NVIDIA Nemotron Labs Dory 1.0 4B vs LFM2.5 2.6B Base: Um está finalizado, o outro, deliberadamente, não

NVIDIA Nemotron Labs Dory 1.0 4B e LFM2.5-2.6B-Base são ambos pequenos, ambos somente texto, ambos baixáveis como GGUF e ambos executados por você mesmo — e ficam em extremos opostos do pipeline de pós-treinamento. O Dory chega totalmente finalizado: ajuste fino supervisionado em um conjunto curado pela NVIDIA, depois aprendizado por reforço em múltiplos ambientes com GRPO, com o raciocínio permanentemente ativado no caminho de serviço. O LFM2.5-2.6B-Base chega deliberadamente inacabado, descrito em sua própria ficha como um checkpoint pré-treinado "recomendado apenas para tarefas que exigem ajuste fino pesado". A Liquid AI distribui a versão finalizada desse modelo separadamente como LFM2.5-2.6B, pós-treinada para cargas de trabalho agênticas. Então, o enquadramento honesto não é "qual modelo da classe 4B é melhor", porque um checkpoint base e um modelo de raciocínio finalizado não estão competindo pelo mesmo espaço na sua stack. A pergunta útil é para qual metade do pipeline você está comprando.

O que cada artefato realmente é

N​VIDIA N​emotron Labs Dory 1.0 4B é um modelo denso de 4B publicado pela NVIDIA no Hugging Face em quatro quantizações — BF16, MXFP8, NVFP4 e uma exportação Q5_K_M GGUF — sob a licença OpenMDW 1.1. Seu cartão marca a build como "GA (10/16/2026)" e descreve uma arquitetura em loop, latente-recorrente: um bloco de entrada de 8 camadas, um bloco recorrente de 20 camadas aplicado um número variável de vezes e um bloco de saída de 8 camadas, com atenção híbrida intercalada de janela deslizante e atenção completa. O contexto chega a 256K tokens, o idioma é apenas inglês, e todo o lançamento foi publicado sem nenhum anúncio acompanhante da NVIDIA. O cartão observa que o raciocínio está sempre ativado no caminho de serving do vLLM, o que é uma declaração sobre intenção tanto quanto sobre mecânica: este não é um preditor de texto bruto que completará seu documento, é um modelo configurado para pensar antes de responder.

LFM2.5-2.6B-Base é o checkpoint pré-treinado de 2,69B da Liquid AI, lançado sob a própria licença LFM da empresa (marcada como lfm1.0) e atualizado em meados de agosto de 2026. É o checkpoint bruto do qual o resto da linha 2.6B deriva. A arquitetura é um híbrido de 22 blocos de convolução curta com porta dupla e 8 camadas de atenção com consulta agrupada, treinado em aproximadamente 34 trilhões de tokens com uma extensão de contexto durante o treinamento intermediário para 128K, sobre um vocabulário de 128.000 tokens e 16 idiomas. O cartão é explícito sobre o público: assistentes específicos de domínio, trabalho específico de idioma, treinamento em dados proprietários. Não há comportamento de template de chat a mencionar, porque não há ajuste de instrução nele.

Ambos recebem texto e devolvem texto. É mais ou menos aí que as semelhanças acabam.

O contraste da especificação, lado a lado

• Parâmetros — Dory 1.0 4B é uma pilha densa de 4B. LFM2.5-2.6B-Base tem 2,69B. A diferença é menor do que os nomes sugerem, e ambos cabem confortavelmente em um único acelerador de consumidor com quantização razoável.

• Pós-treinamento — Dory tem SFT além de RL multambiente em matemática, código, ciência, seguimento de instruções, uso de ferramentas e saída estruturada. LFM2.5-2.6B-Base não tem nada disso, por design. Se você precisa de um modelo que siga instruções prontas para uso, uma destas opções é a escolha errada, e não é a que tem menos parâmetros.

• Contexto — Dory atinge 256K tokens, com 262.144 posições validadas no vLLM sob o comando de lançamento fornecido pela NVIDIA. O LFM2.5-2.6B-Base suporta 131.072 tokens, alcançados por meio de uma extensão de treinamento intermediário. A janela da Dory é aproximadamente o dobro; se você pode se dar ao luxo de preenchê-la depende do comportamento do KV-cache discutido abaixo.

• Idiomas — Dory é apenas em inglês, com dados de pré-treinamento que abrangem 43 linguagens de programação. O LFM2.5-2.6B-Base abrange 16 idiomas naturais, incluindo inglês, árabe, chinês, francês, alemão, italiano, japonês, coreano, português, espanhol, vietnamita, tailandês, indonésio, hindi, russo e polonês. Para qualquer coisa fora do inglês, esta dimensão decide por conta própria.

