Nemotron 3.5 Super VL: ya está disponible el modelo de visión abierto de 120B de NVIDIA, y la afirmación de 5x aún no tiene marcador

El NVIDIA Nemotron 3.5 Super VL se lanzó el 15 de octubre de 2026 — un modelo abierto de visión y lenguaje de 120.000 millones de parámetros, con pesos abiertos, conjuntos de datos abiertos y recetas de entrenamiento, y con una afirmación adjunta que nadie puede comprobar todavía. La publicación de lanzamiento de la empresa lo llama "el modelo agéntico abierto más rápido de su clase — 5 veces más rápido que el siguiente mejor", y atribuye la cifra a la tabla de clasificación del Artificial Analysis Intelligence Index. Al momento de escribir esto, Artificial Analysis no incluye a Super VL en absoluto; sus entradas de Nemotron 3.5 llegan solo hasta Nemotron 3.5 Lightning. Eso no hace que la afirmación sea falsa. La convierte en un dato reportado por el proveedor, y debería leerse así hasta que un tercero ejecute el checkpoint.

La otra cosa que conviene saber de entrada es un lapso de tres días. Los pesos se publicaron en Hugging Face el 2026-10-12T15:32Z —la compilación BF16 post-entrenada, el modelo base y la compilación NVFP4, todas con menos de un minuto de diferencia entre sí— y la publicación del anuncio no apareció hasta el 15 de octubre a las 15:00Z, con el campo de fecha de lanzamiento de la propia tarjeta del modelo aún indicando 10/15/2026. NVIDIA subió primero y anunció después. Esa es ahora la forma habitual de un lanzamiento de pesos abiertos: el repositorio es la fuente principal, y la entrada del blog es el comentario.

Lo que realmente se lanzó, y lo que no

Tres checkpoints de Super VL, todos ya disponibles:

• N​VIDIA-N​emotron-3.5-Super-VL-120B-A12B-BF16 — el modelo post-entrenado de precisión completa, la versión de referencia y del que se debe partir para el ajuste fino.

• N​VIDIA-N​emotron-3.5-Super-VL-120B-A12B-NVFP4 — la compilación de implementación cuantizada, producida con N​VIDIA Model Optimizer y destilación con reconocimiento de cuantización a partir del modelo BF16.

• N​VIDIA-N​emotron-3.5-Super-VL-120B-A12B-Base-BF16 — la base previa al post-entrenamiento, para cualquiera que quiera ejecutar su propio post-entrenamiento en lugar de adaptar el de N​VIDIA.

Hay un cuarto repositorio, N​VIDIA-N​emotron-3.5-Super-VL-120B-A12B-NVFP4-LiLiCorr, que no es un modelo al que se le haga prompting. Es un checkpoint de borrador de decodificación especulativa: cárgalo junto con el objetivo NVFP4 y propone tokens por delante del modelo principal. Su propia ficha lo fecha el 15/10/2026 y lo describe como destinado a despliegues de LiLiCorr optimizados para DGX Spark y cargas de trabajo de centros de datos de baja concurrencia.

Dos cosas no se lanzaron, y cada una importa. No hay precio. El anuncio de NVIDIA afirma que el modelo está disponible como microservicio NVIDIA NIM —un microservicio de producción que, según la compañía, se actualiza cada dos semanas con parches de seguridad y mejoras de rendimiento—, pero no publica ninguna cifra por token en ningún lugar, ni para NIM ni para las plataformas de terceros que lo ofrecen. Y no hay una cifra de velocidad medida de forma independiente, por la razón anterior. Todo lo que aparece en las dos secciones siguientes es información propia de NVIDIA.

La arquitectura en un párrafo, porque explica la historia del despliegue.

Super VL es un híbrido de mezcla de expertos de Mamba-2–Transformer: capas intercaladas de Mamba-2, MoE y atención, 512 expertos enrutados por capa de MoE, además de un codificador de visión C-RADIO y un conector visión-lenguaje acoplado al backbone de lenguaje. 120B de parámetros en total, 12B activos por token. El contexto alcanza hasta 1M de tokens, y la Multi-Token Prediction está integrada de forma nativa, que es lo que aprovecha el checkpoint de borrador LiLiCorr. Las entradas son texto, imágenes y vídeo —vídeo como MP4 de hasta dos minutos, muestreado como fotogramas—, y los documentos se pueden introducir como imágenes de páginas con el texto que las acompaña. La salida es solo texto.

