NVIDIA Nemotron 3.5 Super VL Base BF16: el checkpoint de 249 GB que NVIDIA listó pero nunca enlazó

nvidia/N​VIDIA-N​emotron-3.5-Super-VL-120B-A12B-Base-BF16 es el artefacto de la versión N​VIDIA N​emotron 3.5 Super VL que N​VIDIA nunca enlazó. La publicación de anuncio de la compañía del 15 de octubre dice, en una sola cláusula, que "el lanzamiento incluye checkpoints base, post-entrenados y cuantizados en NVFP4 con recetas de entrenamiento, datos y entornos de aprendizaje por refuerzo". Cada enlace de repositorio en esa página apunta a nvidia/N​VIDIA-N​emotron-3.5-Super-VL-120B-A12B-NVFP4. La cadena "Base-BF16" no aparece en la publicación en absoluto.

El repositorio es real y público. Hugging Face registra su commit inicial el 2026-10-12T15:31:49Z, sus shards de pesos subidos el 2026-10-13T04:55Z, y el propio campo release-date de su model card que dice "Hugging Face - 10/15/2026". No está restringido, no necesita token para descargarse, y pesa exactamente lo mismo que la compilación post-entrenada nvidia/N​VIDIA-N​emotron-3.5-Super-VL-120B-A12B-BF16 pesa: 248.9 GB repartidos en 63 shards BF16 frente a los 248.9 GB repartidos en 64 de la compilación post-entrenada, con los dos archivos de índice a 16 bytes de distancia. Tres días después de que llegaran los pesos, se había descargado 4 veces, frente a 142 del repositorio post-entrenado de precisión completa y 81 del hermano NVFP4. Esos son los propios contadores de Hugging Face, leídos el 16 de octubre.

Así que esto no es una filtración ni un rumor. Los pesos son la cosa equivocada sobre la que equivocarse: son simplemente el artefacto menos publicitado en un lanzamiento que, por lo demás, es ruidoso, y la tarjeta del modelo que está detrás de ellos se contradice de una manera que importa si eres el tipo de persona que descargaría un checkpoint pre-post-entrenamiento de 249 GB. Esa contradicción está a continuación.

¿Qué aterrizó, y la oración que lo menciona?

Tres repositorios principales y un modelo de borrador se publicaron en la misma ventana, todos de primera parte de NVIDIA, todos bajo la licencia OpenMDW-1.1, ninguno con acceso restringido:

• Base BF16 — nvidia/N​VIDIA-N​emotron-3.5-Super-VL-120B-A12B-Base-BF16, repositorio creado el 2026-10-12T15:31:49Z, pesos 2026-10-13T04:55Z, README modificado por última vez el 2026-10-15T15:22:08Z.

• BF16 post-entrenado — nvidia/N​VIDIA-N​emotron-3.5-Super-VL-120B-A12B-BF16, creado el 2026-10-12T15:32:06Z, diecisiete segundos después del repositorio base.

• Entrenado posteriormente NVFP4 — nvidia/N​VIDIA-N​emotron-3.5-Super-VL-120B-A12B-NVFP4, creado el 2026-10-12T15:32:30Z, y 75,1 GB en total en lugar de 248,9 GB.

• Un generador de borradores NVFP4 — nvidia/N​VIDIA-N​emotron-3.5-Super-VL-120B-A12B-NVFP4-LiLiCorr, creado incluso un día antes, el 2026-10-11T20:20:59Z.

La correspondencia entre esos repositorios y el texto de NVIDIA es donde se vuelve irregular, y vale la pena comprobarla en lugar de darla por sentado. Los anclajes de despliegue del anuncio remiten todos a la compilación NVFP4. La propia nota inicial de la tarjeta base apunta hacia las otras dos —«¿Buscas un modelo postentrenado? Consulta la versión BF16 para personalización o la versión NVFP4 para un despliegue optimizado»—, así que el repositorio base te dirá adónde ir en su lugar, en su primera línea. Lo contrario no se cumple. La tarjeta BF16 postentrenada no contiene ningún enlace al repositorio base en ninguna parte, y la tarjeta NVFP4 tampoco. El checkpoint base es el único artefacto de la publicación al que la propia documentación de NVIDIA nunca te dirige; lo encuentras leyendo la cláusula de nueve palabras del anuncio y luego explorando el listado de archivos de la organización, que es como se encontró aquí. Nada en el texto de NVIDIA explica por qué se publica un checkpoint base con los mismos 249 GB que el modelo que en realidad está postentrenado, ni qué se supone que debes hacer con él que el postentrenado no pueda hacer.

