Nemotron 3.5 Super vs GLM-5.5: uno de estos modelos existe

Existe una comparación real entre NVIDIA Nemotron 3.5 Super y GLM-5.5, y no es la que prometen los resultados de búsqueda. Nemotron 3.5 Super —120 mil millones de parámetros totales con 12 mil millones activos por token, una mezcla de expertos híbrida de Mamba-2 y Transformer con un codificador de visión C-RADIO, publicado bajo el nombre más completo NVIDIA Nemotron 3.5 Super VL y distribuido en Ollama como code>nemotron-3.5-super/code> — es un conjunto de pesos que se publicó en Hugging Face el 12 de octubre de 2026, fue anunciado por NVIDIA el 15 de octubre y se puede descargar y ejecutar esta noche bajo la licencia OpenMDW-1.1. GLM-5.5 es un modelo que Z.ai no ha publicado. No hay repositorio, ni tarjeta de modelo, ni endpoint, ni precio, ni recuento de parámetros. Hay informes que se remontan a junio de 2026 sobre un lanzamiento de un billón de parámetros, un artículo filtrado en octubre que afirma que supera a dos modelos de frontera, y silencio por parte del laboratorio.

Lo cual significa que un cara a cara entre estos dos sería la especificación de un modelo real frente a la reputación de otro modelo. Eso no es una comparación; es un horóscopo con benchmarks. Así que esta página hace lo que sí resulta útil: expone lo que Z.ai ha lanzado, lo que se sabe sobre lo que no ha lanzado, y luego realiza la comparación sobre la que un lector con una GPU y una carga de trabajo puede actuar hoy.

Lo que Z.ai realmente ha lanzado

La línea insignia publicada de Z.ai abarca GLM-5, GLM-5.1, GLM-5.2, GLM-5.3 y GLM-5.3-Flash. En nuestro propio catálogo, el identificador GLM más alto que enrutamos es code>z-ai/glm-5.3/code>, junto con code>z-ai/glm-5.3-flash/code> y una variante gratuita del nivel flash. No existe ningún id GLM-5.5, y la lista de modelos termina donde termina el registro del laboratorio.

Qué es GLM-5.3, según las cifras que podemos verificar: una mezcla de expertos de 753 mil millones de parámetros con 40 mil millones activos por token, una ventana de contexto de 1.000.000 de tokens con un límite de salida de 128.000 tokens, entrada de texto, una licencia que Z.ai publica bajo su propio nombre con uso comercial permitido, y una tarifa de medición repercutida de $1.26 por millón de tokens de entrada y $3.96 por millón de tokens de salida. El nivel flash se sitúa por debajo, a $0.15 y $0.50, con un contexto de 1M y entrada de texto, imagen y vídeo.

Ese nivel flash es un competidor más interesante para este lanzamiento de NVIDIA que el buque insignia en un aspecto concreto, y hay una página hermana dentro de este mismo lote que lo analiza a fondo. Para los fines de este artículo, el punto es más acotado: si quieres comparar Nemotron 3.5 Super con algo que Z.ai haya lanzado, lo estás comparando con GLM-5.3, y esa comparación está disponible hoy.

Por qué los informes de GLM-5.5 no son números utilizables

La cobertura periodística en torno a GLM-5.5 se divide en tres categorías, y ninguna de ellas bastará para tomar una decisión de compra.

El primero es la planificación temporal. La cobertura de mediados de 2026 describía un lanzamiento planeado para agosto dirigido a ChatGPT y Claude, basado en declaraciones de personal de Zhipu y en rumores del sector. La fecha pasó sin un lanzamiento. Una ventana de lanzamiento que ya se ha incumplido no es evidencia sobre un modelo.

El segundo es el recuento de parámetros. Han circulado informes con una cifra de un billón de parámetros. Nadie ha publicado un índice de safetensors, una config, ni un recuento de expertos por capa, que es con lo que normalmente se contrasta una afirmación sobre parámetros. Puede que la cifra resulte ser correcta; actualmente es una aserción sin ningún artefacto que la respalde.

El tercero es el de las afirmaciones sobre benchmarks. Una publicación de octubre afirmó que GLM-5.5 supera a dos modelos frontera identificados por nombre. No hay arnés de evaluación, ni conjunto de prompts, ni configuración de puntuación, ni ruta de reproducibilidad en esa afirmación —que es exactamente la brecha que NVIDIA, digan lo que digan sobre las evaluaciones realizadas por proveedores, cerró al publicar una receta de NeMo Gym con contenedores específicos para benchmarks y parámetros de inferencia junto a su tabla. Un benchmark de proveedor con una receta es evidencia débil. Un benchmark filtrado sin una no es evidencia.