Esa forma es la razón por la que la tabla de implementación es la parte más útil de la documentación. La compilación BF16 de NVIDIA requiere 4× H100 o 2× GB200. La compilación NVFP4 requiere 1× DGX Spark, 1× H200, 2× H100 o 1× GB200. La diferencia entre esas dos líneas es la razón misma por la que existe el checkpoint cuantizado, y es la diferencia entre «un modelo de 120B que alquilas» y «un modelo de 120B sobre el escritorio».

Los benchmarks que publicó N​VIDIA, y los dos problemas que tienen

Etiqueta todo esto como reportado por el proveedor. NVIDIA evaluó Super VL mediante NeMo Gym y publicó las recetas, los contenedores, los prompts y los ajustes de puntuación —lo cual es más de lo que hacen la mayoría de los laboratorios—, pero NVIDIA entrenó el modelo, eligió las líneas base y ejecutó los harnesses. Nada de esto se ha reproducido fuera de la empresa.

Las cifras agénticas son aquellas en las que se apoya el lanzamiento. SWE-bench Verified 71,10; SWE-bench Multilingual 67,72; SWE-bench Pro 51,78; tau2-bench retail 69,24; airline 76,50; telecom 73,19; BrowseComp 78,91; y GraphWalks 89,71 en la configuración de más de 1M tokens. En razonamiento, GPQA-Diamond 89,52 y HLE sin herramientas 31,79, que se eleva a 46,01 con herramientas; esa última cifra, señala NVIDIA, proviene de un arnés interno separado en lugar de la ruta estándar.

En visión, ¿cuál es la nueva capacidad respecto al Nemotron 3.5 Lightning solo de texto de agosto: CharXiv-RQ 80.82, MathVision 78.16, V* 85.60, OCR-Reasoning 65.08, OCRBench-v2 con 68.12 en inglés y 59.15 en chino, MMLongBench-Doc 62.82, OSWorld 52.14 y Video-MME-v2 32.85.

Ahora los dos problemas.

Primero, la cifra de Terminal-Bench 2.1 se menciona dos veces y no concuerda consigo misma. La ficha del modelo indica 66.70. La tabla resumen del informe técnico indica 60.67. Todo lo demás en esos dos documentos coincide, así que no se trata de dos modelos distintos, sino de un mismo número que aparece con dos valores en la propia documentación de N​VIDIA, y hasta que no se vuelvan a ejecutar las recetas no es seguro citar ninguno de los dos. Ese es el tipo de cosa que una sola replicación independiente resuelve en una tarde, que es exactamente por lo que su ausencia importa esta semana.

En segundo lugar, la afirmación estrella sobre la eficiencia y la afirmación estrella sobre la inteligencia tiran en direcciones opuestas, y solo una de ellas es comprobable. NVIDIA dice que Super VL alcanza una precisión en tareas agénticas multimodales «comparable con el mayor modelo de razonamiento de NVIDIA con aproximadamente una quinta parte del número de parámetros»; Nemotron 3 Ultra 550B A55B tiene 55B de parámetros activos frente a los 12B de Super VL, una proporción de 4,6×, y el informe dice que el 51,78 de Super VL en SWE-bench Pro sí supera a Ultra. Bien.

Pero fíjate en las columnas en las que Super VL está realmente por detrás. MMLU-ProX 76.91, frente a Qwen3.5-122B-A10B con 83.2 y Qwen3.8-Flash-Next con 83.0. Precisión de AA-Omniscience 26.20, que se acerca al mínimo de ese benchmark y queda por debajo del 45.0 de DeepSeek-V4-Flash-0731. Video-MME-v2 32.85 frente a Qwen3.8-Flash-Next con 45.1. BabyVision 29.60 frente a 46.8. Agentic-terminal en 60.67 o 66.70 frente a 85.80. Super VL no es el líder en precisión de esta clase de pesos en la mayoría de las filas; es un modelo de 12B activos que NVIDIA vende por su velocidad y por la amplitud de lo que ingiere en una sola llamada, no por superarlo todo en todo.

Las cifras de eficiencia, que son las realmente interesantes

Deja a un lado las comparaciones de inteligencia y los números de ingeniería son concretos:

• Decodificación especulativa: la mejora MTP posterior al entrenamiento de NVIDIA eleva la longitud de aceptación promedio de 4,287 a 4,718 tokens con decodificación codiciosa y de 3,787 a 4,612 con muestreo probabilístico del borrador.

