NVIDIA Nemotron 3.5 Super VL: el modelo abierto de 120B que se lanzó antes que su propia entrada de blog

Los pesos de NVIDIA Nemotron 3.5 Super VLestuvieron en Hugging Face tres días antes de que NVIDIA escribiera sobre ellos. El repositorio de precisión completa, nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16, se creó el 2026-10-12T15:32:06Z. Su hermano cuantizado, nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-NVFP4, se publicó 24 segundos después. La propia entrada del blog de desarrolladores de NVIDIA que explica el modelo está fechada el 15 de octubre de 2026 —el mismo día en que sus tarjetas de modelo dicen "Hugging Face - 10/15/2026". Así que los artefactos públicos y el anuncio público llegaron en días diferentes, y la brecha es lo suficientemente pequeña como para que ninguna de las dos fechas sea errónea y ambas merezcan conocerse.

Lo que sigue es lo que el repositorio y la publicación de NVIDIA dicen en realidad sobre este modelo de visión-lenguaje de 120B de parámetros y 12B activos: la arquitectura, los cálculos de despliegue, dónde su propia tabla publicada muestra que pierde y la trampa de licencia que la entrada del blog nunca menciona.

Qué es realmente N​emotron 3.5 Super VL

N​VIDIA lo describe en su propia publicación como «un modelo multimodal abierto y personalizable» diseñado para flujos de trabajo de agentes especializados —razonamiento, seguimiento de instrucciones y uso de herramientas—, combinado con comprensión de texto, imágenes, documentos y vídeo en un único conjunto de pesos. El objetivo de esa combinación, tal como lo plantea N​VIDIA, es que los equipos «puedan manejar tareas de texto y visuales sin desplegar modelos de texto y de visión-lenguaje por separado ni pasar el contexto de la tarea entre ellos».

La arquitectura, según la ficha del modelo:

• Shape — 120B de parámetros totales, 12B activos por token. Un modelo de mezcla de expertos con 512 expertos enrutados por capa de MoE.

• Backbone — capas intercaladas de Mamba-2, atención y MoE, un diseño híbrido de N​emotron heredado de la línea N​emotron 3.

• Visión — un codificador de visión C-RADIO más un conector de visión y lenguaje. La cadena de arquitectura de transformers es NemotronH_Omni_Reasoning_V3, tipo de modelo nemotron_h_omni.

• Contexto — hasta 1M tokens, con el prompt, las imágenes, el historial de la conversación, los resultados de las herramientas y la respuesta generada compartiendo todos esa ventana.

• Decodificación especulativa — una cabeza nativa de Predicción Multi-Token, por lo que no se necesita descargar un drafter por separado para las recetas de vLLM y SGLang que publica N​VIDIA.

• Modo de razonamiento — se puede activar o desactivar a través de la plantilla de chat mediante enable_thinking, con un ajuste medium_effort intermedio. Los tokens de razonamiento y la respuesta comparten el mismo presupuesto de max_tokens, algo que la tarjeta señala explícitamente porque suele ser la causa de que la salida del agente se trunque.

• Entradas — texto, imágenes RGB (JPEG, PNG) y vídeo MP4 de hasta dos minutos. El muestreo de vídeo recomendado en la receta de vLLM es de 2 FPS y 256 fotogramas con una tasa de poda de 0,5; para 1080p, la tarjeta indica reducir a 1 FPS y 128 fotogramas.

• Idiomas — inglés, español, francés, alemán, italiano y japonés en el frontmatter de la tarjeta. NVIDIA también afirma que el corpus de entrenamiento abarca el inglés y otras 19 lenguas habladas, además de 43 lenguajes de programación.

Dos niveles de precisión, y la memoria que con ellos se obtiene

NVIDIA lanzó el modelo dos veces, y el salto de memoria entre ambos lanzamientos es el número más relevante para la toma de decisiones de todo el lanzamiento.

• BF16 — la referencia de precisión completa. El repositorio contiene 64 fragmentos safetensors que suman aproximadamente 231,8 GiB. La propia receta de servicio de NVIDIA es --tensor-parallel-size 4 en 4× H100, o TP2 en 2× GB200.

