
NVIDIA Nemotron 3.5 Lightning 30B A3B: El caballo de batalla de agentes abiertos de Nvidia, Explicado
- GoogleNUEVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 89 tok/s
- AnthropicNUEVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 97 tok/s
- orcaNUEVOOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaNUEVOOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 88 tok/s
- OrcaNUEVOOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 133 tok/s
- OrcaNUEVOOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 por 1M de tokens · 88 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 123 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 69 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencia
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 194 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencia
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 123 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencia
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencia
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 por 1M de tokens · 138 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Inteligencia
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Inteligencia
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 por 1M de tokens · 189 tok/s
Nvidia anunció Nemotron 3.5 Lightning el 11 de agosto de 2026 y lo lanzó con algo que la mayoría de los lanzamientos de modelos omiten: un router. NeMo Switchyard, una librería de código abierto que decide qué modelo debe manejar la siguiente llamada dentro de un bucle de agente, llegó el mismo día que un modelo de mezcla de expertos de 30 mil millones de parámetros con solo 3 mil millones de parámetros activos — que es justamente el punto. Esta explicación trata sobre el checkpoint que Nvidia lanzó primero, NVIDIA-Nemotron-3.5-Lightning-30B-A3B-Base-BF16, la base pre-entrenada en bruto en lugar de la referencia ajustada para chat, y sobre lo que la familia en su conjunto te dice sobre hacia dónde se dirige el servicio de modelos abiertos.
Una nota sobre las fuentes antes de los números: cada benchmark, afirmación de velocidad y cifra de socios en este artículo son datos de la propia Nvidia, y ninguno ha sido reproducido de forma independiente hasta ahora — el modelo tiene apenas horas. Trata las cifras de rendimiento como una tarjeta de presentación del proveedor: informativas y orientativas, pero todavía no son un marcador definitivo.
Lo que Nemotron 3.5 Lightning realmente es
Nemotron 3.5 Lightning es el miembro más nuevo y pequeño de la familia abierta Nemotron 3 de Nvidia. Es un MoE de 30B parámetros con solo 3B activos por token, construido sobre una arquitectura híbrida Mamba-2 y MoE con capas de atención selectivas y cabezales de predicción multi-token (MTP) integrados durante una etapa dedicada de preentrenamiento. Nvidia afirma que fue destilado a partir de su modelo frontera Nemotron 3 Ultra y entrenado con más de 20 billones de tokens, y admite una ventana de contexto de hasta 1 millón de tokens.
El objetivo de diseño es la latencia y el costo a escala, no la generalidad de vanguardia. Nvidia posiciona Lightning para la «capa de ejecución» de agentes siempre activos: las llamadas de gran volumen y menor dificultad que un agente realiza constantemente: llamadas a herramientas, revisión de código, clasificación de alertas de seguridad, preguntas de facturación y delegación de subagentes. Ese es un trabajo para el que no se quiere un modelo de vanguardia en cada paso; se quiere uno barato, rápido y suficientemente bueno. Las afirmaciones de velocidad se derivan de la arquitectura: hasta 4× más rápido en la generación de salida que modelos de tamaño similar y alrededor de un 30% más rápido en la finalización de tareas de agente, según las mediciones de Nvidia. Dos modelos de borrador, DSpark y DFlash, proporcionan decodificación especulativa ajustada para el servicio con concurrencia media a alta.
Los tres puntos de control — y cuál quieres
El lanzamiento son en realidad tres descargas, y la cobertura que trata a "Nemotron 3.5 Lightning" como un solo modelo pierde la distinción que más le importa a un desarrollador.
El tema de esta pieza, NVIDIA-Nemotron-3.5-Lightning-30B-A3B-Base-BF16, es el checkpoint preentrenado en bruto — sin ajuste fino supervisado, sin RL, sin destilación aplicada. Es un modelo base en el sentido estricto: no chatea de serie, y existe para ser el punto de partida para el preentrenamiento continuado, SFT personalizado, RL o destilación. Si tienes la intención de construir tu propio modelo sobre el preentrenamiento de Nvidia, este es el archivo que quieres.
La versión hermana, NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16, corresponde a los pesos de referencia que ejecutaron todo el pipeline — pre-entrenamiento, continuación de MTP, SFT y RL. Es un modelo de razonamiento y chat de propósito general, pero Nvidia todavía lo presenta como un punto de partida para la personalización, no como un artefacto de servicio en producción. Para el servicio, el checkpoint NVFP4 (publicado junto con él, compartiendo los kernels de cuantización que Nvidia usa para Nemotron 3 Ultra) es el que apunta a la latencia y el rendimiento.
Orientación práctica, en una línea por punto de control:
• Base-BF16 — pre-entrenamiento continuado, post-entrenamiento de dominio, destilación desde cero. Continúa desde aquí.
• Referencia BF16 — con capacidad de chat y razonamiento, pero concebida como base para tu propio SFT o RL, no como endpoint alojado.
• NVFP4 — el checkpoint optimizado para serving, diseñado para su despliegue en GPUs de Nvidia.
