é um patamar de ajuste fino mais pesado do que a base LFM de 2,69B e um trabalho de construção de comportamento muito mais leve. O E4B já faz persona, hierarquia de instruções e timing de ferramentas; você está adaptando um modelo funcional, não criando um.

Se você está construindo um produto em vez de um modelo

O padrão deve ser o checkpoint concluído. Um assistente de voz, um NPC, uma interface de quiosque ou um agente de dispositivo precisa de comportamento desde o primeiro dia, e o E4B é o único desses dois que tem algum. Suas fragilidades são documentadas e específicas: Tau2-Bench 55,10 contra 75,06 do Qwen3.5 4B, RULER 86,99 contra 95,15, LongBench v2 50,50 contra 59,93. É um modelo conversacional que consegue chamar ferramentas, não um agente que consegue planejar.

A base LFM é a compra certa apenas quando o próprio modelo é o produto: um assistente específico de um domínio, num idioma ou vocabulário que os modelos gerais tratam mal, um fine-tune com dados proprietários, ou uma base de referência de pesquisa que pretende possuir. Nesse caso, a ausência de comportamento de chat é uma vantagem, porque não paga por comportamento que irá substituir.

Há um terceiro caso que nenhum dos dois cartões aborda: você quer compará-los na sua própria tarefa. Faça isso com um conjunto de avaliação held-out e as mesmas configurações de decodificação, não com as tabelas dos fornecedores. O cartão do E4B recomenda temperatura 1.0 e top_p 0.95 em ambos os modos de pensamento; a Liquid publica suas próprias configurações para o checkpoint pós-treinado. Corresponder a essas configurações é o mínimo para um teste justo, e mesmo assim você está comparando um modelo pós-treinado com um modelo base, o que não é um teste justo de forma alguma.

Onde o modelo local termina e o restante da stack começa

Qualquer que seja o checkpoint que escolher, ele ficará dentro de uma aplicação que também precisa de modelos que ele não consegue executar. Um modelo base de 2,6B ou um modelo conversacional de 4B dá conta da camada de reflexo local; não dá conta de um documento de 200K tokens, de uma tarefa difícil de programação ou de um pedido que exige o julgamento de um modelo de fronteira. Encaminhar esses pedidos por uma única API — mais de 200 modelos, 0% de margem sobre o preço de tabela do fornecedor, failover automático entre fornecedores — mantém o modelo local como o caminho rápido sem forçar um segundo contrato para o modelo lento.

Qual download é o seu?

Escolha o E4B se você precisa hoje de um modelo pequeno que conversa, segue instruções e chama ferramentas, e consegue conviver com um download de 6,18 GB e com as fraquezas documentadas em contexto longo e em capacidades agênticas. Escolha o LFM2.5-2.6B-Base se está iniciando um projeto de fine-tuning, quer uma janela de 128K e um tokenizador para 16 idiomas, e tem os dados e a capacidade computacional para ensinar o modelo a desempenhar sua função.

O erro a evitar é baixar o Base, fazer prompting nele como se fosse um chatbot e concluir que o modelo de 2,6B da Liquid é pior que o de 4B da NVIDIA. Ele não é pior. Está mais cedo no pipeline. A comparação que realmente resolveria a questão da família seria o Bolt E4B contra o LFM2.5-2.6B pós-treinado, e ninguém publicou essa execução ainda.