(15). Это ставит Lightning на один уровень с OpenAI gpt-oss-120b (24) и немного уступает собственной модели Nvidia Nemotron 3 Super (26), которая примерно в четыре раза больше. Самые интеллектуальные малые модели того же класса, такие как Qwen3.6 35B A3B (32) или новая Muse Glimmer от Meta (35), остаются заметно впереди. Nvidia нацеливает Lightning на другую точку на границе эффективности: в предварительных тестах с финальными весами NVFP4 модель достигает почти 670 токенов в секунду — это самое высокое измеренное значение среди сравниваемых моделей и почти вдвое быстрее, чем у Google Gemini 3.5 Flash-Lite (386 токенов/с). Таким образом, задача из индекса интеллекта занимает около 0,5 минуты, в то время как у Qwen3.6 35B A3B — около 3,5 минуты, а у Gemma 4 31B — примерно 5,8 минуты. Проприетарные модели продолжают доминировать на общей границе эффективности: Gemini 3.5 Flash-Lite достигает индекса интеллекта 37 при схожем времени на задачу, а GPT-5.6 Luna (max) набирает 52 балла менее чем за две минуты. По данным Artificial Analysis, наибольшие улучшения наблюдаются в агентных возможностях. В GDPval-AA v2 Lightning достигает рейтинга Эло 824, что на 334 пункта выше, чем у Nemotron 3 Nano, превосходя как gpt-oss-120b (800), так и более крупную Nemotron 3 Super (698). В Terminal-Bench v2.1 показатель вырос с 7 до 24,3 процента, что почти на уровне gpt-oss-120b (26,2 процента). С разрешающей лицензией OpenMDW-1.1 Nvidia позиционирует модель как эффективную рабочую лошадку для высокопроизводительных агентных конвейеров. По данным Artificial Analysis, Nvidia сотрудничала с такими партнерами, как CodeRabbit и Harvey, в пост-тренинге для улучшения производительности в конкретных областях. Nvidia поставляет модель в весах BF16 и NVFP4; вариант NVFP4 также набирает 24 балла по