Mercury 3 vs NVIDIA Nemotron 3.5 Super VL 120B-A12B: una de las afirmaciones de velocidad está medida, la otra no

Mercury 3 y NVIDIA Nemotron 3.5 Super VL 120B-A12B se promocionan ambos por su velocidad. Solo una de esas afirmaciones de velocidad ha sido comprobada por alguien ajeno a la empresa que la hizo. Artificial Analysis mide Nemotron 3.5 Super VL a 434,3 tokens de salida por segundo en su propio entorno de pruebas. Mercury 3, que Inception Labs lanzó el 19 de octubre de 2026, afirma 1.068 tokens por segundo — y a 20 de octubre no hay ninguna página de Mercury 3 en ese índice, así que la cifra no tiene a ninguna segunda parte que la respalde. Esa asimetría, y no la hoja de especificaciones, es la decisión real en esta comparativa. Los fallos documentados de IA y los incidentes de agentes detrás de lanzamientos como este se recopilan en el Archivo de Incidentes de IA de OrcaRouter donde cada entrada incluye sus propias fuentes, gravedad, nivel de confianza y marca de disputa.

Hay una segunda asimetría que a algunos equipos les importa más. Nemotron se puede descargar, se ejecuta en tu propio hardware y se puede someter a post-entrenamiento. Mercury 3 es un producto de API sin pesos. Uno de estos es una decisión de compra y el otro es un proyecto de despliegue, y la tabla de benchmarks es una mala guía para saber cuál necesitas realmente.

Las cifras en las que ambos proveedores coinciden, y la que no

Empieza por las filas en las que los dos dejan de verse diferentes, porque varias de ellas son realmente iguales.

• Contexto: ambos están especificados en 1M de tokens. Mercury 3 combina eso con un límite de salida de 131.072 tokens; la ficha de Nemotron indica hasta 1M de ventana compartida entre el prompt, las imágenes, el historial, los resultados de herramientas y la respuesta.

• Salida — texto, ambos. Ninguno de los dos genera imágenes ni audio.

• Entrada — aquí es donde se separan. Nemotron acepta texto, imágenes RGB y video MP4 de hasta dos minutos. Mercury 3 acepta texto, y solo texto.

• Precio — Mercury 3 cuesta $0.10 por millón de tokens de entrada y $0.35 por millón de tokens de salida durante su ventana de lanzamiento, y vuelve a $0.20 y $0.70 a precio de lista. Nemotron no tiene ninguna tarifa de proveedor; lo que existe es la hoja de costos de Artificial Analysis, que actualmente lo registra a $0.225 de entrada y $0.575 de salida por millón, con un descuento de caché del 78% y un costo de $0.19 por tarea de Intelligence Index.

• Pesos — Los de Mercury 3 no están publicados e Inception no se ha comprometido a publicarlos. Los de Nemotron están en Hugging Face bajo OpenMDW-1.1, con checkpoints de precisión completa y NVFP4.

Esa última fila es la que decide la mayoría de las evaluaciones reales, y no tiene nada que ver con los tokens por segundo.

Leer el índice independiente sin sobreinterpretarlo

NVIDIA lanzó Nemotron 3.5 Super VL el 15 de octubre de 2026. Cuando apareció la primera tabla de clasificación independiente esa misma semana, mostraba un Índice de Inteligencia de 26 y un espacio en blanco donde debería haber estado la columna de velocidad. La página ahora muestra ambos: 26 en el Índice v4.3.2 y 434,3 tokens de salida por segundo, lo que lo sitúa en primer lugar entre los 28 modelos de su clase de comparación. También generó 170 M de tokens durante la ejecución del índice, frente a una mediana de 100 M, lo que la página describe como algo verboso.

Esas son las mediciones del propio índice, ejecutadas con su propio arnés de pruebas, y valen exactamente lo que vale cualquier suite de benchmarks individual: un número reproducible recopilado por alguien que no trabaja para NVIDIA. Conviene notar lo que 26 significa y lo que no. El propio texto comparativo de la página lo sitúa frente a una mediana de 8 para modelos comparables de pesos abiertos en la clase de 40B–150B, así que es un resultado sólido dentro de su clase de peso y modesto frente a modelos de frontera de cualquier tamaño. La clasificación de primero de 67 que aparece en la parte superior de la página es una clasificación dentro de una clase filtrada, no una posición general. Quien cite «número uno» sin el filtro está citando el filtro.