• NVFP4 — pesos y activaciones de 4 bits con destilación consciente de la cuantización, que N​VIDIA afirma que «cierra la brecha de precisión que introduce la cuantización». El mismo punto de control se ejecuta en hardware que no es Blackwell con pesos de 4 bits y activaciones de 16 bits, y QAD también permite almacenar la caché KV en NVFP4 en lugar de FP8. Como la cuantización se produce durante el entrenamiento y no después, N​VIDIA declara que no añade sobrecarga de inferencia. La tarjeta NVFP4 indica su despliegue en 1× DGX Spark, 1× H200, 2× H100 o 1× GB200.

Esa última línea es la práctica. Un modelo de 120B que cabe en dos H100 en FP4 en lugar de cuatro en BF16 es una conversación de compra diferente, y es la razón por la que el repositorio cuantizado es el que NVIDIA señala para un servicio eficiente. Un tercer hermano, NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-NVFP4-LiLiCorr, apareció en Hugging Face un día antes que el par principal sin ningún anuncio adjunto; el blog de NVIDIA explica más tarde LiLiCorr como una técnica abierta de decodificación especulativa y lo denomina "el modelo borrador recomendado para inferencia de baja latencia con Nemotron 3.5 Super VL" en DGX Spark. Su repositorio precede a esa explicación por cuatro días, lo que es una buena ilustración de cómo salió a la luz este lanzamiento.

Hay una pregunta legítima detrás de ese salto —qué sacrifica el nivel NVFP4 frente a la referencia BF16—, pero la respuesta de la propia NVIDIA es una afirmación sobre la metodología de entrenamiento, no una tabla publicada de precisión comparativa lado a lado para los dos checkpoints. Si la elección de precisión es lo que determina tu decisión, esa comparación no está en el repositorio.

Donde su propia tabla de referencia muestra que pierde

La ficha del modelo incluye una gran tabla de benchmarks ejecutada por el proveedor —aproximadamente 40 filas— que abarca razonamiento, programación, tareas agénticas, contexto largo, trabajo multilingüe y multimodal. NVIDIA es inusualmente comunicativa aquí: nombra las comparaciones, y varias de ellas no favorecen al modelo. Sus propios números frente al competidor abierto más cercano de la misma categoría, Qwen3.5-122B-A10B:

• GPQA-Diamond — N​emotron 3.5 Super VL 89.52 vs Qwen3.5-122B-A10B 86.7 (N​emotron por delante)

• HLE, solo texto — 31.79 vs 24.2 (Nemotron por delante)

• MMLU-ProX — 76.91 vs 83.2 (Qwen por delante por más de seis puntos)

• CritPt — 10.86 vs 1.1 (Nemotron por delante por un amplio margen)

• LiveCodeBench v6 — 88.22 vs 76.7 (N​emotron por delante en este harness)

• SWE-bench Verified — 71.10 frente a 71.9 (un empate, dentro del margen de ruido)

• SWE-bench Pro — 51.78 vs 44.9 (Nemotron por delante)

• tau2-bench retail — 69.24 vs 55.4 (Nemotron por delante)

• tau2-bench telecom — 73.19 vs 87.2 (Qwen por delante con 14 puntos de ventaja)

• AA-LCR v1.1 — 68.62 vs 75.1 (Qwen por delante en contexto largo)

• BabyVision — 29.60 frente a 35.7 (Qwen por delante)

• MathVision — 78.16 vs 83.3 (Qwen por delante)

• OCRBench v2, inglés — 68.12 vs 68.3 (prácticamente a la par)

• OCRBench v2, chino — 59.15 vs 67.3 (Qwen aventaja por ocho puntos)

• V* — 85.60 vs 91.1 (Qwen por delante)

• IFBench — 70.86 vs 67.6 (Nemotron va por delante)

• Índice AA-Omniscience — 4.03 vs -36.1 (ambos débiles; N​emotron mucho menos negativo)

Hay tres cosas que merece la pena decir sobre esta tabla en lugar de dejar que las victorias hablen por ella.

