Nemotron 3.5 Super vs Gemini 3.1 Pro: uno es un archivo, el otro es una vista previa

La diferencia más trascendental entre NVIDIA Nemotron 3.5 Super y Gemini 3.1 Pro no está en ninguna tabla de benchmarks. Está en el estado de lanzamiento. El modelo de NVIDIA —120 mil millones de parámetros totales con 12 mil millones activos por token, un codificador de visión C-RADIO acoplado a una mezcla híbrida de expertos Mamba-2 y Transformer, publicado bajo el nombre más completo NVIDIA Nemotron 3.5 Super VL y distribuido en Ollama como nemotron-3.5-super— es un conjunto de archivos. Se publicaron en Hugging Face el 12 de octubre de 2026, tres días antes de que la propia publicación en la sala de prensa de NVIDIA el 15 de octubre los hiciera oficiales, y puedes descargar 82.3 GiB de ellos esta noche y ejecutarlos en tu propia tarjeta bajo una licencia que permite uso comercial. El Gemini 3.1 Pro de Google se anunció el 19 de febrero de 2026 y todavía se sirve como punto final de vista previa. Ocho meses después, es un modelo que puedes invocar y no puedes poseer.

Ese planteamiento no es una crítica a ninguno de los dos enfoques. Un endpoint de vista previa es la forma en que un laboratorio de frontera lanza e itera sobre algo que aún no está listo para congelar y, para la mayoría de los equipos, es la mejor opción. Pero los dos modelos ocupan posiciones distintas dentro de un despliegue, y la comparación honesta tiene que ver con qué posición necesitas, no con cuál gana en una tabla.

Una cosa que hay que decir sin rodeos antes de los números. Nemotron 3.5 Super tiene cuatro días de vida en el momento de escribir esto. El proveedor lo ha anunciado, así que no es un lanzamiento discreto en el sentido de no estar confirmado, pero la base de evidencia independiente sobre él es, más o menos, una puntuación de panel y muchas filas del proveedor. La vista previa de Gemini tiene ocho meses de atención mundial y un conjunto mucho mayor de mediciones de terceros que la respaldan. Donde la evidencia es escasa, esta página lo dice en lugar de redondear al alza.

Hardware contra una clave

• Lo que recibes — un checkpoint: pesos de referencia BF16, una variante Base y una compilación NVFP4, además de un drafter LiLiCorr independiente, todo publicado el 12 de octubre de 2026 · un endpoint alojado detrás de una clave de API, en estado de vista previa desde el 19 de febrero de 2026.

• Licencia — OpenMDW-1.1, se permite el uso comercial, y la tarjeta del modelo indica que el checkpoint está listo para uso comercial o no comercial · Términos de servicio de Google.

• Parámetros — 120B en total, 12B activos, 512 expertos enrutados por capa MoE, divulgados íntegramente en la tarjeta del modelo · no publicados.

• Contacto con el metal — cuatro H100 o dos GB200 para BF16; una tarjeta de 96 GB para la etiqueta 4-bit predeterminada a 82,3 GiB más un proyector de visión de 1,6 GiB · ninguna, por diseño.

• Contexto — hasta 1.000.000 de tokens, con la propia advertencia de la tarjeta de que la memoria disponible y la configuración del entorno de ejecución determinan la cifra utilizable y de que los prompts, las imágenes, el historial, los resultados de herramientas y los tokens generados comparten ese presupuesto · 1.048.576 tokens de contexto.

• Límite de salida — no se publica en ningún sitio: ni la ficha de NVIDIA ni el registro del runtime declaran uno · 65.536 tokens.

• Modalidad — entrada de texto, imagen y vídeo, salida de texto; la ruta de visión no es opcional, cada etiqueta publicada incluye el proyector · entrada de texto, imagen, vídeo, audio y archivo, salida de texto, que es la superficie de entrada más amplia de todo lo incluido en esta comparación.

• Precio medido — ninguno publicado; autoalojamiento o nada · 2 $ por millón de tokens de entrada y 12 $ por millón de salida, que se duplican a 4 $ y a 12 $ o más para prompts de más de 200.000 tokens.