Ahora, el otro lado. La publicación de lanzamiento de Inception hace tres afirmaciones cuantitativas: 1.068 tokens por segundo en GPU de NVIDIA, un contexto de 1M y un precio de lanzamiento de la mitad de la tarifa de lista. No hace ninguna afirmación numérica sobre calidad. En su lugar, dice que Mercury 3 «supera a GPT-6 Luna y Claude Haiku 5.5» —dos modelos optimizados para velocidad, que es el conjunto de comparación correcto para un producto de latencia—, afirmado sin un margen, un nombre de benchmark ni un resultado por tarea. También informa que Mercury 3 completó el 50 % de 50 tareas de navegación en vivo de Mind2Web dentro del propio arnés de agente web de Inception, «significativamente más que GPT-6.1-Sol». Cincuenta tareas en un arnés del proveedor son una señal, no una medición que puedas poner junto a 26.

Así que la comparación honesta de la evidencia de calidad es esta: un modelo tiene una puntuación de un índice de terceros y el otro tiene una frase del proveedor. Eso no convierte a Mercury en el modelo más débil. Lo convierte en el modelo sin medir, y sin medir es una categoría de riesgo distinta de la de baja puntuación.

Lo que realmente cuesta ejecutar la mitad de pesos abiertos

Nemotron 3.5 Super VL es un modelo de mezcla de expertos de 120B parámetros con 12B activos por token, 512 expertos enrutados por capa MoE y una columna vertebral híbrida que intercala capas Mamba-2, de atención y MoE, con un codificador de visión C-RADIO acoplado mediante un conector. NVIDIA lo distribuye en dos niveles de precisión, y la diferencia entre ellos es el número más útil del lanzamiento.

• BF16 — 64 fragmentos de safetensors, aproximadamente 231,8 GiB. La propia receta de servicio de NVIDIA es tensor-parallel 4 en cuatro H100, o TP2 en dos GB200.

• NVFP4 — pesos y activaciones de 4 bits con destilación consciente de la cuantización. La tarjeta enumera el despliegue en un DGX Spark, un H200, dos H100 o un GB200.

Un modelo de 120B que cabe en dos H100 con 4 bits en lugar de cuatro con BF16 es otra conversación de compra, y es la razón por la que el checkpoint cuantizado es el que el proveedor señala para un servicio eficiente. Lo que NVIDIA no publica es una comparación directa de precisión entre los dos niveles. La afirmación es una afirmación sobre la metodología de entrenamiento —que la destilación durante el entrenamiento cierra la brecha de cuantización—, no una comparación medida, y si tu decisión depende de esa brecha, la respuesta no está en el repositorio.

Vale la pena leer la licencia más allá del marketing. La entrada del blog dice «pesos abiertos»; el frontmatter de la tarjeta dice license: other, license_name: openmdw-1.1, regida por el Acuerdo de Licencia OpenMDW 1.1. Se permite el uso comercial y la tarjeta lo indica claramente. No es Apache 2.0, y si tu organización mantiene una lista de licencias aprobadas, esa lista es lo que hay que revisar antes del presupuesto de GPU.

Donde los dos dejan de ser sustitutos

El desajuste no es cuestión de calidad. Es la forma del trabajo.

Mercury 3 es un modelo de lenguaje de difusión —el término de Inception es dLLM— que genera tokens en paralelo en lugar de uno a la vez, y de ahí proviene, precisamente, la afirmación de un rendimiento de cuatro cifras. La carga de trabajo para la que está diseñado es aquella en la que hay una persona mirando: sugerencias de tutoría, generación de búsquedas, una respuesta de soporte que tiene que sentirse conversacional. Las propias citas de clientes de Inception son todas de ese tipo, y son la prueba adecuada del producto. Una sugerencia errónea es recuperable. Una pausa de dos segundos, no.

