Granite 4.2 30B vs Nemotron 3.5 Lightning: el pensador y el ejecutor

Granite 4.2 30B y Nemotron 3.5 Lightning son dos modelos de pesos abiertos de 30B que se lanzaron con catorce días de diferencia y con trabajos casi opuestos. Nemotron 3.5 Lightning, publicado por NVIDIA el 11 de agosto de 2026, es un híbrido Mezcla de Expertos de 30B en total / 3B activos — capas de espacio de estado Mamba-2, MoE y atención — creado para ser la capa de ejecución de sistemas de agentes: llamadas rápidas a herramientas, bucles de alto volumen, trabajo de subagentes y ejecución en una sola GPU. Granite 4.2 30B, que IBM publicó silenciosamente en Hugging Face el 25 de agosto de 2026, es un modelo de razonamiento denso de 29 mil millones de parámetros — un pensador, con modos de pensamiento seleccionables y aprendizaje por refuerzo agéntico, también autoalojable. Ambos son abiertos (Apache 2.0 frente a OpenMDW-1.1), ambos caben en hardware que un equipo realmente puede poseer, y ambos son lanzamientos de agosto cuyos puntos de referencia aún son esencialmente informados por el proveedor. La pregunta interesante no es cuál es mejor, sino cuál necesitas: un planificador, un ejecutor o ambos.

Esa división planificador/ejecutor no es una invención editorial; es el diseño propio de NVIDIA. Nemotron 3.5 Lightning fue destilado del mucho más grande Nemotron 3 Ultra específicamente para que un modelo de frontera pudiera manejar la planificación mientras Lightning ejecuta el bucle, y NVIDIA lo lanzó junto con NeMo Switchyard, una biblioteca de enrutamiento que implementa exactamente esa división de trabajo. Granite 4.2 30B, en cambio, intenta ser el agente completo en un solo paquete de 30B.

Granite 4.2 30B, el pensador

El modelo insignia Granite 4.2 de IBM es un Transformer denso de solo decodificador con tres modos de razonamiento: pensamiento completo (envuelto en las etiquetas think>.../think>), pensamiento de bajo esfuerzo y sin pensamiento, además de llamada a herramientas compatible con OpenAI y aprendizaje por refuerzo agéntico que lo entrenó para operar terminales, ejecutar código y buscar en la web dentro de un sandbox. Su contexto nativo de 128K se extiende a 512K. La ficha de IBM afirma un 89,17 en AIME 2025, un 77,60 en MMLU-Pro y un 57,00 en SWE-Bench Verified (in-harness), todo reportado por el proveedor y nada reproducido de forma independiente; aún no existe ninguna entrada en Artificial Analysis. En resumen, es un modelo de razonamiento generalista orientado de lleno al trabajo agéntico, que se distribuye en cuantizaciones BF16, FP8, NVFP4/MXFP4 y GGUF para que los equipos puedan realmente ejecutarlo.

Nemotron 3.5 Lightning, el hacedor

La propuesta de NVIDIA tiene una forma completamente diferente. El nombre «30B A3B» significa 30 mil millones de parámetros totales con solo unos 3 mil millones activos por token: una arquitectura híbrida que combina Mamba-2, MoE y atención, lo que le permite generar rápido y a bajo costo. Incluye decodificación especulativa integrada: cabezas de predicción multi-token, además de los modelos de borrador DFlash y DSpark, de modo que un pequeño redactor propone tokens que el modelo principal verifica en paralelo. NVIDIA afirma una velocidad de salida hasta 4 veces mayor frente a modelos de tamaño similar, y todo funciona en una sola GPU (una RTX 5090, DGX Spark o Jetson), o con contexto de 256K en un H100, con soporte de hasta 1M de contexto en principio. Su licencia, OpenMDW-1.1, cubre los pesos, los datos de entrenamiento y las recetas.

