LFM3-1.7B เทียบกับ Nemotron 3.5 Lightning 30B A3B: หนึ่งกิกะไบต์ปะทะยี่สิบสอง

การเปรียบเทียบโมเดลส่วนใหญ่มักเริ่มต้นด้วยตาราง benchmark แต่ครั้งนี้ต้องเริ่มด้วยงบหน่วยความจำ เพราะ LFM3-1.7B และ Nemotron 3.5 Lightning 30B A3B ไม่ได้แข่งขันกันในช่องเดียวกันของระบบ โมเดลของ NVIDIA ซึ่งเปิดตัวเมื่อวันที่ 11 สิงหาคม 2026 ภายใต้ OpenMDW-1.1 ต้องใช้ประมาณ 22 GB ในบิลด์ NVFP4 ของมัน ส่วนโมเดลของ Liquid AI ที่ประกาศเมื่อวันที่ 27 ตุลาคม 2026 ต้องใช้ประมาณ 1 GB ที่ 4-bit และออกแบบมาให้รันบนโทรศัพท์ สำหรับโมเดลใดก็ตามที่เราไม่ได้โฮสต์เอง การ routing คือพื้นผิวควบคุมมากกว่าโฮสต์ ราคาตามรายการของผู้ให้บริการจะถูกส่งผ่านในอัตรา มาร์กอัป 0%.

ทุกสิ่งที่ตามมาจากข้อเท็จจริงนั้นล้วนเป็นผลสืบเนื่องมาจากข้อเท็จจริงนั้น Nemotron 3.5 Lightning เป็นโมเดลที่มีความสามารถมากกว่าในทุก benchmark ที่ทั้งสองผู้จำหน่ายเผยแพร่ — GPQA Diamond อยู่ที่ 75.57 เทียบกับ 63.37, SWE-bench Verified อยู่ที่ 52.80 เทียบกับ 43.40 ตามที่ระบุไว้ในแผงการประเมินบนการ์ด Hugging Face ของ NVIDIA เอง นอกจากนี้ยังมีหน้าต่างบริบทสูงสุดถึง 1 ล้านโทเคน เทียบกับ 262,144 หากคำถามของคุณคือโมเดลใดดีกว่า คำตอบนั้นชัดเจนไม่มีกำกวม และหน้านี้สามารถจบลงตรงนี้ได้

คำถามที่ควรถามแทนคือ โมเดลไหนมีบทบาทใน deployment ของคุณ โมเดลขนาด 22 GB ไม่สามารถรันบนโทรศัพท์ แล็ปท็อป หรือ Jetson ในรูปแบบการใช้งานใด ๆ ที่มีประโยชน์ได้ โมเดลขนาด 1 GB ไม่สามารถซ่อม repository ได้ สิ่งเหล่านี้เป็นข้อจำกัดที่แตกต่างกัน และการเปรียบเทียบที่นับแค่คะแนน benchmark จะบอกให้คุณซื้อตัวที่ผิด

อะไรกันแน่ที่เข้ากับที่ไหน

Nemotron 3.5 Lightning 30B A3B เป็นโมเดลแบบผสมผู้เชี่ยวชาญแบบไฮบริด: พารามิเตอร์รวม 30 พันล้านตัว โดยมีประมาณ 3 พันล้านตัวที่ทำงานอยู่ ผู้เชี่ยวชาญแบบ routed 128 ราย โดยมี 6 รายที่ทำงานพร้อมผู้เชี่ยวชาญแบบ shared หนึ่งราย และเลเยอร์ state-space ของ Mamba-2 สลับกับเลเยอร์ full-attention จำนวนเล็กน้อย NVIDIA ให้มาพร้อมน้ำหนักอ้างอิง BF16 และบิลด์ NVFP4 ขนาดประมาณ 22 GB ที่ใส่ได้ใน GPU เดียว และโมเดลนี้ทำงานบนฮาร์ดแวร์ B200, H100, H200, A100, GB200, DGX Spark, RTX 5090 และ Jetson

LFM3-1.7B เป็นโมเดลแบบ dense ที่มีขนาดเล็ก: มีพารามิเตอร์ 1.73 พันล้านตัว, 24 เลเยอร์ของ gated short convolution และ sparse attention, ขนาด 3.46 GB ใน BF16 และประมาณ 1 GB ที่ 4-bit การ์ดของ Liquid ระบุว่ามันใส่ได้ในโทรศัพท์หรือแล็ปท็อป และด้วยขนาดเท่านี้ ข้อกล่าวอ้างนั้นก็ยืนได้

