Nemotron 3.5 Bolt 74B vs Nemotron 3 Ultra: 1,5 puntos de índice, siete veces los parámetros

El número más sorprendente de la familia N​VIDIA N​emotron 3.5 no es el tamaño de su modelo insignia. Es que N​VIDIA N​emotron 3.5 Bolt 74B-A9B 24GB, un checkpoint de 74 mil millones de parámetros comprimido en 24 gigabytes a dos bits por peso, queda a 1,5 puntos de N​emotron 3 Ultra, el modelo de 550 mil millones de parámetros del que se destiló al resto de la familia, en el Intelligence Index de Artificial Analysis, evaluado de forma independiente: 21,4 frente a 22,9. Siete veces más parámetros, seis veces más cómputo activo por token y una diferencia que se perdería entre los márgenes de error de un benchmark. Los pesos de Bolt aparecieron en Hugging Face el 7 de octubre de 2026, y el anuncio de N​VIDIA llegó el 15 de octubre; Ultra se lanzó el 4 de junio de 2026.

Los dos modelos no son intercambiables, y los puntos en los que difieren son más instructivos que la puntuación principal. Tanto lo que la compresión conservó como lo que descartó son visibles en las cifras publicadas, y no son las mismas filas.

Lo que es cada uno

Ultra es el buque insignia de la generación anterior y el maestro en el centro del pipeline de destilación de NVIDIA. Es un híbrido Mamba-2 de 550B en total y 55B activos con Predicción Multi-Token, publicado bajo OpenMDW-1.1 junto con sus datos y recetas de entrenamiento, diseñado para trabajo agéntico de larga duración con hasta un millón de tokens de contexto y un límite de salida de 65,000 tokens por solicitud. La propia afirmación de NVIDIA al respecto era que se trataba del modelo estadounidense de pesos abiertos de mayor inteligencia de su ventana de lanzamiento, y el registro independiente lo respalda en gran medida: el panel le otorga 22.9 en su configuración de razonamiento, con 156 tokens de salida por segundo medidos, 1.29 segundos hasta el primer token y una mediana de 19 segundos de tiempo de respuesta de extremo a extremo.

Bolt es el nivel de borde de la generación más reciente, y no es un Ultra destilado en el sentido directo. Su modelo padre es N​emotron 3.5 Super VL 120B-A12B, el modelo multimodal de 120 mil millones de parámetros que N​VIDIA lanzó junto con él. La compresión la llevó a cabo Star Elastic, la búsqueda de arquitectura guiada por router de N​VIDIA, que optimizó para la menor pérdida de destilación de conocimiento que cumpliera con un límite estricto de huella de menos de 24 GB con tamaño de lote 1 y contexto de 128K —reduciendo el top-K de expertos de 22 a 9 y cuantizando los pesos de los expertos a IQ2-XXS a 2,0625 bits por elemento, con destilación consciente de la cuantización para recuperar la precisión. Incorpora un codificador visual C-RADIO v4-H porque su modelo padre era multimodal.

Las filas independientes, ambos lados

Todo lo que aparece a continuación proviene de Artificial Analysis, salvo que se indique lo contrario, y eso es precisamente lo que hace que la comparación sea útil: ambos modelos fueron ejecutados por el mismo evaluador bajo el mismo harness.

• Índice de Inteligencia — Bolt 21,4; Ultra 22,9. Medido de forma independiente para ambos.

• GDPval-AA (normalizado) — Bolt 0,240; Ultra 0,257. Una diferencia de 1,7 puntos en un benchmark construido a partir de entregables ocupacionales reales.

• SciCode — Bolt 0.397; Ultra 0.403. Prácticamente a la par.

• Humanity's Last Exam, sin herramientas — Bolt 24,7 por ciento; Ultra 28,4 por ciento. La diferencia de cuatro puntos aquí es la mayor de esta lista en términos relativos.

• Recuperación de contexto largo AA-LCR — Bolt 69,7 por ciento; Ultra 79,3 por ciento. Diez puntos, y la evidencia más clara de lo que cuesta la compresión de 2 bits.