Nemotron 3.5 Super VL está diseñado para el extremo opuesto. Lee capturas de pantalla, documentos escaneados, gráficos y clips de vídeo de dos minutos, llama a herramientas y se ejecuta en hardware que usted controla. La carga de trabajo para la que está diseñado es una canalización que se ejecuta durante minutos y devuelve informes, donde una extracción incorrecta resulta costosa y una espera de cinco segundos pasa inadvertida. Su propia ficha de modelo es franca al señalar que no todas las filas de los benchmarks multimodales se ejecutaron mediante las herramientas abiertas que NVIDIA publica, y que la estructura interna que respalda varias de ellas está prometida para una versión futura. Esa advertencia no descalifica al modelo; le indica qué filas debe volver a ejecutar usted mismo antes de depender de ellas.

El solapamiento es más estrecho de lo que sugieren las hojas de especificaciones. Si tu entrada es un montón de facturas, un vídeo de producto o una captura de pantalla de un panel, Mercury 3 no puede verlo. Si tu requisito es un turno conversacional de menos de un segundo con texto sin formato, un checkpoint multimodal de 120B en tus propias GPU es una forma carísima de conseguirlo.

Ninguno de los dos modelos está en nuestro catálogo, y eso cambia la recomendación de enrutamiento.

Ambos son negativos honestos. Nuestra API de modelos no devuelve ningún modelo de Inception ni ninguna entrada de NVIDIA Nemotron, así que hoy no se puede llamar a Mercury 3 ni a Nemotron 3.5 Super VL a través de nosotros. Quien quiera Mercury 3 debe ir a la plataforma propia de Inception, que da 100 millones de tokens gratis a las cuentas nuevas; quien quiera Nemotron puede descargar el checkpoint desde Hugging Face o usar un host de terceros. Preferimos dejarlo escrito antes que insinuar una ruta que no tenemos.

Lo que una capa de enrutamiento sigue aportando aquí es la parte que rodea al experimento. Un esquema de dos rutas es la forma sensata de evaluar un modelo no medido: enviar el nivel crítico para la latencia a Mercury 3 mediante la clave de Inception y mantener el respaldo y los casos difíciles en modelos que sí tenemos — más de 200 de ellos detrás de un único endpoint compatible con OpenAI, al precio de lista del proveedor con 0% de margen, con conmutación por error automática cuando un proveedor se degrada. Si la nueva ruta resulta ser peor de lo que sugería la publicación de lanzamiento, el respaldo ya está conectado y el cambio es una regla de enrutamiento en lugar de un proyecto de integración. La mitad autoalojada de la comparación no obtiene nada de todo eso, porque no hay nada que enrutar.

La regla de decisión

Elige Nemotron 3.5 Super VL 120B-A12B cuando el modelo tenga que ver algo —una página, un escaneo, un clip— o cuando los datos no puedan salir de tu infraestructura, o cuando tengas la intención de hacer entrenamiento posterior con tus propios ejemplos. Presupuesta el hardware con honestidad: cuatro H100 en BF16 o dos en NVFP4 es un compromiso de capital real, y el 26 del índice es una puntuación relativa a su clase, no una de frontera. Acepta que sus filas de seguimiento de instrucciones y de contexto largo son la parte más débil de su propia tabla.

Elige Mercury 3 cuando una persona está esperando una respuesta de texto y un reintento no cuesta nada. Acepta dos cosas antes de construir sobre ello: que 1.068 tokens por segundo es una cifra del proveedor sin reproducción independiente, y que el ajuste de esfuerzo predeterminado es «low» — así que cualquier benchmark que ejecutes tú mismo solo es comparable al de otra persona si fijas explícitamente instant, low, medium o high. Presupuesta a precio de lista, 0,20 $ y 0,70 $, porque el descuento de lanzamiento no tiene fecha de finalización publicada y un modelo de costos basado en 0,10 $ y 0,35 $ tiene una caducidad que no puedes ver.

Lo que cambiaría la respuesta más rápido es lo mismo en ambos lados: una segunda parte que ejecute las mismas pruebas. Si Artificial Analysis publica una página de Mercury 3, la afirmación sobre el rendimiento se vuelve verificable y la cuestión de la calidad deja de ser una frase en una publicación de lanzamiento. Si NVIDIA publica una diferencia de precisión entre BF16 y NVFP4, el nivel de despliegue económico deja de ser un acto de fe. Hasta que se materialice cualquiera de las dos cosas, el resumen veraz es que uno de estos modelos ha sido medido y el otro ha sido descrito, y ninguna cantidad de comparación de hojas de especificaciones cierra esa brecha.