• จำนวนพารามิเตอร์ทั้งหมด — 1.73B แบบ dense สำหรับ LFM3-1.7B; 30B โดยมีประมาณ 3B ที่ใช้งานอยู่สำหรับ Nemotron 3.5 Lightning

• หน่วยความจำเมื่อนำไปใช้งาน — ประมาณ 1 GB ที่ 4-bit เทียบกับประมาณ 22 GB ใน NVFP4

• บริบท — 262,144 โทเคน เทียบกับสูงสุด 1,000,000 โดย 256K บน H100 เครื่องเดียว และ 262K บนเอนด์พอยต์ที่โฮสต์

• โมดัลลิตี — ทั้งสองรองรับเฉพาะข้อความเท่านั้น ไม่มีตัวใดมีเส้นทางการประมวลผลภาพหรือเสียงในเช็กพอยต์เหล่านี้

• ภาษา — สิบหกภาษาที่ระบุชื่อสำหรับ LFM3-1.7B; ภาษาอังกฤษพร้อมอีกห้าภาษาสำหรับ Nemotron 3.5 Lightning

• สัญญาอนุญาต — LFM Open License v1.0 ใช้งานฟรีเมื่อรายได้ต่อปีต่ำกว่า 10 ล้านดอลลาร์ เทียบกับ OpenMDW-1.1 ซึ่งอนุญาตให้ใช้เชิงพาณิชย์และไม่เชิงพาณิชย์โดยไม่มีเงื่อนไขเรื่องรายได้

ข้อโต้แย้งเรื่องความเร็วของ Nemotron ไม่ได้อยู่ที่ว่ามันมีขนาดเล็ก

การอ่าน "Lightning" และ "3B active" ว่าเป็นจุดขายเดียวกับโมเดล dense ขนาดเล็กนั้นเป็นเรื่องง่าย แต่ไม่ใช่เช่นนั้น เรื่องราวความเร็วของ NVIDIA ตั้งอยู่บนสามสิ่งซึ่งโมเดล LFM3 ไม่มี ได้แก่ สถาปัตยกรรมไฮบริด Mamba-2 ที่ขยายได้ดีกว่าในลำดับยาว การทำนายหลายโทเค็นพร้อมการถอดรหัสแบบ speculative และโมเดลร่างเฉพาะ — DSpark สำหรับ DGX Spark และการตั้งค่าที่มี concurrency ต่ำ โดยมี DFlash เป็นทางเลือก

ผลการวัดที่เผยแพร่ช่วยยืนยันเรื่องนี้ บน DGX Spark, vLLM ที่ใช้ DSpark ทำได้ประมาณ 115.8 โทเคนต่อวินาทีในโหมดสตรีมเดี่ยว และประมาณ 422 โทเคนต่อวินาทีโดยรวมเมื่อมีคำขอพร้อมกันแปดคำขอ เทียบกับประมาณ 79.6 โทเคนต่อวินาทีเมื่อไม่ใช้ speculative NVIDIA อ้างว่าสามารถสร้างได้เร็วกว่าโมเดลที่มีขนาดใกล้เคียงกันถึงสี่เท่า และวางตำแหน่งโมเดลไว้บน Pareto frontier ด้านความแม่นยำ-ความเร็ว

ข้อได้เปรียบด้านความเร็วของ LFM3-1.7B นั้นแตกต่างออกไปในเชิงประเภท มันเร็วเพราะแทบไม่มีอะไรต้องรัน — พารามิเตอร์แบบ dense 1.73 พันล้านตัว, KV cache 1.6 GB ที่ 128K โทเคน และไม่มีภาระจากการ routing Liquid รายงานว่าการถอดรหัสเร็วกว่ารุ่นก่อนหน้าของตัวเอง 1.8 ถึง 2.8 เท่าบนฮาร์ดแวร์ที่ทดสอบ และ 3.6 พันล้านโทเคนต่อวันบน NVIDIA B300 หนึ่งตัว นั่นคือ throughput บนฮาร์ดแวร์ที่ไม่มีใครใส่ไว้ในโทรศัพท์

โมเดลทั้งสองเร็วด้วยเหตุผลที่ตรงกันข้าม: โมเดลหนึ่งเร็วเพราะใช้วิศวกรรมทำให้โมเดลขนาดใหญ่คำนวณต่อโทเคนน้อยลง ส่วนอีกโมเดลเร็วเพราะมีขนาดเล็กพอจนประเด็นนี้ไม่สำคัญ บนเซิร์ฟเวอร์ งานวิศวกรรมชนะ บนอุปกรณ์ โมเดลเล็กคือทางเลือกเดียวที่มีอยู่

