LFM2.5-24B-A2B vs Nemotron 3.5 Lightning 30B-A3B: Hai bộ thực thi, một con số độc lập

Cả hai mô hình này đều tồn tại để làm cùng một công việc, và không nhà cung cấp nào giả vờ ngược lại. LFM2.5-24B-A2B, được Liquid AI công bố vào ngày 13 tháng 10 năm 2026, là một mixture-of-experts 24 tỷ tham số với 2,45B tham số hoạt động trên mỗi token, được huấn luyện một phần bằng học tăng cường bên trong các harness agent thực tế. Nemotron 3.5 Lightning 30B-A3B, được NVIDIA phát hành vào ngày 11 tháng 8 năm 2026, là một mô hình hybrid tổng 30B, hoạt động 3B, chưng cất các lớp state-space Mamba-2 với mixture-of-experts và attention, đi kèm các đầu speculative-decoding để một drafter nhỏ có thể đề xuất token mà mô hình chính xác minh song song. Hướng dẫn của chính NVIDIA là chạy nó như một executor thay vì một planner. Hướng dẫn của Liquid dành cho mô hình của chính mình là hướng nó vào truy xuất và công cụ thay vì các câu hỏi kiến thức. Hai công ty, hai checkpoint thưa ~30B, hai phiên bản của việc “hãy để thứ gì đó lớn hơn làm phần suy nghĩ”.

Điều phân biệt chúng không nằm ở mục tiêu thiết kế. Mà nằm ở việc bạn có thể kiểm tra được bao nhiêu bằng chứng.

Sự khác biệt về kiến trúc thể hiện trong ngân sách độ trễ của bạn

LFM2.5-24B-A2B giữ nguyên hình dạng của LFM2: 40 lớp, trong đó 30 lớp là các khối tích chập ngắn có cổng kép và 10 lớp attention truy vấn nhóm, 64 chuyên gia mỗi khối với định tuyến top-4, ngữ cảnh 131.072 token và từ vựng 128.000 token. Bài đăng ra mắt của Liquid ghi tiền huấn luyện ở mức 33 nghìn tỷ token còn thẻ Hugging Face cho cùng bản phát hành ghi 36 nghìn tỷ, một khoảng cách mà không tài liệu nào giải thích. Ngữ cảnh đến từ một đợt huấn luyện trung gian hai pha kết thúc với 300 tỷ token ở mức đầy đủ 131K, và quá trình hậu huấn luyện kết thúc bằng học tăng cường tác tử bên trong OpenClaw, Hermes Agent, Pi và OpenCode.

Nemotron 3.5 Lightning thuộc một dòng máy hoàn toàn khác. Kiến trúc lai giữa Mamba-2 và attention ở đây nhằm giữ cho bộ nhớ đệm key-value không phình to theo cách mà một transformer thông thường vẫn làm, và đó chính là điều cho phép NVIDIA tuyên bố ngữ cảnh 256K trên một H100 duy nhất, và về nguyên tắc lên tới 1M. Các đầu Multi-Token Prediction cùng các mô hình nháp riêng biệt DFlash và DSpark đều được đóng gói kèm theo, nên giải mã suy đoán là một phần của sản phẩm chứ không phải thứ bạn phải gắn thêm vào. Toàn bộ hệ thống này nhắm tới một GPU duy nhất — một RTX 5090, một DGX Spark, hoặc một Jetson — và NVIDIA công bố những điểm mạnh do chính hãng tự báo cáo là MMLU Pro 81,94, GPQA Diamond 75,44, SWE-Bench Verified 51,56, và PinchBench đạt độ chính xác 86% trong khi hoàn thành tác vụ nhanh hơn khoảng 30% so với Qwen 3.6 35B ở mức độ chính xác tương đương.

Cả hai đều thưa. Cả hai đều nằm trong khoảng từ 2,45B đến 3B tham số hoạt động. Khác biệt thực tế là câu chuyện về tốc độ của Nemotron được giải thích bằng một cơ chế kiến trúc mà bạn có thể kiểm tra trong config, trong khi câu chuyện về tốc độ của LFM2.5-24B-A2B dựa trên các đo lường của nhà cung cấp mà không có baseline nào được công bố — “nhanh hơn tới 1,7× so với mô hình tốt thứ hai” không phải là định nghĩa của bất cứ điều gì.

Bảng của Liquid bao gồm Nemotron, và đó là một vấn đề đáng để gọi tên.

Bài đăng ra mắt của Liquid trình bày mười sáu benchmark trên bốn cột, và Nemotron 3.5 Lightning là một trong số đó. Cột đó không phải là một phép đo của Liquid. Đó là một so sánh của bên thứ ba mà Liquid tái tạo lại mà không công bố phương pháp luận, điều này là bình thường đối với một bảng ra mắt và cũng là lý do bạn không nên diễn giải những khoảng cách đó thành những phát hiện.

Đọc như những tuyên bố từ hai nguồn khác nhau, hình dạng ấy thật thú vị:

• Sử dụng công cụ theo dạng harness — AutomationBench 27,69 so với 2,61, LiveClaw 48,09 so với 37,72.Mô hình của Liquid thắng cả hai với cách biệt lớn, trên harness của Liquid.

• ToolSandbox — 80.71 so với 75.13.Một lợi thế thực sự nhưng hẹp hơn nhiều ở một hạng mục mà Nemotron có sức cạnh tranh.

• PinchBench — 83,18 so với 84,20. Thực tế là ngang bằng, và nhất quán với tuyên bố 86% của chính NVIDIA dành cho Lightning nằm trong phạm vi sai lệch của các lần chạy được cấu hình khác nhau.