Esa ausencia es la historia. Un lanzamiento de pesos abiertos en el que el proveedor enlaza dos de tres checkpoints y describe el tercero en nueve palabras no oculta nada —los pesos están justo ahí—, pero sí significa que la documentación que necesitas no está en el anuncio. Está en el repositorio.

Qué significa "base" en esta versión

Las dos tarjetas de modelo responden a esto, y la diferencia entre ellas es una lectura clara de lo que aportó aquí el post-entrenamiento.

La tarjeta base documenta tres etapas de entrenamiento. La etapa 1 construye la columna vertebral del lenguaje sobre N​emotron 3 Super Base y entrena una cabeza MTP compartida para 100B tokens frente a una columna vertebral congelada, luego destila durante 1T tokens desde N​emotron 3 Ultra Base. La etapa 2 consiste en 100B tokens de preentrenamiento continuado en índico, una extensión de 35B tokens a contexto de 1M, 67B tokens de entrenamiento intermedio en ingeniería de software con contexto de 256K, y una etapa de recuperación de contexto largo de 9B tokens. La etapa 3 incorpora el codificador de visión C-RADIO y el conector de visión-lenguaje.

La ficha post-entrenada documenta seis, y las tres que le faltan a la ficha base son las tres que hacen que un modelo sea utilizable: la etapa 4, ajuste fino supervisado en visión, razonamiento, código, herramientas, chat, seguridad y datos de contexto largo, usando secuencias empaquetadas de hasta 524.288 tokens; la etapa 5, aprendizaje por refuerzo con recompensas verificables más RLHF más destilación on-policy con múltiples maestros; y la etapa 6, potenciar la cabeza MTP frente al backbone post-entrenado congelado para que la decodificación especulativa realmente compense.

La propia tarjeta base lo dice, en la sección de Inferencia: "El modelo Base está pensado como punto de partida para un entrenamiento adicional. Para aplicaciones de chat, razonamiento y llamada a herramientas, use la versión post-entrenada BF16 o NVFP4 y sus instrucciones de despliegue." Su caso de uso declarado es "desarrolladores e investigadores que crean modelos personalizados de visión-lenguaje mediante preentrenamiento continuado, ajuste fino supervisado, aprendizaje por refuerzo y destilación."

Eso es un descargo de responsabilidad inusualmente directo, y es la lectura correcta del artefacto. Lo que se publica aquí como «base» no es un modelo de chat más débil. Es el sustrato sobre el que se ejecutaron las etapas 4 a 6, publicado junto con ellas para que otra persona pueda ejecutar otras etapas 4 a 6 —con sus propios datos, bajo sus propios términos de licencia, sin volver a ejecutar un preentrenamiento de 20 billones de tokens.

La afirmación de 1M de tokens que la configuración no respalda

Esta es la discrepancia que merece los 249 GB de tu atención.

La tarjeta del modelo base afirma, en su Descripción, que el modelo "admite longitudes de contexto de hasta 1M de tokens", y lo repite en la sección Diseño del modelo: "El modelo admite hasta 1M de tokens de contexto". La metodología de entrenamiento respalda la intención: la Etapa 2 incluye explícitamente "una extensión de 35B tokens a 1M de contexto, seguida de una etapa de recuperación de contexto largo de 9B tokens".

El config.json distribuido dice algo diferente. Su max_position_embeddings es 262,144 — 256K, no 1M. No hay ningún rope_scaling bloque ni ningún original_max_position_embeddings campo, así que el esquema de posiciones tampoco declara una extensión. La configuración del repositorio postentrenado, en cambio, declara max_position_embeddings de 1,048,576. Dos checkpoints hermanos, la misma cadena de arquitectura, la misma disposición de capas y una diferencia de un factor de cuatro en el límite de posiciones que la prosa de la tarjeta base no menciona.