ช่องว่างด้านขีดความสามารถ พูดอย่างตรงไปตรงมา

การ์ด Hugging Face ของ NVIDIA ระบุ 81.62 บน MMLU-Pro, 75.57 บน GPQA Diamond และ 52.80 บน SWE-bench Verified สำหรับ Nemotron 3.5 Lightning 30B A3B ส่วน Liquid รายงาน 63.37 บน GPQA Diamond และ 43.40 บน SWE-bench Verified สำหรับ LFM3-1.7B และไม่ได้เผยแพร่ตัวเลข MMLU-Pro สำหรับโมเดลนั้นเลย

สองในสามรายการนั้นเปรียบเทียบกันได้โดยตรง และทั้งสองรายการให้ผลดีกับ NVIDIA โดยมีส่วนต่าง 12.2 และ 9.4 คะแนน นั่นคือช่องว่างที่แท้จริงในงานที่โมเดลแบบเดนส์ขนาดเล็กอ่อนแอที่สุดพอดี ได้แก่ การให้เหตุผลทางวิทยาศาสตร์ระดับบัณฑิตศึกษาและการซ่อมโค้ดระดับรีโพซิทอรี การ์ดโมเดลของ Liquid เองก็ยอมรับประเด็นที่สอง โดยระบุว่าไม่แนะนำให้ใช้โมเดลนี้สำหรับการเขียนโค้ดแบบเอเจนต์หรือการให้เหตุผลหลายขั้นตอนที่ซับซ้อน เนื่องจากโมเดลมีขนาดเล็ก

ข้อควรระวังเกี่ยวกับตัวเลขที่แน่นอน: ตัวเลขที่ NVIDIA เผยแพร่สำหรับ checkpoint นี้คลาดเคลื่อนเล็กน้อยระหว่างเอกสารเปิดตัวกับแผงประเมินผลบน Hugging Face — บทความก่อนหน้านี้อ้างอิง 75.44 และ 51.56 สำหรับสอง benchmark เดียวกัน ทิศทางและขนาดคร่าว ๆ ของช่องว่างนั้นคงที่ในทุกเวอร์ชัน; ควรถือว่าค่าทศนิยมเฉพาะเจาะจงเป็นตัวเลขที่ผู้ขายรายงานและขึ้นอยู่กับเวอร์ชัน มากกว่าที่จะเป็นคะแนนคงที่

ในส่วนที่ LFM3-1.7B มีตัวเลขของตัวเอง ตัวเลขเหล่านั้นเป็นแบบ agentic มากกว่าที่จะอิงความรู้: 71.39 บน BFCL V4, 80.36 บน ToolSandbox, 68.01 บน τ³-bench, 38.42 บน WebArena-Verified, 96.66 บน IFEval NVIDIA ไม่ได้เผยแพร่ตัวเลข BFCL หรือ ToolSandbox สำหรับเช็กพอยต์นี้ ดังนั้นจึงไม่สามารถนำมาเทียบกันได้ NVIDIA รายงานความแม่นยำ 86% บน PinchBench จากงาน 10,000 งาน โดยทำเสร็จเร็วกว่า Qwen3.6-35B 30% ที่ความแม่นยำใกล้เคียง — ซึ่งเป็นข้อกล่าวอ้างที่ Liquid ไม่มีสิ่งใดเทียบได้ ผู้จำหน่ายทั้งสองเพียงวัดสิ่งที่แตกต่างกัน และมีเพียงส่วนที่ทับซ้อนกันเท่านั้นที่สนับสนุนข้อสรุป

บริบทคือช่องว่างที่แท้จริงที่กว้างที่สุด

หนึ่งล้านโทเคนเทียบกับ 262,144 ไม่ใช่ความแตกต่างเพียงเล็กน้อย หน้าต่างเนทีฟของ Nemotron 3.5 Lightning ยาวกว่าถึงสี่เท่า และแม้แต่การกำหนดค่าแบบอนุรักษ์นิยมด้วย H100 เครื่องเดียวที่ 256K ก็ยังเทียบเท่าค่าสูงสุดของโมเดล LFM3 สำหรับเวิร์กโหลดที่สร้างขึ้นรอบบริบทของทั้งรีโพซิทอรี เทรซของเอเจนต์ระยะยาว หรือทรานสคริปต์ที่ยาวเป็นชั่วโมง หน้าต่างของโมเดลเล็กคือข้อจำกัดที่คุณจะพบก่อนความสามารถของมัน