• Cuantización — el checkpoint NVFP4 publicado recupera el 99.62 % de la precisión de BF16 como mediana en 36 benchmarks, por lo que la compilación de implementación es prácticamente sin pérdidas según la propia métrica de NVIDIA.

• Rendimiento — hasta 4.856 tokens de salida/s/GPU en un único GB200 con una carga de trabajo de proxy agéntico de 20 turnos, manteniendo al menos 50 tokens/s/usuario; NVFP4 con 2,43× el rendimiento de BF16 en las mismas condiciones.

• Rendimiento relativo — 2,34× Qwen3.5-122B-A10B y 1,90× Qwen3.8-Flash-Next en esa carga de trabajo.

• Pila de servicio — sobre NVIDIA Dynamo, NVIDIA afirma hasta 8× más usuarios concurrentes con una latencia 85 % menor.

Todos y cada uno de esos son números de proveedor. El más fácil de falsificar para cualquiera es la cifra de 4.856 tokens/s/GPU, porque es una propiedad de una GPU específica y una carga de trabajo específica, no de una ejecución de benchmark detrás de un arnés de puntuación.

Servirlo, y cuánto te cuestan las dos compilaciones en hardware

Tanto vLLM como SGLang se mencionan como entornos de ejecución compatibles, y N​VIDIA ofrece configuraciones de lanzamiento funcionales: paralelismo tensorial de cuatro vías con tres tokens de borrador MTP en 4× H100 para BF16, y de dos vías con cinco tokens de borrador en 2× GB200. La cobertura de hardware abarca Hopper y Blackwell, solo Linux, y N​VIDIA incluye DGX Spark, DGX Station, RTX PRO, RTX y Jetson en el lado del cliente —la misma variedad de silicio contra la que se posiciona el modelo.

La decisión práctica para un equipo que lee esto el día del lanzamiento es qué checkpoint descargar. Si vas a hacer fine-tuning, la build BF16 es el único punto de partida sensato, porque la build NVFP4 ya ha pasado por destilación consciente de cuantización y un entrenamiento posterior no se compondrá limpiamente con ella. Si estás sirviendo el modelo, la build NVFP4 es la que cabe en una sola H200 o en una DGX Spark, y una recuperación mediana del 99,62 % la convierte en la opción predeterminada, a menos que hayas medido una regresión específica. Descargar el modelo base solo tiene sentido si tienes la intención de escribir tu propio pipeline de post-entrenamiento, lo cual es un proyecto distinto.

Para qué sirve realmente Super VL

Lee el propio planteamiento de NVIDIA y el objetivo es acotado y específico: agentes empresariales siempre activos que procesan documentos visuales. El ejemplo del anuncio es una página web —extraer el texto, leer los gráficos, devolver hallazgos— y la misma afirmación se extiende a PDF, tablas y documentos estructurados. El argumento a favor de un único modelo en lugar de un modelo de texto más una canalización de visión independiente es la continuidad del contexto: el documento, los datos y la decisión permanecen en la misma ventana en lugar de pasarse entre sistemas.

Ese argumento es creíble en la ficha técnica porque la ventana de contexto es de 1M de tokens y el codificador de visión se entrena de forma conjunta, no se añade a posteriori. Si sobrevive al contacto con documentos reales a 1M de tokens es exactamente la pregunta que los números de GraphWalks y MMLongBench-Doc pretenden responder, y ambos son reportados por el fabricante.

N​VIDIA también incluye una extensa lista de adopción en la publicación de lanzamiento: Scale AI creando agentes para Skydance y EY, AfterQuery para el análisis de acuerdos de crédito de Hebbia, AI21 y Alice en ciberseguridad, Mercor en agentes de programación, además de Atlassian, CrowdStrike, Dassault Systèmes, Perplexity, Salesforce y Synopsys entre los integradores. Esas son asociaciones mencionadas en un comunicado de prensa, que es una declaración de intenciones más que evidencia de tráfico de producción. Trata la lista como una señal sobre los sectores verticales a los que apunta N​VIDIA, no como una afirmación de fiabilidad.

Cómo probarlo sin arriesgar una ruta de producción en ello

La postura honesta esta semana es que Super VL es un modelo abierto interesante, bien documentado y completamente sin verificar, y la manera correcta de evaluar un modelo abierto sin verificar no es enrutarle tráfico de producción el primer día.