Lee los tres hechos en conjunto y la conclusión más defendible no es que el modelo base tenga contexto corto. Es que el repositorio base incluye un límite declarado conservador y espera que tú lo cambies. La extensión a 1M se entrenó. La configuración publicada no la expone. Si tu plan de preentrenamiento continuado asume una longitud de secuencia de 1M tokens directamente desde el principio, esa suposición proviene de la tarjeta, no del archivo que el entorno de ejecución leerá realmente, y la solución es una edición de configuración que tienes que saber hacer.

Vale la pena señalarlo por la misma razón: la tabla de Resumen del modelo de la tarjeta base simplemente no existe. La tarjeta post-entrenada sí incluye una: parámetros totales, arquitectura, precisión, longitud de contexto, destino de despliegue, decodificación especulativa, modo de razonamiento, muestreo recomendado, mejor para, licencia. La tarjeta base pasa directamente de Descripción a Licencia y luego a una tabla de benchmark. No hay ninguna fila de muestreo recomendado en ninguna parte, y no hay fila de despliegue, así que nada en la tarjeta base te dice qué hardware requiere.

La arquitectura, leída a partir de la configuración incluida

Como la descripción que hace el proveedor de la arquitectura base es un solo párrafo y la forma real está en el archivo, esto es lo que dice el archivo. Todo es información de primera mano que proviene de config.json en el repositorio base, no de ningún resumen.

• Profundidad y composición — 88 bloques en la columna vertebral del lenguaje. 40 son capas Mamba-2, 40 son capas de mezcla de expertos, y 8 son capas de atención completa, en los índices 7, 16, 25, 36, 47, 58, 69 y 78. Un bloque de atención aproximadamente cada nueve capas es todo el mecanismo de contexto largo.

• MoE — 512 expertos enrutados por capa de MoE, 22 seleccionados por token, un experto compartido, un tamaño latente de 1024 y un tamaño intermedio del experto compartido de 5376 frente a 2688 para los expertos enrutados. Esa es la aritmética que hay detrás del titular "120B en total, 12B activos".

• Atención — 32 cabezas de consulta frente a 2 cabezas de clave-valor con dimensión de cabeza 128, por lo que es atención de consultas agrupadas con una proporción de 16:1. Tamaño oculto 4096.

• MTP — una capa de predicción del siguiente token, compuesta a su vez por un bloque de atención y un bloque MoE, al estilo de la cabeza de predicción multitoken de DeepSeek. Un solo paso de predicción, no varios.

• Visión — una torre C-RADIO ViT-H: 32 capas, tamaño oculto de 1280, 16 cabezas, tamaño de parche de 16, 7 tokens de registro, 3 tokens de clase, un tamaño máximo de imagen de 2048 y un presupuesto de parches de entre 1024 y 13312. El conector proyecta a 20.480, luego una relación de submuestreo de 0,5 y un tamaño de imagen forzado de 512 vuelven a recortar el número de tokens.

• Vídeo — un tamaño de parche temporal de 2 y una tasa de poda declarada de 0,7.

• Dos peculiaridades — la configuración declara un token de contexto <audio> mientras que su sound_config es null, así que la infraestructura para audio existe en esta arquitectura y este checkpoint no incluye nada de ella. Y tie_word_embeddings es false, lo cual es lo habitual para un modelo de este tamaño y conviene saberlo si piensas redimensionar un vocabulario.

A modo de escala: los propios metadatos de safetensors del repositorio suman un total de 124.453.395.974 parámetros, contando cada byte de tensor individualmente, frente a la cifra que NVIDIA destaca: 120B en total / 12B activos. Las dos cifras se reportan sobre bases distintas: la cifra del proveedor es la suma de parámetros enrutados más compartidos del modelo de lenguaje; la cifra del archivo es todo lo almacenado en el repositorio, incluidas la torre de visión y la cabeza MTP. No trates la diferencia como una discrepancia; presupuesta en función del archivo.