El propio posicionamiento de NVIDIA es contundente acerca de lo que Lightning no es: una evaluación que publicó mostró un rendimiento débil en Terminal-Bench como agente principal — LLM Stats verificó de forma independiente aproximadamente 24.6 en Terminal-Bench 2.1 — y la recomendación es usarlo como ejecutor, no como planificador. Sus puntos fuertes autodeclarados son MMLU Pro 81.94, GPQA Diamond 75.44, SWE-Bench Verified 51.56 y PinchBench con un 86% de precisión, completando tareas aproximadamente un 30% más rápido que un Qwen 3.6 35B con una precisión similar. Cada una de esas cifras es un número propio de NVIDIA.

El marcador, etiquetado honestamente

La comparación útil es la forma de la columna, no los valores de la fila:

• Granite 4.2 30B — ~29B denso, todos los parámetros activos; Apache 2.0; 128K nativo / 512K extendido; modos de razonamiento seleccionables por solicitud; según el proveedor, SWE-Bench Verified 57.00, Terminal-Bench 2.1 29.24; el pensador.

• Nemotron 3.5 Lightning — 30B total / 3B activo MoE híbrido; OpenMDW-1.1; contexto 1M (256K práctico en un H100); decodificación especulativa (MTP/DFlash/DSpark); SWE-Bench Verified 51.56 reportado por el proveedor, ~24.6 Terminal-Bench 2.1 (verificado por LLM Stats); el ejecutor.

Lee esas filas como NVIDIA pretende: la debilidad de Lightning en Terminal-Bench es una característica de su diseño — no está hecho para planificar, sino para ejecutar. Las cifras de Granite provienen de un único modelo que pretende hacer ambas cosas. Ninguno de los dos conjuntos se reproduce de forma independiente en el lanzamiento; ambos lo estarán en cuestión de semanas.

El stack, no el modelo.

Los dos modelos {{1}}son menos competidores que componentes adyacentes del mismo sistema{{/1}}. Un agente necesita {{2}}un planificador para descomponer una tarea y un ejecutor para procesar miles de llamadas a herramientas{{/2}}. Granite 4.2 30B está intentando {{3}}fusionar ambos en un único modelo denso{{/3}}; Nemotron 3.5 Lightning es {{4}}explícitamente la mitad de una pila de dos modelos, con el modelo de frontera como la otra mitad{{/4}}. NVIDIA llama a esa pila NeMo Switchyard; una capa de enrutamiento hace lo mismo con cualquier combinación de modelos alojados y autoalojados.

Aquí es donde corresponde la nota honesta sobre el enrutamiento. Ninguno de los dos modelos está en OrcaRouter: no enrutamos ni Granite 4.2 30B ni Nemotron 3.5 Lightning, y la línea de disponibilidad para ambos es tu propio hardware o los canales propios del proveedor. Pero el patrón de dos modelos al que apuntan es exactamente para lo que sirve un DSL de enrutamiento: componer un endpoint de Granite autoalojado para las pasadas de razonamiento y un endpoint de Lightning autoalojado para los bucles de ejecución, poner un modelo frontera alojado al frente para la planificación que necesita más margen, y manejar los tres desde una sola clave de API con conmutación por error automática. No necesitas elegir entre pensador y hacedor: puedes ensamblar una pila que use cada uno donde es fuerte, y dejar que el enrutador arbitre.

¿Cuál primero?

Si quieres que un único modelo lo gestione todo, con un solo código base y una sola pila de servicio, y estás dispuesto a darle todo el trabajo de razonamiento y ejecución, empieza con Granite 4.2 30B — pero espera al primer benchmark independiente antes de confiar en la cifra de 57.00 en SWE-Bench. Si estás construyendo un agente de alto volumen donde la mayoría de las llamadas son pasos cortos de herramientas y la latencia es el presupuesto, empieza con Nemotron 3.5 Lightning y deja que un modelo de frontera o un endpoint de Granite haga el razonamiento. Si estás construyendo algo serio, la respuesta es ambos — una decisión que una comparación de solo 30B nunca habría sacado a la luz.