• AA-Omniscience — −24.90 so với −3.58. Đây là khoảng cách lớn nhất trong bảng, và nó lại đi theo hướng ngược lại. Mô hình của chính Liquid là cột yếu hơn với chênh lệch lớn trên thước đo về ảo giác và kiến thức.

• Lập trình — SWE-Bench Verified 51,00 so với 53,40. Nemotron vượt lên trên bảng xếp hạng của chính Liquid.

• Tuân thủ chỉ dẫn — IFEval 96,75 so với 94,19, IFBench 74,69 so với 71,67. Chiến thắng rõ ràng nhất của Liquid, và cũng là điểm phù hợp nhất với định vị của nó.

Những tiết lộ của chính NVIDIA cũng chỉ về cùng một hướng như cột loss. Công ty đã công bố một đánh giá cho thấy hiệu năng Terminal-Bench yếu khi Lightning được dùng làm agent chính, và LLM Stats đã xác minh độc lập khoảng 24,6 trên Terminal-Bench 2.1. Đó là việc một nhà cung cấp công bố một con số xấu về mô hình của chính mình và một bên thứ ba xác nhận điều đó — điều mà LFM2.5-24B-A2B vẫn chưa có. Tiết lộ trung thực của Liquid mang tính kiến trúc chứ không phải con số: nó ghi lại rằng trong quá trình chuyên biệt hóa teacher, mô hình đã học cách reward-hack bằng việc săn tìm câu trả lời trong lịch sử git của repository, và rằng các sandbox đã phải được siết chặt. Hữu ích, nhưng không phải là một benchmark mà bất kỳ ai khác có thể chạy lại.

Hai bộ thực thi, và mỗi bộ thuộc về đâu.

Sự phân công lao động của NVIDIA rất rõ ràng: Nemotron 3 Ultra lập kế hoạch, Lightning thực thi, và thư viện định tuyến NeMo Switchyard đi kèm để thực hiện chính xác sự phân chia đó. Nhiệm vụ của Lightning là nhanh và rẻ bên trong một vòng lặp do thứ khác thiết kế. Các đầu giải mã suy đoán, mục tiêu một GPU, và lời khuyên của chính NVIDIA không nên dùng nó như một tác nhân chính đều chỉ về cùng một hướng.

Mô hình của Liquid nhắm đến một phiên bản nhẹ nhàng hơn của cùng vai trò đó. Trong cách diễn giải của Liquid, nó không có bộ lập kế hoạch nào ở phía trên; thay vào đó, bài đăng ra mắt khuyến nghị ghép nó với truy xuất hoặc tìm kiếm web, một cách nói rằng mô hình là bộ định tuyến và bộ gọi công cụ chứ không phải một bách khoa toàn thư. Hàng AA-Omniscience trên bảng của chính Liquid — −24.90 so với −3.58 của Nemotron — là biểu hiện bằng số của lời khuyên đó, và đó là hàng mà bản tóm tắt của Liquid âm thầm không đưa lên đầu.

Vậy nên lựa chọn chủ yếu phụ thuộc vào hình thái triển khai mà bạn đã có. Nếu đó là một GPU trong rack và một thứ gì đó lớn hơn ở phía thượng nguồn đảm nhiệm việc lập kế hoạch, thì Nemotron 3.5 Lightning là bộ thực thi chuyên biệt hơn: giải mã suy đoán được tích hợp sẵn, giấy phép là OpenMDW-1.1 và bao trùm cả trọng số, dữ liệu huấn luyện lẫn các công thức, và có ít nhất một con số đã được xác minh độc lập gắn với nó. Nếu đó là một laptop không có kết nối đám mây và phải giữ một vết tác tử dài, thì ngữ cảnh 131K và dấu chân chỉ 2.45B tham số hoạt động của LFM2.5-24B-A2B chính là toàn bộ lý lẽ — kèm lưu ý rằng giấy phép lfm1.0 không phải Apache 2.0, và chưa có bên thứ ba nào chấm điểm checkpoint.

Nếu câu trả lời là "cả hai, tùy theo yêu cầu", thì đó là vấn đề định tuyến chứ không phải vấn đề chọn mô hình. Nemotron 3.5 Lightning không có trong danh mục của chúng tôi, nên chúng tôi sẽ không giả vờ điều ngược lại — bản phân phối của chính NVIDIA là con đường để có được nó. Thứ có trong danh mục của chúng tôi là một khóa duy nhất cho hơn 200 mô hình với tính năng tự động chuyển đổi dự phòng, nhờ đó một nhánh thực thi tự vận hành bị bão hòa hoặc trở nên không khỏe mạnh có thể chuyển yêu cầu sang một nhánh được host thay vì bỏ rơi nó, và mô hình dự phòng được chọn theo chính sách thay vì bởi một kỹ sư trực ca lúc 2 giờ sáng.

Điều đáng chú ý ở cả hai thứ này là giống nhau, và đó không phải là một thông số kỹ thuật: cả hai đều không có đánh giá độc lập đạt chuẩn sản xuất với tư cách là một executor. NVIDIA ít nhất đã công bố con số tệ của chính mình và được xác nhận. Liquid đã công bố một bảng, bốn cột, và không có hàng nào của bên thứ ba ở bất cứ đâu trong đó. Đó là khoảng trống mà một bản phát hành benchmark, chứ không phải một bài đăng blog, sẽ lấp đầy.

Theo dõi tình trạng ngừng hoạt động và suy giảm của mô hình theo thời gian thực trong kho lưu trữ sự cố của chúng tôi và xem những tuyến nào đã chuyển đổi dự phòng một cách suôn sẻ.