Lo que mide realmente la tabla de referencia

La tarjeta base publica 24 filas de benchmark y, para darle el crédito a N​VIDIA, una columna que dice qué es cada una:

• MMLU 84,14 coincidencia exacta · MMLU-Pro 76,25 · AGIEval-En 75,65 CoT · SuperGPQA 47,65 CoT · GPQA Diamond 66,16 con coincidencia exacta en CoT de 5-shot

• GSM8K 91.74 con 8-shot CoT · Minerva MATH 87.66 · MATH-500 81.56 pass@1 muestreado n=32 · HumanEval 81.31 EvalPlus saneado · MBPP-Sanitized 79.06 · LiveCodeBench CodeGen 47.61 · BigCodeBench 48.42 completo y 49.39 instruct

• ARC-Challenge 95.99 · HellaSwag 88.96 · TruthfulQA MC2 71.18 · WinoGrande 79.08 · PIQA 85.09 · CommonsenseQA 85.26 · OpenBookQA 48.80 · SocialIQA 49.03 · RACE 91.39

• MMLU global 86.56 promediado en 8 idiomas · MGSM 87.53 con CoT nativo de 8 ejemplos en 6 idiomas

Hay dos cosas sobre esa tabla que son fáciles de pasar por alto, y ambas son importantes.

Primero, la propia frase de encuadre de la tarjeta dice que los resultados «evalúan el backbone base solo de texto de N​emotron 3.5 Super, antes del entrenamiento de visión-lenguaje». Sea lo que sea que eso signifique, significa que estos números no son una tarjeta de evaluación multimodal — no hay ningún benchmark de OCR, ninguna fila de comprensión de documentos, ninguna fila de video en ninguna parte de la tarjeta base, aunque las entradas de video y documentos se describen dos secciones antes. Si tu motivo para querer el checkpoint base es su torre de visión, la tarjeta no te da nada empírico en lo que basar tus planes.

Segundo, la tabla no tiene columnas de línea base. La tabla de la tarjeta post-entrenada ocupa siete columnas de ancho — N​emotron 3.5 Super GA frente a Qwen3.5-122B-A10B, Qwen3.8-Flash-Next, DeepSeek-V4-Flash0731, N​emotron 3 Ultra, Inkling-Small y GLM-5.3-Flash. La tarjeta base tiene exactamente una columna. Y la combinación de lo que se ejecutó es reveladora: la tarjeta post-entrenada elimina MMLU por completo en favor de MMLU-ProX, mientras que la tarjeta base ejecuta tanto MMLU como MMLU-Pro, y no ejecuta ni MMLU-ProX ni las suites agénticas y de nivel de harness en las que se apoya la tarjeta post-entrenada. No puedes responder «¿esta base es mejor que esa base?» a partir de la tarjeta. Tendrías que ejecutar ambos.

Todas las cifras anteriores son de NVIDIA, producidas mediante el propio harness NeMo Gym de NVIDIA — la tarjeta del modelo post-entrenado lo afirma explícitamente, y la tarjeta del modelo base no publica ninguna nota sobre el harness. Nada de ninguna de las dos tablas ha sido reproducido de forma independiente.

Base frente a post-entrenado, en el único benchmark que comparten

Las dos tarjetas no comparten una tabla de benchmarks, pero sí comparten exactamente una fila que puedes poner en paralelo, y es la que más importa.

• GPQA Diamond — 66.16 en la tarjeta base, con coincidencia exacta de cadena de pensamiento de 5 ejemplos. 89.52 en la tarjeta post-entrenada. Una brecha de 23.36 puntos, según los propios dos documentos de NVIDIA, con la cifra base etiquetada explícitamente como el backbone solo de texto.

Ese es el titular honesto de lo que valen las etapas 4 a 6 en razonamiento científico de nivel de posgrado: el post-entrenamiento no es un repaso de pulido sobre este modelo, es aproximadamente otro 50 % de capacidad. También te indica la dirección del trade-off. Si tu plan es post-entrenar tú mismo el checkpoint base, estás partiendo 23 puntos por detrás del modelo que vende NVIDIA y apostando a que tus datos y tu señal de recompensa cierran esa brecha en tu dominio —que es exactamente la apuesta que describen los propios números de clientes de NVIDIA: Scale AI informa de una reducción de 40x en el coste de inferencia para el procesamiento de créditos de proveedores, y Ramp espera un rendimiento hasta un 50 % mayor y una latencia 10x menor para la extracción de recibos a JSON. Son resultados declarados por el proveedor y el cliente, sin medición independiente, y son la única evidencia publicada de que cerrar la brecha es viable.

