# LFM3-Omni-2B contre Qwen3.6 35B-A3B : banc d'essai sur un DGX Spark > Le nouveau LFM3-Omni-2B de Liquid AI entend, voit et parle dans environ 6 Gio, et sur un DGX Spark il écrit 2.5 fois plus vite que Qwen3.6 35B-A3B sur le même moteur. Il résout aussi moins de la moitié des problèmes de programmation et répond aux questions scientifiques comme le ferait le hasard. - Publié : 2026-10-30 - Auteur : Flavien Berwick - Catégorie : Recherche - Page web : https://carouter.ai/fr/blog/lfm3-omni-2b-vs-qwen3-6-35b-a3b-on-a-dgx-spark - En anglais : https://carouter.ai/blog/lfm3-omni-2b-vs-qwen3-6-35b-a3b-on-a-dgx-spark.md - Traduit de l'anglais par une IA. ![Recherche : LFM3-Omni-2B contre Qwen3.6 35B-A3B, banc d'essai sur un DGX Spark. Une requête sur llama.cpp : 160 tokens par seconde contre 65. Appels d'outils justes : 64 % contre 81 %. Questions scientifiques justes : 19 % contre 83 %. Les deux à 4 bits sur un NVIDIA DGX Spark.](https://carouter.ai/blog/lfm3-omni-2b-vs-qwen3-6-35b-a3b-on-a-dgx-spark/illustration.png) Liquid AI a publié LFM3-Omni-2B le 27 octobre. Avec 2.2 milliards de paramètres, il accepte du texte, des images, de la vidéo et du son, et il répond par écrit ou à voix haute. À 4 bits, c'est un fichier de 1 Gio pour llama.cpp, le moteur qu'on utilise pour faire tourner un modèle sur son propre ordinateur. Nous l'avons comparé à Qwen3.6 35B-A3B, le modèle derrière le point d'accès de programmation de CARouter Cloud, sur la puce du NVIDIA DGX Spark, qui est aussi celle de notre propre serveur. [Le dernier modèle testé de cette façon : Nemotron 3.5 Bolt E4B face à Qwen3.6 35B-A3B.](https://carouter.ai/fr/blog/nemotron-3-5-bolt-e4b-vs-qwen3-6-35b-a3b-on-a-dgx-spark) ## En bref - **Vitesse pour une requête.** LFM3-Omni-2B écrit 160 tokens par seconde. Qwen en écrit 65 sur le même moteur, et 119 tel que nous le servons. - **Vitesse à plusieurs.** Avec seize requêtes à la fois, il totalise 893 tokens par seconde, contre 229 pour Qwen sur le même moteur et 473 tel que nous le servons. - **Mémoire.** Avec seize conversations ouvertes, il occupe 5.7 Gio, contre 25.0 Gio pour Qwen sur le même moteur. - **Qualité.** Il reste loin derrière aux longs tests : programmation 24 % contre 60 %, respect des consignes 78 % contre 89 %, appels d'outils 64 % contre 81 %, questions scientifiques 19 % contre 83 %. - **Entendre et parler.** La parole, les images et la vidéo ont toutes fonctionné sur les quelques extraits essayés. Nous n'avons pas mesuré la qualité de sa voix. ## Notre méthode de comparaison Nous n'avons pas relancé Qwen. Ses chiffres viennent de nos tests précédents, sur la même puce et avec les mêmes programmes de test. Pour vérifier qu'anciens et nouveaux chiffres se comparent, nous avons d'abord relancé Nemotron 3.5 Bolt E4B. Il est ressorti de 3 à 4 % plus rapide qu'avant : les écarts de vitesse ci-dessous avantagent donc LFM3-Omni-2B d'autant. LFM3-Omni-2B n'a pas de mode de raisonnement, alors que Qwen raisonne. Les résultats ci-dessous comparent les deux modèles tels qu'un utilisateur les reçoit. ## Vitesse ![Une requête seule sur un GB10, tokens écrits par seconde. LFM3-Omni-2B sur llama.cpp : 