Primero, cada número que contiene —los de Nemotron y los de todas las líneas base— está reportado por el proveedor y recopilado mediante el propio harness de NVIDIA. La tarjeta lo dice directamente: «Todos los resultados de evaluación de Nemotron 3.5 Super y de las líneas base se recopilaron mediante NeMo Gym», con notas de reproducibilidad publicadas en el repositorio de NeMo Gym. Esa divulgación es mejor que la de la mayoría de los laboratorios, y aun así no es una puntuación independiente. Lee las columnas como las mediciones de un solo laboratorio sobre varios modelos, no como una tabla de clasificación neutral.

En segundo lugar, la propia N​VIDIA enumera los benchmarks que no se incorporaron a sus herramientas abiertas —BabyVision, CharXiv-RQ, MathVision, MMLongBench-Doc, OCR-Reasoning, OCRBench-v2, V* y Video-MME-v2— y afirma que esos usaron implementaciones oficiales o «un andamiaje interno que planeamos publicar como código abierto en el futuro». Todas las filas multimodales de la tabla llevan esa advertencia.

En tercer lugar, el patrón de las pérdidas es coherente, no aleatorio. Las deficiencias están en el OCR de chino, el razonamiento de contexto largo y las matemáticas visuales y la lectura de gráficos. Las victorias se concentran en benchmarks de llamada a herramientas y tareas agénticas de horizonte corto: CritPt, tau2-bench retail y airline, APEX, Terminal-Bench 2.1 con 66.70 frente al 48.70 de Qwen, SWE-bench Pro. Para un modelo que NVIDIA posiciona como el ejecutor en una pila de agentes multimodelo, ese es un perfil defendible. Si tu carga de trabajo es el análisis de documentos en chino o contextos analíticos muy largos, esa misma tabla te está diciendo otra cosa.

Los post-entrenados superan a los base, y N​VIDIA lidera con eso

La afirmación de precisión más concreta en la publicación de blog de NVIDIA no es una puntuación de benchmark. Es una afirmación sobre la personalización: que el post-entrenamiento de un Nemotron 3.5 Super VL base puede llevar una carga de trabajo especializada más allá de Claude Opus 5. El ejemplo de NVIDIA son las reclamaciones de seguros médicos, donde cita una mejora del 44% a partir del post-entrenamiento.

Hay dos cosas que importan en cómo NVIDIA reporta esto. El número se atribuye a una supuesta ganancia del post-entrenamiento, no a una comparación modelo contra modelo en un benchmark público — lo cual es un tipo de evidencia diferente y más débil. Y la propia publicación de NVIDIA se cuida de decir que estas ganancias vienen con advertencias: «el modelo base no superó por sí solo a los modelos propietarios de frontera» es la versión honesta de la frase, y el enfoque es que la ventaja de los pesos abiertos es que una empresa puede post-entrenar con sus propios datos y ejecutar el resultado en su propia infraestructura.

El lado del proveedor de esta misma historia es escaso. N​VIDIA señala a Scale AI, Ramp y AI21 como organizaciones que realizaron el postentrenamiento del modelo; de Ramp se cita que espera "hasta un 50 % más de rendimiento y una latencia 10 veces menor" para la extracción de recibos a JSON, y de Scale AI, una reducción de 40 veces en el coste de inferencia y una mejora de 5 veces en la latencia para el procesamiento de créditos de proveedores. Esas son expectativas y resultados declarados por los clientes, publicados por el proveedor, sin ninguna medición independiente que los respalde. Bien podrían ser ciertos. Nadie fuera de esas empresas lo ha comprobado.

Lo que N​VIDIA sí publica y resulta útil es la superficie de recetas: NeMo AutoModel para SFT y LoRA, NeMo RL y NeMo Gym para aprendizaje por refuerzo y evaluación basada en entornos, NeMo Data Designer para generación de datos multimodales, además de 45 conjuntos de datos de visión-lenguaje y un conjunto de conjuntos de datos de uso de herramientas agénticas, razonamiento financiero y seguimiento de instrucciones en Hugging Face. En el repositorio de NeMo Gym hay un tutorial de reproducibilidad para los benchmarks publicados. La última parte es realmente útil: significa que puedes intentar volver a ejecutar las propias evaluaciones de N​VIDIA en lugar de confiar en la tabla.