Fíjate en la trampa que entraña leer las dos tarjetas juntas. El «MMLU-Pro» de la tarjeta base, con 76,25, y el «MMLU-ProX» de la tarjeta postentrenada, con 76,91, parecen una diferencia de 0,66 puntos y no son comparables: son benchmarks distintos, uno de ellos con un método de extracción TigerLab declarado. El «MMLU» de la tarjeta base, con 84,14, no tiene ningún equivalente en la tarjeta postentrenada. Si quieres un delta del mismo benchmark, GPQA Diamond es el que sí tienes, y LiveCodeBench es el que no: la tarjeta base indica CodeGen con 47,61, mientras que la tarjeta postentrenada indica LiveCodeBench v6 con 88,22, que es una versión distinta de la misma familia de benchmarks y no un delta.

Lo que 249 GB compra, y lo que no

La descarga en sí es un único comando, y es el único comando en toda la tarjeta del modelo base:

• hf download nvidia/N​VIDIA-N​emotron-3.5-Super-VL-120B-A12B-Base-BF16 --local-dir ./models/super-vl-base-bf16

Eso es todo el inicio rápido. La tarjeta base contiene un bloque de código; la tarjeta post-entrenada contiene veintidós. No hay línea de vllm serve, ni lanzamiento de SGLang, ni guía de paralelismo tensorial, ni --max-num-seqs, ni flag de analizador de razonamiento, ni configuración MTP para decodificación especulativa, ni ejemplo de cliente de API. La tarjeta post-entrenada lo incluye todo, incluida una receta de 4×H100 con --enable-mamba-shared-prefix-checkpoint y una receta de 2×GB200 en TP2.

• Motores de ejecución — la tarjeta base menciona PyTorch, Megatron-LM y NeMo, y su sección de Inferencia menciona únicamente PyTorch. La tarjeta post-entrenada menciona vLLM y SGLang. Aquellos son nombres de frameworks de entrenamiento por un lado y nombres de runtimes de servicio por el otro, y la división es deliberada y no accidental.

• Hardware de prueba — Hopper H100 y H200, Grace Blackwell GB200 y GB300, Blackwell B200 y B300. La tarjeta post-entrenada se reduce a 4×H100 o 2×GB200 para el despliegue.

• Disco — 248,9 GB en 63 fragmentos, lo mismo que la compilación post-entrenada de precisión completa. La variante NVFP4 es de 75,1 GB. Si estás descargando la base para inspeccionarla o adaptarla en lugar de ejecutarla, estás pagando 3,3 veces la descarga de NVFP4 por el privilegio de no obtener ninguna receta de servicio.

Lo que sí obtienes y que es genuinamente usable: el repositorio incluye un chat_template.jinja completo de 12.513 bytes, y contiene el interruptor enable_thinking, incluida la variante de esfuerzo medio. También incluye un generation_config.json con temperature 1.0, top_p 0.95 y do_sample true. Comparar esa plantilla con la post-entrenada da una diferencia de 414 bytes, toda ella en el manejo de espacios en blanco alrededor de los marcadores de posición de imagen y vídeo; por lo demás, las dos plantillas son el mismo archivo.

Así que la infraestructura para hablar con el checkpoint base como modelo de chat está presente y es casi idéntica a la del modelo de chat ya publicado. Lo que falta es cualquier declaración de que deberías hacerlo. No hay una fila de muestreo recomendado en la tarjeta del modelo base, ni una fila de modo de razonamiento, ni un benchmark para ello en la configuración de chat. Puedes servirlo como modelo de chat en unos diez minutos. Si la salida merece salir de un arnés de pruebas es otra cuestión, y la respuesta de la tarjeta es que no.

La revelación del corpus de la que nadie habla

Esta es la parte del lanzamiento base que posiblemente sea más útil que los pesos, y casi no ha recibido atención porque vive en tablas de un repositorio que nunca se enlazó.

La ficha base publica en detalle el corpus de entrenamiento que la ficha del modelo postentrenado no incluye: un corpus fundacional de más de 20 billones de tokens recopilados entre 2013 y diciembre de 2025, desglosado por fuente — N​emotron-CC-v2 y v2.1 con 9,1T, N​emotron-CC-Code-v1 con 427,9B, los conjuntos N​emotron-Pretraining-Code con 1,7T en conjunto, N​emotron-CC-Math-v1 con 133,3B, los conjuntos sintéticos especializados y de SFT con 660B, y un conjunto jurídico con 4,3B. Inglés, otros 19 idiomas hablados, 43 lenguajes de programación.