• AA-Omniscience — Bolt: 17,1 por ciento de precisión con 56,3 por ciento de no alucinación; Ultra: 22,6 por ciento de precisión con 70,3 por ciento de no alucinación. El modelo insignia es a la vez más conocedor y está mejor calibrado, lo cual es el resultado menos sorprendente de la página.

• Terminal-Bench 4.0 (conjunto más difícil) — ambos obtienen cero. Ninguno de los modelos está resolviendo ese nivel, incluido el modelo insignia.

• Ventana de contexto — Bolt: hasta 256.000 tokens según la ficha del modelo, y 262.144 en el registro del panel. Ultra: hasta 1.000.000 según NVIDIA, con una salida máxima de 65.000 tokens.

• Entradas — Bolt: texto, imágenes y vídeo de entrada, texto de salida. Ultra: texto de entrada, texto de salida. Nada en los materiales de lanzamiento del buque insignia afirma la existencia de una torre de visión.

• Precio — Bolt: ninguno. No hay una tarifa por uso medido publicada para el checkpoint de 24GB, y el panel no enumera ninguna cifra de entrada ni de salida para él. Ultra: $0.60 por millón de tokens de entrada y $2.50 por millón de tokens de salida, con la entrada en caché a $0.16, y un gasto medido de $0.60 por tarea del Intelligence Index.

• Velocidad — Bolt: sin medición independiente. Ultra: 156,1 tokens de salida por segundo, 1,29 segundos hasta el primer token, mediana de 14,6 segundos de tiempo de razonamiento por respuesta.

• Huella — Bolt: 24 GB en IQ2, desplegable en una A100, una H100 o un componente Blackwell. Ultra: un despliegue multiacelerador; la propia receta de NVIDIA para los checkpoints del modelo maestro en esta familia establece como mínimo cuatro B200 u ocho H100, y Ultra es el miembro más grande.

Por qué la brecha del índice es menor que la brecha del tamaño, y qué significa eso

Hay dos explicaciones honestas y es probable que ambas sean ciertas en parte.

Lo primero es que el Intelligence Index es un compuesto que recompensa más el procedimiento que el recuerdo. Bolt perdió sus datos almacenados por la cuantización de 2 bits —puedes verlo en las filas de precisión—, pero conservó suficiente de la cadena de pensamiento, la llamada a herramientas y el comportamiento de salida estructurada como para puntuar en las tareas compuestas. Ten en cuenta que la ventaja de Ultra se concentra exactamente donde importa la memoria: recuperación de contexto largo, precisión de omnisciencia, tasa de alucinación, preguntas difíciles de ciencia que requieren un dato en lugar de un método.

Lo segundo es que la búsqueda de arquitectura sobre un padre fuerte es un mejor uso de un presupuesto fijo que entrenar modelos pequeños desde cero, que es el argumento explícito de NVIDIA en la documentación de Bolt. Tomar un teacher multimodal de 120B y buscar el estudiante más ancho que quepa en 24 GB es un ejercicio distinto de preentrenar un modelo de 30B, y el checkpoint resultante de 74B/9B se sitúa donde lo haría un 74B inusualmente eficiente.

Lo que eso no significa es que Bolt reemplace a Ultra. Un modelo que admite incertidumbre con más frecuencia (56,3 frente a 70,3 por ciento de no alucinación, en la dirección equivocada) y que recupera del contexto largo de forma menos fiable es un peor asistente para las preguntas que la gente realmente hace. Es un mejor asistente para tareas que son en su mayoría procedimiento: llamar a herramientas, rellenar formularios, editar archivos, leer una captura de pantalla y hacer clic en lo correcto.

Las dos cosas que Ultra no puede hacer

Las ventajas de Bolt son limitadas, y ambas son estructurales más que numéricas.