160 à 4 bits, 112 à 8 bits, 70 à 16 bits. Qwen3.6 35B-A3B : 65 à 4 bits sur llama.cpp, 119 sur vLLM, comme le sert CARouter Cloud.](https://carouter.ai/blog/lfm3-omni-2b-vs-qwen3-6-35b-a3b-on-a-dgx-spark/01-one-request.png) Pour une requête seule, LFM3-Omni-2B à 4 bits va 2.5 fois plus vite que Qwen sur le même moteur et 1.35 fois plus vite que Qwen tel que nous le servons. La précision compte beaucoup ici. Passer de 16 bits à 4 bits le rend 2.3 fois plus rapide, car chaque token lit alors bien moins de données en mémoire. ![Seize requêtes à la fois sur un GB10, tokens écrits par seconde au total. LFM3-Omni-2B sur llama.cpp : 893 à 4 bits, 718 à 8 bits, 459 à 16 bits. Qwen3.6 35B-A3B : 229 à 4 bits sur llama.cpp, 473 sur vLLM, comme le sert CARouter Cloud.](https://carouter.ai/blog/lfm3-omni-2b-vs-qwen3-6-35b-a3b-on-a-dgx-spark/02-sixteen-requests.png) Avec seize requêtes à la fois, l'avance grandit : 3.9 fois Qwen sur le même moteur et 1.9 fois Qwen tel que nous le servons. Il lit aussi vite une requête : environ 13 900 tokens par seconde, contre 2 900 pour Qwen sur le même moteur et 6 500 tel que nous le servons. Son découpage donne moins de tokens pour notre texte de test, 7 069 contre 11 768 : prenez donc ce chiffre comme un ordre de grandeur. ## Mémoire et contexte ![Mémoire graphique occupée sur un GB10. LFM3-Omni-2B sur llama.cpp, parties image et son comprises, avec seize conversations ouvertes : 5.7 Gio à 4 bits, 6.4 Gio à 8 bits, 7.9 Gio à 16 bits. Qwen3.6 35B-A3B : 25.0 Gio à 4 bits sur llama.cpp avec seize conversations ouvertes, 52.6 Gio sur vLLM, comme le sert CARouter Cloud, tout son cache réservé.](https://carouter.ai/blog/lfm3-omni-2b-vs-qwen3-6-35b-a3b-on-a-dgx-spark/03-memory.png) Sur llama.cpp, ces chiffres valent pour seize conversations ouvertes. Sur vLLM, le moteur réserve tout son cache dès le démarrage, et c'est ce qui permet à Qwen de servir de plus longs contextes. Cette petite taille a sa contrepartie : un contexte court. La fenêtre de LFM3-Omni-2B s'arrête à 32 768 tokens, question et réponse comprises, contre 262 144 pour Qwen. Il reste donc huit fois moins de place pour une base de code ou un long document. ## Un assistant vocal Nous lui avons confié le haut-parleur de cuisine de notre dernier test : une famille d'Ottawa, quatre outils, douze demandes à la suite, dont la moitié exigeait un outil. Il a choisi le bon outil, ou aucun, aux douze tours. Sa réponse a commencé au bout de 0.08 seconde, contre 0.21 pour Qwen tel que nous le servons, sans raisonnement. Personne n'entendrait cet écart, mais l'assistant tourne dans une fraction de la mémoire. ## Qualité ![Part de chaque test réussie, les deux modèles à 4 bits, LFM3-Omni-2B sans raisonnement puis Qwen3.6 35B-A3B avec raisonnement : programmation 24 % et 60 %, respect des consignes 78 % et 89 %, appels d'outils 64 % et 81 %, appels d'outils sans les requêtes parallèles 75 % et 81 %, questions scientifiques 19 % et 83 %, retrouver un fait dans un long texte 100 % et 100 %.](https://carouter.ai/blog/lfm3-omni-2b-vs-qwen3-6-35b-a3b-on-a-dgx-spark/04-tests.png) Les 4 bits n'y sont pour rien. À 16 bits, LFM3-Omni-2B a résolu 9 