Después, dos tablas que la mayoría de los lanzamientos de pesos abiertos simplemente no publican. Una enumera conjuntos de datos privados, no accesibles públicamente, propiedad de terceros, y nombra los modelos que produjeron sus etiquetas — Qwen3.5-122B-A10B en un amplio conjunto de tareas de reetiquetado de OCR y respuesta a preguntas visuales, D​eepSeek-OCR en un subconjunto filtrado de OCR en chino, Qwen3.5 en un subconjunto verificado como correcto, Gemini 3 y GPT-5 en datos de RL para búsqueda. La otra enumera los conjuntos de datos privados de N​VIDIA, y de nuevo nombra los generadores: Kimi K3 para datos SFT de cadena de pensamiento matemático, DeepSeek-V4-Pro para OCR de programación competitiva, gpt-oss-120b para RL de salida estructurada, GLM-5.2 para refinamiento, MiniMax-M2 para recorridos de grafos de búsqueda, y una larga cola de otros.

Luego, dos tablas que la mayoría de los lanzamientos de pesos abiertos simplemente no publican. Una enumera conjuntos de datos privados, no accesibles públicamente, propiedad de terceros, y nombra los modelos que produjeron sus etiquetas — Qwen3.5-122B-A10B en un amplio conjunto de trabajos de reetiquetado de OCR y de respuesta a preguntas visuales, D​eepSeek-OCR en un subconjunto filtrado de OCR en chino, Qwen3.5 en un subconjunto verificado como correcto, Gemini 3 y GPT-5 en datos de RL para búsqueda. La otra enumera los conjuntos de datos privados de N​VIDIA y, de nuevo, nombra los generadores: Kimi K3 para datos SFT de cadena de pensamiento matemático, DeepSeek-V4-Pro para OCR de programación competitiva, gpt-oss-120b para RL de salida estructurada, GLM-5.2 para refinamiento, MiniMax-M2 para recorridos por grafos de búsqueda, y una larga cola de otros. Las tablas emparejadas son un recordatorio de cómo funciona realmente la industria: la señal de entrenamiento de un modelo de frontera incluye de forma rutinaria salidas de modelos de competidores, y N​VIDIA es uno de los muy pocos laboratorios que dirá cuáles y para qué.

El repositorio también incluye un Nemotron_3.5_Super_VL_EU_Training_Content_Summary.pdf, añadido el 15 de octubre, que es la divulgación de contenido de entrenamiento orientada a la UE. La mezcla de entrenamiento intermedio se divulga con el mismo nivel de granularidad, y una de sus líneas es directamente relevante si tienes la intención de hacer fine-tuning para trabajo de software: la etapa de ingeniería de software de 67B tokens consta de 20% repositorios completos, 41% pares de issues y pull requests, 3% diffs de commits, 1% registros de compilación y CI, 10% trazas de agentes, 20% replay de preentrenamiento y 5% datos de contexto largo, y sus fuentes están descontaminadas contra repositorios de SWE-bench y Terminal-Bench. Esa declaración de descontaminación es la línea de la ficha que te dice cuánto vale una puntuación en cualquiera de los dos benchmarks.

La licencia, y para quién es el checkpoint base

OpenMDW-1.1, la misma licencia que las compilaciones post-entrenadas, con la tarjeta del modelo indicando claramente: «Este modelo está listo para uso comercial o no comercial». El repositorio no está restringido y no se requiere ningún token de Hugging Face para la descarga, aunque las propias recetas de contenedores de NVIDIA en otros puntos de la familia asumen uno.

Poner la licencia junto al caso de uso y el público objetivo es inequívoco. Nadie descarga un checkpoint previo al post-entrenamiento de 249 GB para ahorrar dinero en inferencia: la versión NVFP4 es 3,3 veces más pequeña, más rápida y 23 puntos mejor en GPQA Diamond. El checkpoint base es para un equipo que pretende hacerse cargo de la etapa de post-entrenamiento: un dominio diferente, una señal de recompensa diferente o una política de datos diferente a la que ejecutó N​VIDIA. Bajo OpenMDW-1.1, con uso comercial permitido y pesos sin restricciones, eso es una base legítima para construir un producto, y es precisamente por eso que la documentación faltante cuesta algo.