Localmente, la compilación NVFP4 en una sola H200 o en un DGX Spark es la prueba barata: descarga el checkpoint, ejecuta tu propio conjunto de documentos con ella y compara con el modelo de visión que uses hoy. Eso solo te cuesta tiempo de GPU y nada más, y es la única forma de obtener una cifra que no sea de NVIDIA. La propia documentación de NVIDIA te da una ventaja inicial gratis: tanto la ficha del modelo como el informe técnico especifican temperatura 1.0 y top_p 0.95 para texto, y temperatura 0.6 con top_p 0.95 para visión — un punto de partida que, de otro modo, pasarías un día redescubriendo.

Si prefiere probarlo a través de una API, la cuestión de la disponibilidad importa: Super VL está en Hugging Face, como el microservicio NIM propio de NVIDIA, y a través de varias plataformas de terceros. NVIDIA no ha publicado ningún precio para ninguna de esas vías, así que cualquier cifra por token que vea esta semana la establece la plataforma, no el fabricante. En el caso de OrcaRouter, Nemotron 3.5 Super VL no está en nuestro catálogo — no lo servimos hoy, así que aquí todavía no hay nada con lo que probarlo, y preferimos decir eso que insinuar lo contrario. Todo lo que sí servimos está detrás de una sola clave en más de 200 modelos a precio de lista del proveedor con 0% de recargo, y cuando un modelo está disponible de más de un proveedor, la conmutación automática por error entre proveedores le ofrece una forma de enrutar hacia un modelo nuevo con una fracción del tráfico y dejar que vuelva al proveedor actual cuando tropiece. Ese es el mecanismo que busca este tipo de lanzamiento; no es una oferta para servir este checkpoint en particular.

Otra pieza del lanzamiento que vale la pena mirar, independientemente de si quieres el modelo: NVIDIA publicó junto con él sus conjuntos de datos de post-entrenamiento —áreas que abarcan el uso de herramientas agénticas, finanzas, seguimiento de instrucciones, contexto largo, equidad y comprensión de visión y lenguaje—, además de los entornos de RL en NeMo Gym. La publicación de los conjuntos de datos suele ser más reutilizable que el checkpoint, y es la parte de este lanzamiento que a NVIDIA le cuesta más regalar.

Qué ver

Cuatro cosas cambiarían este artículo, en un orden aproximado según cuánto importarían.

Un primer benchmark independiente, de Artificial Analysis o de cualquier otra fuente, que o bien produzca la fila de Super VL que la afirmación del 5x implica, o bien se niegue a hacerlo. Hasta que eso exista, la principal afirmación de eficiencia del lanzamiento es una frase en un comunicado de prensa a la que se le ha adjuntado el nombre de una tabla de clasificación, y la salvedad debe ir en la misma frase que la cifra.

Un precio. N​VIDIA te ha dicho el hardware, los runtimes y la licencia, y ha retenido la única cifra que un comprador necesita para comparar esto con un modelo cerrado. Cuando aparezca el precio de NIM, la comparación pasa a ser aritmética en lugar de posicionamiento.

La discrepancia de Terminal-Bench 2.1 — 66,70 en la ficha del modelo frente a 60,67 en el informe técnico. Sea cual sea la correcta, uno de los dos documentos principales de NVIDIA es incorrecto, y una nueva ejecución corregida resolvería varias otras filas al mismo tiempo.

Y el camino de «ya disponible» a «realmente servido». Las filas de referencia de Super VL lo comparan con Qwen3.5-122B-A10B, Qwen3.8-Flash-Next, DeepSeek-V4-Flash-0731, GLM-5.3-Flash y NVIDIA Nemotron 3 Ultra 550B A55B — todos ellos lo bastante maduros como para tener throughput medido, precios reales y trayectoria en producción. Un modelo con 12B activos que ingiere video, documentos de 1M de tokens y llamadas a herramientas en una sola pasada es una configuración genuinamente útil. Que se gane una regla de enrutamiento es una cuestión de latencia y estabilidad de precios bajo carga, y NVIDIA ha publicado la primera de ellas solo en su propio hardware, bajo su propia carga de trabajo, en sus propias unidades.

Los benchmarks envejecen y los precios se mueven; el historial de fallos no: los incidentes de IA documentados y los fallos de agentes detrás de los modelos de esta clase se recopilan en the OrcaRouter AI Incident Archive, donde cada entrada incluye sus propias fuentes, severidad, grado de confianza y marca de disputa.