Nemotron 3.5 Bolt vs Qwen 3.8 Max: ambos de estos modelos ven vídeo

No hay muchos emparejamientos de modelos en los que la parte sorprendente sea una capacidad que comparten. Tanto NVIDIA Nemotron 3.5 Bolt 74B-A9B 24GB como Qwen 3.8 Max aceptan video como entrada, y ambos devuelven texto. Qwen 3.8 Max, publicado por Alibaba el 3 de agosto de 2026, es un modelo multimodal alojado con un contexto de 1.000.000 de tokens, servido mediante interfaces compatibles con OpenAI, compatibles con Anthropic y nativas de DashScope desde cinco regiones, con un precio de $2.00 por millón de tokens de entrada y $6.00 por millón de tokens de salida, con lecturas en caché a $0.25. Nemotron 3.5 Bolt, lanzado por NVIDIA el 15 de octubre de 2026, es un archivo de pesos abiertos de 24GB con un codificador de visión C-RADIO v4-H, una ventana de 262.144 tokens y ningún precio en absoluto.

Dos modelos a los que se les puede entregar una grabación de pantalla, sin más diferencia que dónde se ejecutan y cuánto cuesta eso. Es una comparación más limpia de lo que suelen ser la mayoría de los enfrentamientos directos, y se resuelve rápido en cuanto dejas de preguntar cuál es más inteligente.

Dos pilas multimodales, una envolvente de memoria

La multimodalidad de Bolt es heredada en lugar de estar construida para ello. NVIDIA comprimió su modelo Nemotron 3.5 Super VL de 120B-A12B a 74B-A9B con una búsqueda guiada por enrutador a la que llama Star Elastic, y después llevó el resultado a 2,0625 bits por peso de experto en un formato IQ2_XXS con destilación consciente de la cuantización. La torre de visión —un codificador C-RADIO v4-H— vino junto con la compresión, y el interruptor de modo de razonamiento es el mismo que expone el cliente Super VL: una bandera enable_thinking en la plantilla de chat. Parámetros totales: 74B; activos por token: 9B; arquitectura base: un híbrido de Mamba-2 y Transformer que el proveedor denomina LatentMoE; licencia OpenMDW-1.1 para uso comercial y no comercial.

Qwen 3.8 Max es un tipo distinto de artefacto. Es el nivel de mayor capacidad de Alibaba, nativamente multimodal, y existe solo como endpoint. No hay ningún checkpoint que descargar, ni una compilación cuantizada para ejecutar en una estación de trabajo, ni una versión cuyo coste marginal sea la factura de la luz. Lo que tiene en cambio es alcance: tres formatos de comunicación, de modo que un SDK de Anthropic existente o una integración con DashScope funcionan sin reescribir nada, y cinco regiones de servicio en Asia, Europa y Norteamérica que hacen que la latencia sea una cuestión tanto de geografía como de ingeniería.

La consecuencia práctica es que el comportamiento multimodal de Bolt está limitado por los mismos 24 GB que albergan la caché KV, el historial de la conversación y los resultados de las herramientas. El de Qwen 3.8 Max está limitado por lo que aprovisione el endpoint, lo cual no es tu problema.

Lo que pagas, y a quién

Qwen 3.8 Max se factura por consumo, y las tarifas son bajas para lo que ofrece. Un prompt de 20.000 tokens con una respuesta de 3.000 tokens cuesta 0,04 $ de entrada y 0,18 $ de salida, unos 0,22 $ por llamada; y las lecturas en caché a 0,25 $ por millón hacen que un prompt de sistema estable o un documento repetido sea casi gratis en la segunda pasada. Su p50 de tiempo hasta el primer token en nuestro catálogo es de 3,22 segundos, con un p95 de 10,00 segundos, y transportó 41,3 millones de tokens de tráfico enrutado durante los últimos siete días.

Nemotron 3.5 Bolt no tiene tarifario porque no hay nada que medir. No hay endpoint alojado, ni API de proveedor, ni plataforma de terceros que lo sirva y a la que podamos remitirte. Artificial Analysis indica tanto su velocidad como su coste por tarea del Intelligence Index como N/A exactamente por ese motivo. Si lo ejecutas, el coste es una GPU, un consumo eléctrico y un periodo de amortización, y el precio marginal del siguiente millón de tokens es cero. Para un trabajo nocturno que lee el mismo corpus todos los días, eso no es un descuento — es un modelo contable distinto, y el punto de equilibrio depende por completo de con qué frecuencia lo ejecutes.

La ventana, y la capacidad de usarla

El contexto es el eje donde estos dos parecen más parecidos sobre el papel y se distancian más rápido en la práctica.

• Ventana declarada — Qwen 3.8 Max 1.000.000 de tokens frente a Nemotron 3.5 Bolt 262.144. Aproximadamente cuatro a uno, y la proporción es lo que decide si una tarea de base de código completa o de archivo completo es siquiera posible en una sola solicitud.

• Recuperación dentro de la ventana — Artificial Analysis registra una cifra de recuperación en contexto largo de 80,3 para Qwen 3.8 Max. No existe una cifra independiente equivalente para Bolt, y su ventana ya es más pequeña de por sí, lo que convierte esto en una comparación entre una capacidad medida y otra no medida.

• ¿Qué más comparte el espacio? — los 262,144 tokens de Bolt viven dentro de los mismos 24GB que los pesos, los fotogramas de video y la KV cache. Un prompt de video largo y una conversación larga compiten por la misma memoria. La ventana de Qwen 3.8 Max la aprovisiona el operador, así que la restricción es el precio, no el hardware.