Y conviene distinguir aquí entre los dos tipos de lector. Si tu pregunta es «¿qué debería invocar esta semana para el parseo de documentos o la comprensión de vídeo?», el checkpoint base no es tu respuesta y nunca lo fue; el modelo post-entrenado sí lo es, y la cuestión abierta ahí es la verificación con benchmarks, no la disponibilidad. Si tu pregunta es «¿puedo obtener un backbone híbrido Mamba-MoE de visión-lenguaje de clase 120B con una licencia permisiva como punto de partida para mi propia ejecución de entrenamiento?», entonces este repositorio es la respuesta y ha estado ahí sin enlazar desde el 12 de octubre.

Si fueras a evaluarlo

El error costoso con un checkpoint como este es tratar la descarga como la prueba. No lo es: 249 GB, 63 fragmentos y una edición de configuración antes de la primera pasada hacia adelante no te dicen nada sobre si la torre de visión se transfiere a tu clase de documento.

La prueba barata consiste en establecer primero la cuestión de la capacidad en un modelo servido y solo entonces gastar el disco. Una puerta de enlace de enrutamiento resulta útil para eso y para nada más en esta decisión: una sola clave y un solo endpoint en un par de cientos de modelos al precio de lista del proveedor con 0 % de margen repercutido significa que puedes enfrentar la compilación post-entrenada de N​emotron 3.5 Super VL contra cualquier modelo de visión que ya estés usando, con tus propias imágenes, en una tarde y por el costo de los tokens. La conmutación por error automática entre proveedores importa aquí por una razón concreta: una ejecución de evaluación que muere en la solicitud 4000 de 5000 te cuesta la ejecución entera, y una puerta de enlace que reintenta en otro lugar ante un error del proveedor es la diferencia entre una tarde y dos.

Para ser directos sobre lo único que, de otro modo, resultaría ambiguo: NVIDIA Nemotron 3.5 Super VL no está en nuestro catálogo. Hoy no servimos este modelo, y el checkpoint base en concreto no es algo que un endpoint alojado probablemente vaya a ofrecer en absoluto, porque los checkpoints base no son productos de inferencia. Lo que te da una gateway es la mitad barata del experimento: la comparación que te dice si vale la pena pagar los 249 GB.

¿Qué queda aún por establecer?

Cuatro cosas, formuladas como brechas y no como riesgos.

• ¿Cuál es el límite de contexto real? La ficha indica 1M, la configuración incluida declara 262.144 y la descripción del entrenamiento dice que se ejecutó una extensión a 1M. No hay ninguna declaración publicada que resuelva estas tres cifras. Cualquiera que planee una ejecución de preentrenamiento continuado con contexto largo debería tratar el valor de la configuración como el predeterminado y verificarlo con su entorno de ejecución en lugar de con la ficha.

• Qué puede hacer la torre de visión. La tarjeta base no publica ninguna evaluación multimodal de ningún tipo. Ni OCR, ni documentos, ni gráficos, ni una fila de vídeo — para el único checkpoint de la familia cuyo propósito entero es ser fine-tuned en esas modalidades. Es el mayor agujero en la evidencia publicada.

• Cómo se compara la base con cualquier otra cosa. Tabla comparativa de una sola columna, sin líneas base, sin nota del arnés. La cifra de 66,16 en GPQA Diamond es reproducible en principio mediante NeMo Gym y nadie fuera de NVIDIA la ha reproducido.

• Si la base incluye las recetas de despliegue de 1M en algún lugar. La tarjeta post-entrenada incluye comandos de lanzamiento para 4×H100 y 2×GB200 durante toda la ventana. La tarjeta base incluye un hf download. No está claro si eso es un vacío en la documentación o una declaración de que servir la base a 1M no es algo que NVIDIA tenga intención de soportar.

Nada de eso hace que el lanzamiento sea menos interesante. Hace que el checkpoint base sea el artefacto menos documentado de la familia y, para un tipo de equipo limitado y específico, el más útil —la diferencia radica en si tu siguiente paso es una llamada a la API o una ejecución de entrenamiento.

Para un modelo cuyos modos de fallo aún no están documentados, la contraparte útil es el registro de lo que ya ha salido mal en otros lugares: los incidentes de IA y los fallos de agentes documentados en modelos de esta clase se recopilan en the OrcaRouter AI Incident Archive, donde cada entrada incluye sus propias fuentes, gravedad, grado de confianza e indicador de disputa.