problèmes de programmation et réussi 324 requêtes d'outils, contre 12 et 322 à 4 bits. Sur 50 problèmes de BigCodeBench, il en a résolu 12 et Qwen 30. Ses réponses sont bien présentées : les échecs sont donc de vraies erreurs de code. Sur 500 requêtes du banc d'essai d'appels de fonctions de Berkeley, il en a réussi 64 % et Qwen 81 %. Une partie de l'écart a une seule cause : il n'a jamais fait deux appels dans un même tour, et il a donc manqué les 69 requêtes qui en exigent plusieurs. Qwen en a réussi 55. En rejouant ces requêtes sans aucune contrainte sur sa sortie, nous avons obtenu le même résultat : un appel, puis il s'arrête. Dans le seul cas essayé, il a fait le deuxième appel après avoir reçu le résultat du premier. Un agent pourrait donc y arriver, à raison d'un appel par tour. Quand un seul appel suffit, il fait jeu égal avec Qwen : 208 contre 213 sur 271 requêtes. Quand aucun outil ne convient, il en appelle un trop souvent : il a eu raison sur 114 requêtes sur 160, contre 135. IFEval propose 541 requêtes avec des consignes qu'un programme peut vérifier, comme un nombre de mots ou un format imposé. LFM3-Omni-2B a suivi toutes les consignes dans 78 % des cas et Qwen dans 89 %. Sur 198 questions scientifiques de niveau universitaire avancé (GPQA Diamond), il obtient 19 % et Qwen 83 %. Il a répondu à 155 d'entre elles et en a réussi 37, soit 24 %, à peu près ce que donne le hasard entre quatre choix. Il n'a jamais terminé les 43 autres, car il s'est répété jusqu'à épuiser sa fenêtre. La même chose s'est produite sur 43 des 541 requêtes d'IFEval, avec les réglages que Liquid recommande pour le texte. Nous avons aussi caché une phrase dans des documents de 16 000 et 28 000 tokens, puis nous l'avons redemandée. Les deux modèles l'ont retrouvée 6 fois sur 6. ## Entendre, voir et parler C'est sa raison d'être, et nos vérifications se limitent ici à quelques extraits, sans valeur de banc d'essai. - **Parole produite.** Il a produit 7.5 secondes de parole en anglais en 2.3 secondes, et 5.1 secondes en français en 2.1, chargement du modèle compris. - **Parole écoutée.** Il a retranscrit ces deux extraits sans erreur de mot, 30 et 24 fois plus vite que le temps réel. Sur un enregistrement de 10 secondes d'un lecteur humain, environ 7 mots sur 100 étaient faux. - **Les images et la vidéo.** Il a lu un numéro de facture et un total sur une image en 0.17 seconde, et il a décrit une courte vidéo, image et son, en 1.7 seconde. ## Ce que nous ne pouvons pas vous dire - La qualité de sa voix. Nous avons vérifié que les mots revenaient, et personne n'a encore écouté le résultat pour en juger. - Sa tenue dans une conversation orale en direct. La connexion s'est ouverte, et nous en sommes restés là. - Sa vitesse sur vLLM, le moteur de CARouter Cloud. vLLM ne peut pas encore charger ce modèle. - Si d'autres réglages arrêteraient ses réponses sans fin. Nous avons utilisé ceux que Liquid recommande. - Son niveau en français écrit. Nos tests de texte sont en anglais. --- Autres articles : [Blog CARouter](https://carouter.ai/fr/blog.md). Ce qu'est CARouter et comment l'appeler : [llms.txt](https://carouter.ai/llms.txt).