อย่างไรก็ควรสังเกตว่า "หน้าต่างบริบทยาว" กับ "การรักษาบริบทยาว" เป็นข้อกล่าวอ้างที่แตกต่างกัน LFM3-1.7B รายงานคะแนน 65.56 บน RULER ที่ 128K ซึ่งถือว่าไม่สูงนัก — โมเดลรับโทเค็นได้ถึง 262K แต่ไม่ได้รักษาบริบททั้งหมดนั้นได้ดีเท่ากัน NVIDIA ยังไม่ได้เผยแพร่ตัวเลข RULER สำหรับเช็กพอยต์นี้ในเอกสารที่ตรวจสอบ هنا ดังนั้นจึงไม่สามารถเปรียบเทียบความสามารถในการรักษาบริบทได้ อย่าสันนิษฐานว่าหน้าต่าง 1M จะหมายถึงความสามารถในการใส่ใจบริบทที่ใช้งานได้จริง 1M

สัญญาอนุญาตมีความแตกต่างกันมากกว่าที่เกณฑ์มาตรฐานบ่งชี้

นี่คือมิติเดียวที่ผู้จำหน่ายของโมเดลขนาดเล็กเลือกทางที่สะดวกน้อยกว่า Nemotron 3.5 Lightning 30B A3B เปิดตัวภายใต้ OpenMDW-1.1 ซึ่งอนุญาตให้ใช้เชิงพาณิชย์และไม่เชิงพาณิชย์โดยไม่มีเกณฑ์รายได้ ส่วน LFM3-1.7B อยู่ภายใต้ LFM Open License v1.0 ใช้ฟรีเชิงพาณิชย์เมื่อรายได้ต่อปีต่ำกว่า 10 ล้านดอลลาร์ และต้องมีใบอนุญาตเชิงพาณิชย์แบบเสียค่าใช้จ่ายเมื่อเกินเส้นนั้น

สำหรับนักพัฒนารายบุคคลหรือสตาร์ทอัพ ความแตกต่างนี้เป็นเพียงเชิงทฤษฎีเท่านั้น สำหรับทีมภายในบริษัทขนาดใหญ่ หรือทีมที่วางแผนจะเป็นบริษัทขนาดใหญ่ นี่คือขั้นตอนการจัดซื้อจัดจ้างที่ Nemotron หลีกเลี่ยงได้ทั้งหมด เมื่อพิจารณาว่าสิ่งที่ LFM3-1.7B นำเสนอทั้งหมดคือการติดตั้งใช้งานภายในผลิตภัณฑ์ของคุณเอง ใบอนุญาตจึงคุ้มค่าที่จะอ่านก่อนที่สถาปัตยกรรมจะคุ้มค่าที่จะชื่นชม

ในกรณีที่โมเดล 1 GB ยังคงเป็นคำตอบ

ไม่มีข้อใดข้างต้นทำให้ LFM3-1.7B เป็นโมเดลที่ไม่ดี สิ่งเหล่านั้นทำให้มันเป็นโมเดลที่มีขอบเขตการนำไปใช้งานแคบ และภายในขอบเขตนั้น ไม่มีสิ่งใดเกี่ยวกับ Nemotron 3.5 Lightning ที่เกี่ยวข้องเลย เพราะโมเดลที่ใหญ่กว่านั้นไม่สามารถอยู่ในขอบเขตดังกล่าวได้เลย

หากผลิตภัณฑ์ต้องนำไปใช้บนโทรศัพท์ แล็ปท็อป AI PC ที่ไม่มี GPU แยก หรืออุปกรณ์ภาคสนาม LFM3-1.7B ไม่ใช่ตัวเลือกที่ต้องประนีประนอม — แต่เป็นสมาชิกเพียงตัวเดียวในคู่นี้ที่รันได้ การมีบริบท 262,144 โทเค็นบนอุปกรณ์ที่พกใส่กระเป๋าได้นั้นถือว่าหายากอย่างแท้จริง และคำศัพท์ 16 ภาษาครอบคลุมการติดตั้งใช้งานในภูมิภาคส่วนใหญ่ สำหรับการเรียกใช้เครื่องมือ การสกัดข้อมูลแบบมีโครงสร้าง การจำแนกประเภท และผู้ช่วยภายในเครื่อง เท่านี้ก็เพียงพอที่จะสร้างผลิตภัณฑ์ได้