• Arquitetura — híbrido de convolução curta + atenção do lado da Liquid; GPT normalizado latente-recorrente em loop com atenção de janela deslizante intercalada do lado da NVIDIA. Ambas são desvios de uma pilha de transformer comum, e divergem em direções diferentes.

• Comportamento de computação — A profundidade do Dory é um parâmetro de runtime. Uma contagem de ciclos de 1, 2 ou 4 troca poder de computação por precisão sem um segundo checkpoint, e a NVIDIA recomenda dois como predefinição. O LFM2.5-2.6B-Base tem profundidade fixa; a sua alavanca de custo é a quantização e, na família mais ampla, um drafter especulativo.

• Licença — OpenMDW 1.1 para Dory, a licença LFM para o checkpoint Liquid. Ambas permitem uso comercial; a licença Liquid é própria da empresa, em vez de um texto padrão de código aberto, o que vale a pena ler em vez de presumir.

• Formatos disponibilizados — Dory: BF16, MXFP8, NVFP4, GGUF. LFM2.5-2.6B-Base: pesos BF16 no Hub, com builds GGUF, ONNX e MLX disponíveis em outros lugares da família. O ecossistema Liquid é mais amplo aqui; os repositórios Dory têm apenas algumas horas.

O ajuste fino é o eixo que os separa.

Se a razão pela qual você está considerando o LFM2.5-2.6B-Base é que pretende treinar sobre ele — um assistente de domínio, um corpus proprietário, um idioma que o modelo base já fala —, então o Dory 1.0 4B é um substituto ruim por um motivo que nada tem a ver com qualidade. Fazer fine-tuning de um modelo de raciocínio totalmente pós-treinado para executar uma tarefa restrita costuma ser mais difícil do que fazer fine-tuning de um checkpoint base, porque você está lutando contra o comportamento que a etapa de RL instalou, em vez de moldar um preditor em branco. O card da Liquid recomenda seu checkpoint base para trabalhos específicos de domínio e idioma exatamente por esse motivo, e 34 trilhões de tokens de pré-treinamento em 16 idiomas são um ponto de partida mais amplo do que um modelo apenas em inglês oferece.

Mas o cartão do Dory é silencioso quanto ao fine-tuning de uma forma que é, em si, informativa. Ele documenta o pipeline de treinamento, publica os formatos e dá instruções de serving para dois engines; não diz nada sobre adaptadores, suporte a LoRA ou uma receita de fine-tuning. Esse é o perfil de um checkpoint publicado para ser servido, não para ser treinado. Ler a ausência de evidência como evidência seria um erro, mas a assimetria merece ser nomeada: um cartão se promove para quem faz fine-tuning, o outro se promove para quem faz deploy.

Mais uma nota de honestidade sobre números. A Liquid publica uma tabela completa de avaliação para o LFM2.5-2.6B pós-treinado contra Gemma 4 E2B e E4B e Qwen3.5-4B e 9B, e essa tabela não é transferível para o checkpoint base — um modelo base avaliado em benchmarks de seguimento de instruções mede algo diferente de um modelo pós-treinado avaliado nos mesmos benchmarks. A NVIDIA publica uma tabela de benchmark para Dory contra Qwen3.5-4B, Qwen3.5-9B, Gemma 4 26B A4B e Qwen3.6-35B-A3B, medida em seu próprio harness, sem reprodução independente. Não há resultado de harness compartilhado para Dory e qualquer um dos checkpoints LFM, e nenhuma comparação direta publicada.

Executando-os em hardware real

A história do edge é onde os dois divergem mais acentuadamente na prática, e a Liquid vence isso claramente. A família LFM2.5 é construída para implantação no dispositivo — o irmão instruct de 2,6B é avaliado em 220 tokens por segundo em um Apple M5 Max e 113 em um Ryzen AI Max+ 395, em menos de 2,5 GB de memória, com um valor declarado de cerca de 30 tokens por segundo para classe de celular. Há builds ONNX e MLX na família e um modelo de rascunho especulativo de 328M, DSpark, que a empresa diz proporcionar decodificação aproximadamente 2,6× mais rápida com saídas idênticas. Se o seu alvo é um laptop, um mini-PC ou um celular, o LFM2.5-2.6B-Base está do lado certo dessa linha e o Dory não é obviamente projetado para isso.

O caminho de serving do Dory é mais restrito e mais recente. O suporte ao vLLM está em revisão em um pull request aberto e, até que ele seja mesclado, o card orienta a instalar o vLLM a partir desse branch com uma flag de kernel pré-compilado e depois servir com overrides que definem a contagem de loops e o modo de KV-cache. O suporte ao llama.cpp está em um segundo pull request aberto, com um commit fixado e instruções de build voltadas para macOS ARM64 nativo em Apple Silicon. Os números de velocidade publicados pela NVIDIA são ganhos de velocidade de quantização em um DGX Spark, e não de throughput: 1,69× e 1,84× para MXFP8 sobre BF16, dependendo da combinação de comprimentos de entrada/saída; 2,17× e 2,44× para NVFP4.