La licencia no es lo que el marketing implica

Este es el detalle por el que merece la pena leer el repositorio en vez de la entrada del blog.

La publicación de N​VIDIA califica el modelo como "un modelo multimodal abierto y personalizable" y se refiere a "los pesos abiertos del modelo". Ambas afirmaciones son exactas en lo que respecta a los pesos. Ninguna de las dos constituye una declaración sobre la licencia. El frontmatter de la tarjeta del modelo dice license: other, con license_name: openmdw-1.1, y los términos aplicables son el Acuerdo de Licencia OpenMDW versión 1.1 en openmdw.ai/license/1-1/. La tarjeta afirma sin ambages que el modelo "está listo para uso comercial o no comercial" y el propio lenguaje de implementación de N​VIDIA se refiere a ejecutarlo en "entornos locales, de centro de datos o de nube compatibles".

Entonces: utilizable comercialmente, según N​VIDIA. Pero «open» aquí significa OpenMDW-1.1, no Apache 2.0 ni MIT. Si tu organización tiene una lista de licencias de código abierto preaprobadas, esa lista es lo que hay que consultar antes que nada, y la diferencia práctica entre «pesos abiertos» y una licencia con nombre es exactamente el tipo de brecha que cuesta un ciclo de lanzamiento descubrir tarde. Esto no es una crítica al modelo, y OpenMDW no es una licencia restrictiva. Es un recordatorio de que el adjetivo del artículo del blog hace menos trabajo que el frontmatter de la tarjeta.

Probándolo sin apostar una ruta de producción a ello.

Las recetas de despliegue publicadas son explícitamente de una sola máquina, y eso determina cómo se evalúa esto. Los comandos de vLLM de N​VIDIA en ambas fichas se ejecutan con TP4 en 4× H100 o TP2 en 2× GB200 con --trust-remote-code —el modelo se distribuye con código de modelado personalizado— y la receta de SGLang usa lmsysorg/sglang:v0.5.20 en dos GB200. Para DGX Spark hay un checkpoint dedicado del modelo de borrador LiLiCorr, y N​VIDIA lo recomienda en todos los escenarios de Spark; la compañía afirma que la generación de tokens es hasta 2,3 veces más rápida que la decodificación sin especulación. En 16 B200 con Dynamo, N​VIDIA menciona que se puede atender hasta 8 veces más usuarios con una latencia del primer token reducida en un 85 % a 50 tokens por segundo por usuario. Cada una de esas es una medición interna del proveedor.

Ese es un costo de evaluación real para un modelo que tiene tres días de vida, no cuenta con una tabla de clasificación independiente y cuyas filas multimodales vienen con la salvedad de un andamiaje sin abrir. La forma barata de examinarlo no es levantar primero cuatro H100.

La forma económica de evaluar un lanzamiento tan reciente es a través de una única puerta de enlace en lugar de un segundo pedido de hardware. En OrcaRouter, eso significa una sola clave para más de 200 modelos al precio de lista del proveedor con un 0% de recargo, sin contrato aparte y sin cambios en el código, y conmutación por error automática entre proveedores para que un modelo que aún no has validado no sea un único punto de fallo en una ruta de producción. Este modelo en concreto aún no está en el catálogo —N​VIDIA lo lanzó hace unos días—, así que hoy proviene de la propia API del proveedor o de las plataformas de terceros que lo ofrecen. Lo que eso te aporta es la comparación que sí puedes hacer ahora: pon a los candidatos a los que afirma superar detrás de la misma clave, ejecuta tus propias tareas con ellos y con los modelos que ya usas, y deja que la capa de enrutamiento convierta el cambio en una modificación de configuración en lugar de una migración. Solo entonces la cuestión de 4× H100 o 2× GB200 se convierte en una decisión de compra en lugar de una conjetura.