รูปแบบที่เหมาะสมสำหรับทีมส่วนใหญ่คือทำทั้งสองอย่างแบบแบ่งชั้น เก็บ LFM3-1.7B ไว้บนอุปกรณ์สำหรับการเรียกที่รวดเร็ว เป็นส่วนตัว และมีรูปแบบตามสคีมา และส่งงานที่ต้องใช้การให้เหตุผลหนัก ๆ หรืองานระดับทั้งรีโพซิทอรีไปยังโมเดลฝั่งเซิร์ฟเวอร์ นี่เป็นการตัดสินใจเชิงสถาปัตยกรรม ไม่ใช่การเลือกโมเดล และบังเอิญว่ามันเป็นวิธีที่เอเจนต์ที่ใช้งานจริงส่วนใหญ่ถูกสร้างขึ้นอยู่แล้ว

จุดที่ชั้นการจัดเส้นทาง (routing layer) เข้าไปอยู่คือชั้นเซิร์ฟเวอร์ Nemotron 3.5 Lightning ให้บริการผ่านสแตกของ NVIDIA เองและแพลตฟอร์มของบุคคลที่สามจำนวนหนึ่ง และบทบาทของ OrcaRouter ก็คือบทบาทที่มันทำสำหรับโมเดลใด ๆ ที่เราไม่ได้โฮสต์เอง: คีย์เดียวและใบเสร็จเดียวสำหรับกว่า 200 โมเดล ราคาตามรายการของผู้ให้บริการที่ส่งต่อโดยบวกเพิ่ม 0% และการสลับไปยังผู้ให้บริการรายอื่นโดยอัตโนมัติ (failover) เพื่อให้เอเจนต์ที่ทำงานยาวนานไม่ล้มเหลวเพราะปลายทางหนึ่งเสื่อมประสิทธิภาพ ทั้ง LFM3-1.7B และ Nemotron 3.5 Lightning ยังไม่มีอยู่ในแคตตาล็อกของเราในวันนี้ — ทั้งคู่เป็นดาวน์โหลดแบบโอเพนเวท และตัวเล็กนั้นมีไว้สำหรับรันบนฮาร์ดแวร์ที่คุณเป็นเจ้าของเอง

จุดสำคัญอยู่ที่พื้น

ถ้าคุณมี GPU และปัญหาของคุณคือเรื่องความสามารถ Nemotron 3.5 Lightning 30B A3B เป็นโมเดลที่ดีกว่าอย่างชัดเจน และไม่มีอะไรให้ต้องโต้แย้ง มันให้เหตุผลได้ดีกว่า ซ่อมโค้ดได้ดีกว่า รองรับบริบทได้มากกว่าสี่เท่า และไลเซนส์ของมันไม่มีเงื่อนไขทดสอบรายได้

หากคุณมีอุปกรณ์หนึ่งและปัญหาของคุณคือไม่มีสิ่งอื่นใดที่ใส่ลงไปได้อีกแล้ว การเปรียบเทียบก็จะกลับทิศโดยสิ้นเชิง โมเดลขนาด 22 GB ไม่ใช่ตัวเลือก และตัวเลขที่เกี่ยวข้องจะกลายเป็น 1 GB, 262,144 โทเคน และโปรไฟล์การเรียกใช้เครื่องมือที่แข็งแกร่งพอจน Liquid ประกาศให้เป็นความสามารถเด่นของโมเดลนี้

คำถามที่ยังคงเปิดอยู่คือสูตรประสิทธิภาพของ Nemotron จะบีบอัดได้อีกหรือไม่ โมเดล 30B ที่มีพารามิเตอร์ที่ใช้งานจริง 3B ก็รันบน Jetson ได้แล้ว; โมเดลระดับ 2B ที่แข็งแกร่งอย่างแท้จริงในตระกูลเดียวกันจะทำให้ทั้งสองอยู่ในบทสนทนาเดียวกัน แทนที่จะอยู่คนละฝั่งของกำแพงหน่วยความจำ จนถึงตอนนั้น การเปรียบเทียบที่ซื่อตรงไม่ใช่ระหว่างคะแนน benchmark ของพวกมัน แต่เป็นระหว่างฮาร์ดแวร์ที่แต่ละตัวต้องใช้ — และมีเพียงตัวเดียวเท่านั้นที่ไม่ต้องใช้เลย