• Control de razonamiento — Qwen 3.8 Max expone un conmutador enable_thinking, o reasoning.effort en la API de Responses. El equivalente de Bolt es un conmutador de plantilla de chat en la misma familia de indicadores, heredado del cliente Super VL. Ninguno de los dos es inusual; ambos te permiten dejar de pagar por deliberación en llamadas rutinarias.

Lo medido frente a lo no medido

Artificial Analysis otorga a Qwen 3.8 Max una puntuación de 45.4 en su Intelligence Index, decimoquinto de 145 modelos medidos — dentro del diez por ciento superior sin estar en la cima. Sus filas de apoyo son sólidas donde una carga de trabajo agéntica las necesita: un AA Coding Index de 76.2 en noveno lugar de 138, 88.8 en Terminal-Bench 2.1 y 92.8 en GPQA Diamond. Su debilidad comparativa es ese 80.3 de recall de contexto largo, que es respetable más que excepcional para un modelo de un millón de tokens.

Los números de Bolt son de alcance más limitado. Obtiene 21 en el mismo índice, cuarto de 67 en su clase filtrada por huella frente a una mediana de clase de 8, y Artificial Analysis lo describe como uno de los modelos de pesos abiertos líderes de tamaño similar. Su velocidad y costo medidos quedan en blanco. Todo lo demás —la puntuación de 50.98 en Terminal-Bench 2.1, 86.43 en GPQA Diamond, 66.75 en BrowseComp, 50.86 en WebArena vision, 41.02 en SciCode— proviene de la propia model card de NVIDIA, donde cada línea base es otro modelo de un tercio del tamaño. Esas filas no son deshonestas; responden a una pregunta sobre eficiencia, no sobre capacidad de frontera, y leerlas como una contienda contra un modelo insignia alojado malinterpreta el documento.

La brecha de velocidad merece la misma atención. Artificial Analysis no puede medir el rendimiento de Bolt porque no hay nada que llamar. NVIDIA informa de un objetivo de diseño de al menos 80 tokens por segundo de decodificación, 84 en el AIPerf SPEED-Bench en RTX Spark, y 83.99 en una ejecución de llama.cpp en un Surface Laptop Ultra con 128GB, todo ello sin reproducir. El tiempo de 3.22 segundos hasta el primer token de Qwen 3.8 Max está medido y es público. Planifica con base en el número medido y trata el otro como una aspiración.

La cuestión del enrutamiento, que no es simétrica aquí

Qwen 3.8 Max está en nuestro catálogo como qwen/qwen3.8-max, enrutado al precio de lista del proveedor de Alibaba con un 0 % de margen añadido — 2,00 $ y 6,00 $ por millón de tokens, las mismas cifras en nuestra página que en la del proveedor, lo que significa que un cambio de tarifa por parte del proveedor llega a nuestros usuarios el mismo día, y no en la renovación de un contrato. Se encuentra detrás de la misma clave que más de 200 otros modelos, con conmutación por error automática entre proveedores upstream cuando uno se degrada, y un DSL de enrutamiento para componer varios modelos en una sola solicitud.

Nemotron 3.5 Bolt no está en nuestro catálogo y no lo servimos. No hay ningún endpoint de Bolt, ningún identificador al que dirigir una solicitud, y nada en este texto constituye una oferta para alojar el checkpoint de NVIDIA. La forma honesta del consejo de enrutamiento que damos aquí es una división en lugar de una elección: el modelo multimodal alojado se encarga de las solicitudes de ventana larga, de los corpus de vídeo demasiado grandes para 24 GB de memoria compartida y de todo lo que deba poder invocarse desde cualquier lugar; el archivo local se encarga de las pasadas de alta frecuencia en las que los datos no deberían salir del edificio y en las que el volumen haría dolorosa la facturación por token. La fusión de modelos es la variante que conviene conocer si las llamadas costosas son las trascendentales: un panel de modelos responde junto al mismo prompt y uno se queda con el consenso, lo cual es una forma barata de comprar confianza en una decisión que no se puede revertir fácilmente.

Cómo se resuelve este

El punto en común es el video, y es la razón por la que vale la pena comparar a estos dos: la mayoría de los modelos locales de este tamaño no pueden ver en absoluto, y a la mayoría de los modelos alojados no se les puede entregar una grabación de pantalla sin un paso de extracción de fotogramas que pierde justo eso que intentabas mostrarles.

Más allá de esa coincidencia, divergen en todos los ejes. Qwen 3.8 Max gana en la ventana amplia, la latencia medida, el conjunto de entrada más rico y, por un amplio margen, la inteligencia evaluada de forma independiente. Nemotron 3.5 Bolt gana en el único eje que ningún modelo alojado puede disputar: se ejecuta donde ya están tus datos, haya o no red, con un coste marginal de cero.

La decisión normalmente no es una cuestión de preferencia. Si el video nunca sale del edificio, la opción alojada nunca estuvo disponible y la comparación se reduce a un solo candidato. Si el corpus es un millón de tokens de texto, la opción local nunca estuvo disponible por la misma razón a la inversa. Cuando de verdad está reñida —volúmenes modestos, datos que podrían viajar legalmente, trabajo que consiste sobre todo en llamadas breves a herramientas con lecturas largas ocasionales—, el desempate es el único número que falta en esta comparación: la rapidez con la que el checkpoint de 24 GB se ejecuta realmente en tu hardware, que nadie fuera de NVIDIA ha medido todavía.