Las dos líneas que deciden los despliegues son el precio y las entradas. El modelo de NVIDIA no tiene precio porque no tiene endpoint: su costo es hardware y electricidad, y la única variable que importa es la utilización. La versión preliminar de Gemini tiene un precio con un acantilado: los primeros 200.000 tokens de entrada se facturan a $2 por millón y todo lo que supere esa cifra se factura al doble, un detalle que conviene conocer antes de construir un pipeline que meta un millón de tokens de contexto en cada llamada.

El codificador de visión es donde estos dos realmente se encuentran.

Ambos modelos aceptan imágenes y vídeo, lo que convierte a este en el único eje en el que la comparación es directa en lugar de estructural. También es el eje en el que la evidencia es más desigual.

En la propia tabla de NVIDIA, todas realizadas por el proveedor a través del arnés NeMo Gym: 62,82 en MMLongBench-Doc, 78,16 en MathVision, 80,82 en razonamiento de CharXiv, 65,08 en OCR-Reasoning, 85,60 en V*, 68,12 en OCRBench v2 English, 59,15 en el conjunto chino, 32,85 en Video-MME v2 y 51,14 en OSWorld-Verified. Las filas son consistentes con un modelo que lee documentos y gráficos de manera competente y que es considerablemente más débil en texto en chino que en inglés.

Google no ha publicado una tabla de correspondencia para la vista previa en el formato que usa NVIDIA, y esta página no va a falsificar una emparejando cifras de distintos arneses de pruebas. Lo que se puede decir con honestidad es que el mismo panel de terceros que puntúa ambos modelos sitúa la vista previa de Gemini ligeramente más arriba en su índice general —alrededor de 29,7 frente a 26,49 del checkpoint de NVIDIA—, y que la evaluación que hace el panel de la entrada de Gemini está fechada en su anuncio de febrero, no en ninguna revisión más reciente. Dado que la diferencia en el índice es de unos tres puntos y que las dos entradas se midieron con ocho meses de diferencia, tratar cualquiera de ellas como un veredicto definitivo sobre la otra sería una lectura excesiva.

Lo que no es sobreinterpretar: la versión preliminar de Gemini acepta audio y el checkpoint de NVIDIA no. Si tu entrada incluye la grabación de una llamada, una reunión o cualquier pista de audio, la mitad de esta comparación ya está decidida antes de que los parámetros entren en juego. A la inversa, si tu carga de trabajo es un corpus de documentos fijo que procesas decenas de miles de veces al día, un modelo que puedes ejecutar localmente a un costo fijo es una propuesta estructuralmente distinta de uno que cobra $2 por millón de tokens cada vez que miras una página.

La trampa en el valor predeterminado de NVIDIA sobre la que nadie ha escrito

Este es el tipo de detalle que solo aparece si uno lee el registro del entorno de ejecución en lugar del blog del proveedor, y bien merece el párrafo.

La tarjeta especifica dos configuraciones de muestreo recomendadas: temperatura 1.0 con top_p 0.95 para texto, y temperatura 0.6 con top_p 0.95 para visión. El valor predeterminado incluido en el manifiesto de Ollama es el par de texto. Eso significa que la configuración bajo la que la mayoría de la gente ejecutará este modelo de visión de forma predeterminada está ajustada para la mitad del modelo que no es visión. Si tu primera experiencia con él en páginas escaneadas o gráficos es decepcionante, la configuración de muestreo es lo primero que debes revisar, antes de concluir nada sobre la capacidad del propio checkpoint.

Dos detalles relacionados del mismo manifiesto. El blob de configuración declara model_type: 123.6B, mientras que cada etiqueta de cara al usuario dice 120B, lo cual es una discrepancia de redondeo en lugar de una discrepancia en los pesos, pero importa cuando un script de herramientas decide qué cabrá. Y la barrera del tiempo de ejecución se exige, no se recomienda: requires: 0.40.5, así que en cualquier Ollama anterior este modelo no se descarga en absoluto.

Lo que realmente vale la brecha de ocho meses

Se podría argumentar que una vista previa que ha sobrevivido ocho meses de tráfico es, en cierto modo, más digna de confianza que un punto de control de cuatro días, y es un buen argumento.