Existe una versión de este artículo que trata las cifras filtradas como reales, las coloca en un marcador de dos columnas y deja que el lector asuma que el enfrentamiento está resuelto. Ese artículo no valdría nada para nadie que tenga que tomar una decisión, y quedaría obsoleto en el plazo de una semana desde cualquier anuncio real.

La comparación que se puede hacer, ejecutada correctamente

Nemotron 3.5 Super VL frente a GLM-5.3, el buque insignia que Z.ai ha publicado de verdad.

• Parámetros totales y activos — 120B en total con 12B activos, 512 expertos enrutados por capa MoE · GLM-5.3 con 753B en total y 40B activos. En términos de parámetros activos, el modelo de NVIDIA es un tercio del tamaño y debería ser drásticamente más económico por token al ejecutarse en hardware equivalente, que es precisamente la intención de diseño.

• Contexto — 1.000.000 de tokens en ambos, con una salvedad importante. La tarjeta de NVIDIA dice que la memoria disponible y la configuración de tiempo de ejecución determinan la cifra utilizable, y que los prompts, las imágenes, el historial, los resultados de las herramientas y los tokens generados comparten el presupuesto. Z.ai publica un límite de salida de 128.000 tokens para GLM-5.3 y NVIDIA no publica ningún límite de salida en absoluto, lo que hace que GLM-5.3 sea el modelo más predecible para generaciones largas y el checkpoint de NVIDIA el más abierto.

• Modalidad — entrada de texto, imagen y vídeo con salida de texto para el modelo de NVIDIA, mediante un codificador y conector de visión, con un proyector de 1,6 GiB en cada etiqueta publicada · solo texto para GLM-5.3, mientras que la ruta multimodal se encuentra en el nivel flash más económico. Si tu entrada es una página de documento, el GLM insignia no entra en la ecuación.

• Precio por uso — ninguno para el checkpoint de NVIDIA, que es solo para autoalojamiento · $1.26 de entrada y $3.96 de salida por millón de tokens para GLM-5.3, aplicado al precio de lista del proveedor sin margen añadido.

• Índice de terceros, que es la única fila auditada de esta lista — el panel que puntúa estos modelos sitúa el checkpoint de NVIDIA en torno a 26 y GLM-5.3 en torno a 45. Se trata de una diferencia de dieciocho puntos a favor del buque insignia chino, medida por un tercero y no por ninguno de los dos proveedores, y es la cifra más importante de todas.

• Estado de lanzamiento — pesos públicos el 12 de octubre de 2026, anunciados el 15 de octubre, cuatro días de historial operativo · GA, con una línea de revisiones ya publicadas a sus espaldas.

La brecha en el índice merece ser expuesta sin suavizarla. La propia tabla publicada por NVIDIA no puede usarse para restarle importancia, porque el proveedor no ejecutó GLM-5.3 como referencia — la columna GLM en esa tabla es GLM-5.3-Flash, el nivel más económico, e incluso ahí el modelo de NVIDIA va por detrás en la mayoría de las filas agénticas. Un checkpoint abierto de 12B activos no compite con un buque insignia de 40B activos en capacidad general, y cualquier página que te diga lo contrario te está vendiendo algo.

Lo que realmente te aporta la elección de arquitectura

La pregunta interesante no es si 12B activos supera a 40B activos. No lo hace. La pregunta interesante es qué ocurre cuando normalizas en función del hardware que puedes permitirte.

En su etiqueta predeterminada de 4 bits, el checkpoint de NVIDIA ocupa 82,3 GiB de pesos más un proyector de visión de 1,6 GiB — una sola tarjeta de 96 GB, con un margen para la caché KV que se reduce a medida que aumentas el contexto. GLM-5.3, con 753 mil millones de parámetros totales, no cabe en ninguna máquina individual con ninguna cuantización que preserve su comportamiento, y su despliegue correcto más barato es el clúster de otro a través de una API a $1,26 y $3,96.