La mayoría de los lectores que buscan una API de producción quieren los modelos ajustados, no la base. La base importa de todos modos porque Nvidia la lanzó bajo una licencia abierta (OpenMDW-1.1) que cubre pesos, datos de entrenamiento y recetas — el preentrenamiento en bruto es la parte que no se puede obtener de un proveedor cerrado, y es la parte que hace que toda la familia sea tuya.

El registro de referencia, etiquetado honestamente
Esto es lo que Nvidia informa para el punto de control base en sus propias evaluaciones: MMLU 78.59, MMLU-Pro (5 disparos) 67.94, GSM8K 91.28, HumanEval 77.44, MBPP 78.59, ARC-Challenge 92.66, HellaSwag 85.55, WinoGrande 79.95, y una puntuación RULER de contexto largo de 69.62 con 1M de tokens. La referencia ajustada mueve la aguja donde cabría esperar: MMLU-Pro 81.94, GPQA Diamond (sin herramientas) 75.44, SWE-bench Verified 51.56, Terminal-Bench 2.1 24.58.
Las principales cifras de velocidad también provienen del proveedor: hasta 4× más rápido en la salida y un 30% más rápido en la finalización de tareas agénticas que los modelos de su clase, además de un resultado de 86% de precisión en PinchBench en una ejecución de 10,000 tareas, aproximadamente un 30% más rápido que Qwen3.6-35B con precisión similar. Nvidia también cita un índice de inteligencia de Artificial Analysis de 24, empatado con gpt-oss-120b, pero ten en cuenta la procedencia: se trata de una puntuación que Nvidia cita para un modelo que, al 11 de agosto, aún no aparece en la tabla de clasificación pública de Artificial Analysis. Los laboratorios independientes no han publicado cifras de Lightning.
Para tener una idea de dónde se sitúa el 24 dentro de la familia, los índices medidos por AA para los otros modelos abiertos de Nvidia son 25,4 para Nemotron 3 Ultra y Nemotron 3 Super, y 14,2 para Nemotron 3 Nano. Lightning no es un modelo de frontera, y Nvidia no afirma que lo sea; es una apuesta por el lado de velocidad y costo de la frontera de Pareto.

Para qué sirve: la capa de ejecución de agentes
La propuesta de Nvidia es una división del trabajo: un modelo de vanguardia planifica y razona, y un ejecutor de bajo costo se encarga de las miles de llamadas rutinarias que hacen que un agente realmente funcione todo el día. Es por eso que el mismo anuncio incluye una biblioteca de enrutamiento: Lightning está pensado para ser un nivel dentro de un sistema más grande, no el sistema completo.
Los estudios de caso de los socios son proporcionados por Nvidia, así que considérelos como marketing con cifras adjuntas. El que mejor ilustra el propósito del modelo es CodeRabbit, que afirma haber realizado el post-entrenamiento de Lightning para revisión de código en menos de tres horas por menos de $100, ganando alrededor de un 4% de precisión sobre una línea base de clase GPT a aproximadamente la mitad del costo de inferencia. Ya sea que confíe en las cifras exactas, la forma es la historia: un modelo de 3B activos es lo suficientemente barato para ajustarse con sus propios datos y servirse a escala, que es toda la propuesta de valor.
El cálculo de costos
No hay un precio de lista para Nemotron 3.5 Lightning, porque no hay nada que comprar: los pesos son gratuitos bajo OpenMDW-1.1, junto con los datos de entrenamiento y las recetas. El precio es lo que un proveedor cobre por servirlo, y esa cifra variará más que la calidad una vez que las API de terceros comiencen a ofrecer la familia. Para la creación de prototipos, Nvidia lo ofrece como un microservicio NIM en su propia plataforma build.nvidia.com, que es gratuito para probar con un límite de velocidad y sin tarjeta de crédito.
Dos realidades de coste importan antes de que evalúes esto. Primero, «{{1}}30B en total, 3B activos{{/1}}» significa que {{2}}la inferencia es barata por token, pero los 30B completos siguen teniendo que residir en memoria en cada GPU{{/2}} — {{3}}servir no es gratis, y la concurrencia por lotes determina lo rápido que corre en realidad{{/3}}. Segundo, {{4}}cuando un modelo de pesos abiertos llega a varias API alojadas{{/4}}, {{5}}los precios por token entre proveedores pueden diferir por múltiplos{{/5}}, y {{6}}esa diferencia no es una señal de calidad{{/6}}. Ahí es donde una pasarela de tránsito demuestra su valor: {{7}}OrcaRouter pasa tal cual los precios de lista de los proveedores, con un margen del 0 %{{/7}}, de modo que {{8}}un recorte de precio del proveedor está activo ese mismo día{{/8}} y {{9}}la variación de precios queda del lado del mercado{{/9}}. {{10}}Nemotron 3.5 Lightning aún no está en OrcaRouter{{/10}} — {{11}}los pesos se publicaron hace unas horas{{/11}} — pero {{12}}el patrón para adoptar de forma segura un modelo de un día es enrutarlo detrás de una conmutación automática por error{{/12}}, de modo que {{13}}un problema de arranque en frío en un host no pueda tumbar una ruta de producción{{/13}}.