O contrapeso, e é um contrapeso de verdade, é o design de memória. O looping padrão mantém um cache KV separado por loop, de modo que a memória cresce a cada passada adicional — o que costuma ser o motivo pelo qual arquiteturas recorrentes são difíceis de servir. O Dory oferece suporte a um modo de cache KV de último loop que mantém um único cache por camada de atenção recorrente e o sobrescreve a cada passada, mantendo a pegada de memória em aproximadamente o tamanho de um único loop para qualquer número de loops. A NVIDIA diz que a precisão permanece próxima à do modo por loop, com comprimentos de saída quase inalterados. Essa alegação é a coisa mais valiosa na ficha do Dory a se verificar, porque, se ela se sustentar, a janela de 256K é viável com mais de um loop; e, se não se sustentar, o recurso de profundidade elástica é muito menos útil do que parece.

O que um roteador faz e não faz aqui

Nenhum dos modelos está no catálogo do OrcaRouter. O NVIDIA Nemotron Labs Dory 1.0 4B é somente pesos, sem endpoint hospedado em nenhum lugar que possamos confirmar, e o LFM2.5-2.6B-Base é um checkpoint de ajuste fino que nenhuma plataforma serviria sensatamente como está — seu irmão pós-treinado é o que deve ficar atrás de uma API. Também não há modelos LFM2.5 hospedados em nosso catálogo, então a afirmação precisa é a mais sem graça: para esta comparação, tudo roda no seu hardware.

Que é precisamente quando uma camada de roteamento deixa de ser um encanamento opcional e passa a ser uma ferramenta de teste. Executar um experimento de ajuste fino em um checkpoint base e um experimento de serving em um 4B em loop significa duas pilhas locais, dois conjuntos de quantizações, dois conjuntos de flags de serving e nenhuma maneira limpa de comparar qualquer um deles com os modelos hospedados que são a linha de base real da sua aplicação. O OrcaRouter existe para essa segunda metade: uma única chave de API alcança os modelos hospedados com os quais você faria benchmark ao preço de lista do provedor, com 0% de margem, para que o grupo de controle não precise do próprio SDK nem do próprio contrato. A DSL de roteamento permite que um endpoint auto-hospedado e endpoints hospedados fiquem atrás de uma única chamada, e o failover automático mantém uma longa execução de avaliação viva quando um pool local de GPUs está ocupado. Ela não vai dizer se o checkpoint base da Liquid se sai melhor após ajuste fino do que o modelo finalizado da N​VIDIA se sai em serving. Ela remove o custo de configuração de descobrir isso.

Escolhendo entre eles

Escolha o LFM2.5-2.6B-Base se você está comprando um ponto de partida, e não uma resposta: você tem dados de treinamento, precisa de um idioma que Dory não fala, quer rodar em Apple Silicon ou em uma NPU, ou quer o caminho de decodificação especulativa e as builds ONNX e MLX que acompanham a família. Ele é o artefato menor, mais rápido, mais multilíngue e mais conectado ao ecossistema, e é honesto sobre não estar finalizado.

Escolha o NVIDIA Nemotron Labs Dory 1.0 4B se você está comprando um comportamento implantado: você quer um modelo de raciocínio pronto, com treinamento de chamada de ferramentas e de saída estruturada já incluído, você só usa inglês, seu contexto é longo, e você está disposto a compilar o vLLM ou o llama.cpp a partir de um branch hoje em troca de um controle de computação que nenhum modelo denso convencional oferece. Aceite que você será uma das primeiras pessoas fora da NVIDIA a executá-lo, que cada número na ficha dele é um número de fornecedor, e que a alegação de KV-cache do último loop — o único recurso que torna todo o design prático — não foi verificada.

A comparação que seria realmente informativa é a do Dory 1.0 4B contra o LFM2.5-2.6B pós-treinado, e ninguém a publicou. Se o modelo instruct de 2,6B da Liquid e o 4B de profundidade elástica da NVIDIA ficarem a poucos pontos um do outro na sua carga de trabalho, então o fator decisivo passa a ser a diferença de memória de 2,69B contra 4B e a lacuna de maturidade, não a arquitetura. Esse é o experimento que vale a pena executar, e executá-lo está mais barato do que estava na semana passada.

Nada disso é hipotético: as falhas de IA documentadas e os incidentes com agentes por trás de lançamentos como este estão reunidos no Arquivo de Incidentes de IA da OrcaRouter, onde cada entrada traz as suas próprias fontes, gravidade, grau de confiança e sinalização de contestação.