Así que los dos modelos no son sustitutos. Uno de ellos es una capacidad tarifada por consumo que alquilas y el otro es un costo fijo que posees, y lo único que decide entre ellos es cuán continuamente usas la cosa. Por debajo de cierto rendimiento, un modelo insignia de $1.26 por millón de tokens es simplemente más barato que una tarjeta de 96 GB y la electricidad que la respalda. Por encima de cierto rendimiento, la tarjeta gana, y gana sin necesidad de ser el mejor modelo.

La otra cosa que aporta el diseño de NVIDIA, y no es poca cosa, es la ruta de visión bajo una licencia permisiva. GLM-5.3 es solo texto. GLM-5.3-Flash acepta imágenes y vídeo a quince centavos y cincuenta centavos por millón de tokens, lo cual es notablemente barato y es la razón por la que el nivel flash —no el insignia— es la comparación correcta de Z.ai para un pipeline de documentos. Un modelo de visión autoalojado a un coste fijo frente a un modelo de visión alojado de quince centavos es una pregunta genuina con un punto de cruce genuino, y vale la pena calcularlo con tus propios recuentos de páginas en lugar de con una tabla de clasificación.

Tres cosas sobre el checkpoint de NVIDIA que no están resueltas

Siendo imparciales en la otra dirección, ya que la apertura de la publicación de NVIDIA no hace que su especificación sea completa.

La etiqueta predeterminada que la mayoría de la gente descargará es una cuantización de 4 bits, y cada cifra de evaluación publicada —la propia tabla de NVIDIA, la puntuación del panel de terceros— corresponde a BF16 o NVFP4. La versión que se usa realmente no tiene evaluación publicada. Esta es la mayor cantidad no medida en cualquiera de los dos lados de esta página.

Los valores predeterminados de muestreo que incluye el entorno de ejecución son los ajustes de texto de la tarjeta: temperatura 1.0 con top_p 0.95, mientras que el ajuste de visión de la tarjeta es temperatura 0.6. Un modelo de visión cuya configuración predeterminada está ajustada para su mitad de texto va a producir primeras impresiones decepcionantes en páginas escaneadas, y la solución es un cambio de configuración en lugar de usar un modelo diferente.

Y la especificación se contradice a sí misma en dos pequeños puntos que importan para las herramientas: el blob de configuración de Ollama declara code>model_type: 123.6B/code> mientras que todas las etiquetas de cara al usuario dicen 120B, y la página de la biblioteca anuncia un contexto de 1M para sus etiquetas GGUF, pero ninguna cifra de contexto para sus tres etiquetas MLX. Ninguno de los dos es un defecto en los pesos. Ambos son cosas con las que tropezará un script de despliegue.

Dónde deja esto a un lector

Si estás aquí porque querías saber cómo se compara Nemotron 3.5 Super con GLM-5.5, la respuesta es que el segundo modelo aún no existe y cualquier página que te dé cifras sobre él se las está inventando. Lo que existe es una filtración con un número de parámetros, una ventana de lanzamiento incumplida y una afirmación sin ningún arnés que la respalde.

Si estás eligiendo entre lo que realmente está disponible, la elección es entre un modelo insignia de Z.ai con medición de uso, que es notablemente más potente en capacidad general y solo texto; un nivel flash de Z.ai con medición de uso, que es sorprendentemente barato y acepta imágenes; y un checkpoint de NVIDIA que puedes tener en propiedad, que maneja texto, imágenes y video, y que se queda atrás en la única puntuación medida de forma independiente que tiene alguno de ellos. Nemotron 3.5 Super no está en OrcaRouter —enrutamos algo más de doscientos modelos y no hay ninguna entrada de NVIDIA Nemotron entre ellos—, así que si quieres el checkpoint de NVIDIA, los canales propios del proveedor y la descarga local son tu vía.

GLM-5.3 y GLM-5.3-Flash están en nuestra clave, al precio de lista del proveedor trasladado sin margen por token, y un cambio de precio de Z.ai llega a nuestro lado el mismo día, no en tu próxima renovación de contrato. Eso es el experimento barato: ejecuta la carga de trabajo contra el modelo al que puedes acceder hoy, averigua cuánto cuesta por unidad de trabajo real y solo entonces decide si el coste fijo de una tarjeta que posees supera al de un medidor que alquilas.

Y cuando GLM-5.5 llegue de verdad —si llega—, la versión de esta página que valdrá la pena leer será la que se escriba después de que alguien que no sea el laboratorio lo haya probado.