Un endpoint de vista previa ha sido machacado. Sus modos de fallo están documentados por otras personas. Su precio se publica en lugar de inferirse. Su ventana de contexto se comporta como dice la documentación, porque miles de usuarios han descubierto dónde no lo hace. Y una versión preliminar que Google ha mantenido en vista previa durante ocho meses en lugar de promocionarla, como mínimo, no se ha retirado en silencio — lo cual es información sobre la viabilidad comercial del modelo que ningún timestamp de repositorio puede darte sobre el checkpoint de NVIDIA.

Frente a eso, la vista previa conlleva dos costes que un archivo autoalojado no tiene. El primero es que puede cambiar. El estatus de vista previa es una declaración explícita de que el endpoint puede revisarse sin previo aviso, y una pipeline ajustada al comportamiento exacto de una vista previa es una pipeline con una dependencia sin cobertura. El segundo es que su economía escala de forma lineal y para siempre. No existe un volumen por encima del cual la vista previa de Gemini se vuelva más barata por token; existe un volumen por encima del cual el coste fijo de cuatro H100 la supera. Ese punto de cruce es el único número que debería impulsar esta decisión, y es una propiedad de tu tráfico más que de cualquiera de los dos modelos.

Y el déficit de ocho meses del checkpoint de NVIDIA no es únicamente una desventaja. El proveedor no solo ha publicado los pesos, sino también un arnés de evaluación reproducible y un informe técnico, y tanto el campo de fecha de lanzamiento de la tarjeta como las marcas de tiempo del repositorio concuerdan con la publicación de la sala de prensa. Ese es un proceso de publicación más auditable que el que reciben la mayoría de los lanzamientos de pesos abiertos, aunque la auditoría no ha hecho más que empezar.

Ninguna de estas está en nuestra clave, y una de ellas es la razón que importa.

Vale la pena ser claro sobre la disponibilidad. Gemini 3.1 Pro está accesible en OrcaRouter en su versión preliminar al precio de lista del proveedor, trasladado sin margen por token — $2 de entrada y $12 de salida, con el nivel de contexto largo al precio que Google publica, activo en nuestro lado el mismo día en lugar de en la próxima renovación. Si quieres averiguar si la versión preliminar maneja tu carga de trabajo de documentos, eso es una sola clave y nada de adquisiciones.

Nemotron 3.5 Super no está en nuestra clave. Enrutamos un poco más de doscientos modelos y no hay ninguna entrada de NVIDIA Nemotron entre ellos, así que este artículo no es una sugerencia de que puedas llamarlo en nuestra plataforma. Tus rutas son los propios canales de compilación y distribución de NVIDIA y la descarga del entorno de ejecución local.

Lo que hace que la capa de enrutamiento sea realmente útil aquí es la parte de esta decisión que no tiene nada que ver con los benchmarks. Ejecuta primero tu carga de trabajo documental real contra la vista previa alojada. Si supera el listón, habrás aprendido que la carga de trabajo es una que un modelo de frontera maneja, y ahora puedes plantear un argumento de volumen sobre si trasladar algo de ella a un checkpoint ejecutado localmente. Si no supera el listón, habrás aprendido algo aún más valioso, y lo habrás aprendido por el precio de unos pocos dólares en tokens en lugar del precio de un clúster.

El estrecho veredicto

Si necesitas entrada de audio, el conjunto de modalidades de entrada más amplio posible, un límite de salida publicado o un modelo cuyos modos de fallo otras personas ya hayan mapeado, Gemini 3.1 Pro Preview es la respuesta, y los ocho meses de medición de terceros que lo respaldan valen más de lo que sugiere la diferencia de tres puntos en el índice.

Si necesitas tener el modelo en tu poder, licenciarlo para uso comercial, ejecutarlo en hardware de tu propiedad y pagar un coste fijo por una carga de trabajo de documentos que procesas de forma continua, el checkpoint de NVIDIA es una opción real por primera vez este mes — con tres advertencias específicas. La etiqueta predeterminada es una cuantización de 4 bits y no existe ninguna evaluación publicada para esa cuantización. Los valores de muestreo predeterminados que se incluyen son los ajustes de texto de la tarjeta, no sus ajustes de visión. Y el modelo tiene cuatro días.

Prueba primero la vista previa con tus propios datos. Si funciona, la cuestión pasa a ser de volumen, y el volumen es aritmética. Si no funciona, te acabas de ahorrar un clúster.