La cuestión no es que el enrutamiento sustituya a un punto de referencia. Se trata de que la decisión que puedes tomar hoy es qué tareas debería asumir este modelo en tu stack, y esa decisión no requiere un pedido de hardware.

¿Qué no se ha establecido todavía?

La lista honesta de lo desconocido es corta pero de gran peso, y es la lista con la que hay que trabajar en lugar del marketing:

• No existe ninguna evaluación independiente. Todas las puntuaciones citadas anteriormente proceden de la ejecución de NeMo Gym de NVIDIA. El blog de NVIDIA cita las pruebas comparativas de Artificial Analysis y una evaluación independiente de EXO Labs que sitúa al modelo en una frontera de Pareto de precisión frente a finalización de tareas en un DGX Spark, pero la ficha del modelo no publica ninguna puntuación de terceros propia, y en el momento de escribir esto no existe una página independiente del modelo en los principales agregadores.

• El delta de precisión entre BF16 y NVFP4 no está cuantificado. El argumento de NVIDIA a favor de NVFP4 se basa en que la destilación con reconocimiento de cuantización cierra la brecha. Eso es una afirmación metodológica, no una comparación de precisión publicada entre los dos checkpoints que realmente puedes descargar.

• La campaña de evaluación comparativa se ejecutó en parte con las propias herramientas de NVIDIA. Ocho benchmarks multimodales usaron implementaciones oficiales o infraestructura interna que NVIDIA afirma que "plane[a] publicar como código abierto en el futuro"; es decir, esos resultados son reproducibles en principio, algún día, y no hoy.

• Las mejoras posteriores al entrenamiento las reportan el proveedor y los clientes.La ganancia del 44 % en reclamaciones y las cifras de Ramp y Scale AI las declara NVIDIA sobre sus propios clientes. Nadie las ha medido de forma independiente.

• El comportamiento de contexto largo con la ventana completa de 1M no se ha probado fuera del proveedor. La arquitectura está diseñada para ello y N​VIDIA publica recetas de despliegue para ello. Que la recuperación se mantenga a lo largo de un millón de tokens completos en documentos reales es exactamente el tipo de cosa que aparece en las pruebas independientes y no aparece en una tabla del proveedor.

¿Deberías actuar sobre esto ahora?

Si creas agentes de documentos, gráficos, vídeo o de múltiples herramientas y ya tienes presupuestada la inferencia de clase 120B, merece la pena echarle un vistazo de verdad esta semana: el nivel NVFP4 lo pone en dos H100, la licencia permite el uso comercial y las filas de llamada a herramientas de la tabla de NVIDIA son su parte más sólida. La forma de 12B activos también significa que es más barato por token de lo que sugiere su total de 120B y, en el lado de OrcaRouter, un cambio de precio del proveedor está activo el mismo día en lugar de después de un ciclo de facturación, porque el precio de lista del proveedor se traslada sin añadir ningún margen.

Si tu carga de trabajo depende del OCR en chino, de un contexto analítico muy extenso o de matemáticas visuales, la propia tabla de N​VIDIA te da tres razones concretas para esperar cifras independientes en lugar de razonar a partir del marketing.

En cualquier caso, lo que hay que vigilar no es otra publicación de un proveedor. Es la primera evaluación independiente que ejecute el checkpoint NVFP4 contra el BF16 en el mismo entorno de pruebas, y la primera puntuación de terceros que no se haya recopilado a través de NeMo Gym. Hasta que existan, este es un modelo abierto bien documentado, con una licencia cómoda y genuinamente eficiente cuyas afirmaciones más sólidas se apoyan por completo en las mediciones de su propio creador — y cuyo propio creador tuvo la claridad suficiente para publicar las filas en las que pierde.

Esa brecha entre lo que mide un marcador y lo que encuentra un despliegue es la razón por la que el registro importa: los fallos de IA documentados y los incidentes de agentes en torno a modelos de esta clase se recopilan en el OrcaRouter AI Incident Archive, donde cada entrada incluye sus propias fuentes, gravedad, grado de confianza e indicador de disputa.