El router que venía con él
NeMo Switchyard merece la pena entenderlo porque es la apuesta de Nvidia sobre cómo debería ejecutarse la IA agéntica abierta: no un gran modelo, sino un sistema que envía cada paso al modelo más capaz y eficiente disponible. Es una biblioteca de código abierto que integras en tu harness, con controles para ajustar hacia calidad, latencia o costo. El propio benchmark de Nvidia afirma una precisión de nivel frontera a casi un tercio del costo de un modelo frontera ejecutándose solo.
Los resultados de los socios, nuevamente reportados por Nvidia, son consistentes en dirección: Boomi dice que enrutó el 59% del tráfico hacia un modelo especializado 5 veces más rápido con una latencia 21% menor en turnos posteriores; Cognition reporta un costo promedio 28% menor; Ramp dice que igualó el rendimiento de los modelos de frontera en su propio SWE-bench con un costo 58% menor. El punto de datos más honesto es LangChain: un 74% menos de costo en 145 tareas de agentes de múltiples pasos, con solo el 7% de las llamadas dirigiéndose a un modelo de frontera, con una compensación del 6% en precisión. El enrutamiento no es gratuito; es una compensación deliberada.
Switchyard es una biblioteca, lo que significa que es la opción de construirlo tú mismo: tú defines la política, la integras y la operas. La alternativa gestionada es una API de enrutamiento alojada, donde una sola clave cubre un catálogo de más de 200 modelos, la conmutación por error es algo predeterminado en lugar de algo que debes conectar, y un DSL de enrutamiento te permite componer varios modelos en una sola llamada. Las propias cifras de prueba de Nvidia — 59%, 74%, 58% — son el argumento más fuerte para ese patrón, sin importar en qué capa lo ejecutes.
Cómo ejecutarlo hoy
El soporte desde el primer día es amplio. Los checkpoints se ejecutan localmente en PC con RTX, DGX Spark, DGX Station y hardware Jetson, y en el centro de datos en GPU Hopper y Blackwell. El ecosistema anunciado cubre vLLM, SGLang, llama.cpp, Ollama, LM Studio, Unsloth y TensorRT-LLM, además de un contenedor NIM para la infraestructura de Nvidia. Para el post-entrenamiento, Nvidia también lanzó un conjunto de datos de RL abierto, Nemotron-RL-Agentic-Terminal-Pivot, orientado a las capacidades de agentes de codificación, útil si planeas hacer tu propio paso de RL sobre la base.

Quién debería actuar ahora
Tres grupos obtienen algo de esta versión, y deberían hacer cosas diferentes. Si construyes modelos — continuación del preentrenamiento, post-entrenamiento de dominio, destilación — el checkpoint Base-BF16 es la descarga interesante, y es genuinamente nuevo: Nvidia no ha abierto antes un preentrenamiento crudo de clase 30B bajo esta licencia. Si sirves modelos, el checkpoint NVFP4 y la ruta NIM valen la pena compararlos contra lo que ya ejecutas para cargas de trabajo de agentes; el perfil de 3B activos es toda la propuesta. Y si eres desarrollador de aplicaciones, la respuesta honesta es esperar un momento: los modelos afinados aún no están en APIs alojadas de forma estable, los números independientes están a semanas de distancia, y el panorama de costos será más claro una vez que el mercado ponga precio a un MoE abierto de 30B.
Qué ver a continuación: la primera ejecución independiente en Artificial Analysis, que confirmará o desinflará la afirmación del Index-24; los precios que los primeros proveedores de hosting fijen para los checkpoints ajustados; y con qué frecuencia los propios números de Switchyard de Nvidia aparecen en los benchmarks de otras personas. Este es un lanzamiento sobre eficiencia y enrutamiento, no sobre una nueva frontera — y eso, no la hoja de especificaciones, es la historia.
Preguntas frecuentes
¿Puedo usar el checkpoint Base-BF16 para chat directamente?
N.º NVIDIA-Nemotron-3.5-Lightning-30B-A3B-Base-BF16 es el checkpoint preentrenado en bruto sin SFT ni RL aplicados — no está ajustado para instrucciones. La opción con capacidades de chat y razonamiento es la versión hermana NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16 de referencia, que ejecutó el pipeline completo de cuatro etapas; la base existe para ser postentrenada más a fondo, no para ser desplegada tal cual.
¿Es el Índice de Artificial Analysis de 24 una puntuación independiente?
No — todavía no. Esa cifra es Nvidia citando una puntuación para un modelo que, al 11 de agosto de 2026, aún no aparece en la tabla de clasificación pública de Artificial Analysis. Los laboratorios independientes no han publicado resultados de Nemotron 3.5 Lightning, así que trata cada número en los materiales de lanzamiento como reportado por el proveedor hasta que aparezca una ejecución de terceros.