Encaja. Un checkpoint de 24 GB se ejecuta en hardware que una persona posee, sin red, sin medidor por token y sin negociación de capacidad. La inteligencia de Ultra solo es accesible a través de una API, a $0.60 de entrada y $2.50 de salida por millón de tokens, y aproximadamente $0.60 de gasto por tarea de indexación. Ese precio es realmente bajo para un modelo de su clase, por lo que la ruta alojada es una opción real en lugar de un compromiso, pero sigue siendo una ruta que requiere conectividad y confianza en el tiempo de actividad de otra persona.

Ve. El codificador de visión C-RADIO v4-H de Bolt le proporciona entrada de imágenes y video, y la tarjeta del modelo de N​VIDIA reporta 50.86 en WebArena vision y 66.75 en BrowseComp. Ultra es un modelo de texto. Si el trabajo del agente implica capturas de pantalla, PDF, lectura de paneles o automatización del navegador con estado visual, el buque insignia de la generación anterior no puede sustituirse a ningún precio.

Cómo elegir

Elige Ultra si la carga de trabajo exige mucho razonamiento y es solo texto: análisis de varios pasos, conjuntos extensos de documentos, programación sobre repositorios grandes o cualquier cosa en la que equivocarse resulte caro. Sus puntuaciones independientes superan a Bolt en casi todas las categorías, el precio está entre los más bajos del segmento de alta inteligencia, y su rendimiento se mide en lugar de darse por sentado.

Elige Bolt si la carga de trabajo se ejecuta en hardware que controlas, necesita ver o tiene que seguir funcionando cuando la red no está disponible. La brecha de 1,5 puntos en el índice es real y lo bastante estrecha como para que la decisión se tome normalmente en función del despliegue y no de la calidad; y el hecho de que NVIDIA haya lanzado un archivo de 24 GB que puntúa a menos de dos puntos de su propio buque insignia de 550B es el hecho más destacable de los dos lanzamientos.

Hay una vía intermedia que merece ser nombrada, porque es cómo N​VIDIA posiciona la familia, y no como lo haría un comprador de un solo modelo: un pequeño ejecutor local que realiza llamadas a herramientas y lectura de pantalla, con un modelo alojado más grande encargado de la planificación y el razonamiento difícil. Esa arquitectura necesita una forma fiable de llegar a la mitad alojada a través de más de un proveedor, que es precisamente para lo que sirve el failover de OrcaRouter: reintento automático entre proveedores detrás de un único endpoint, con una clave que además da acceso a más de 200 modelos al precio de lista del proveedor con un 0 % de recargo añadido. No alojamos ningún modelo de N​VIDIA; la familia N​emotron no está en nuestro catálogo, y nada de lo aquí dicho constituye una afirmación de que lo sirvamos. El punto es únicamente que un diseño de agente de dos niveles necesita que el segundo nivel sea enrutable, y un único endpoint de proveedor codificado de forma fija es la manera habitual en que ese diseño fracasa.

¿Qué cambiaría esta página?

Dos mediciones. La primera es una prueba independiente de rendimiento y latencia sobre el checkpoint de 24 GB, que confirmaría o echaría por tierra el argumento a favor de usarlo como ejecutor local a velocidad interactiva; hoy por hoy, el único dato disponible son los 83,99 tokens por segundo de la propia NVIDIA en AIPerf SPEED-Bench-Coding, medidos en una máquina de clase portátil y no comparables con el equipo del panel. La segunda es una repetición independiente de los benchmarks agénticos sobre los pesos de 2 bits en una cuantización que controla un tercero: la tabla del proveedor muestra que Bolt supera a Ultra en Terminal-Bench 2.1 por casi 27 puntos, y esa afirmación está haciendo un trabajo enorme sin confirmación externa.

Nada de esto es una razón para evitar el modelo, solo una razón para conocer el historial: los incidentes de IA documentados y los fallos de agentes que hay detrás de los modelos de esta clase se recopilan en el Archivo de Incidentes de IA de OrcaRouter, donde cada entrada incluye sus propias fuentes, su gravedad, su grado de confianza y su marca de disputa.