Nemotron 3.5 Super VL vs Nemotron 3.5 Lightning: dos niveles de una misma familia, y el token que decide cuál

Estos dos modelos no son rivales, y tratarlos como si fueran uno solo es el error al que invitan las hojas de especificaciones. NVIDIA Nemotron 3.5 Super VL es un modelo de visión-lenguaje de 120B parámetros y 12B activos que necesita cuatro H100 o dos GB200 para funcionar a precisión completa. NVIDIA Nemotron 3.5 Lightning 30B-A3B es un modelo de texto de 30B parámetros y 3B activos que cabe en un único DGX Spark o en una sola H100. Comparten una licencia —OpenMDW-1.1, uso comercial, pesos abiertos y recetas abiertas— y comparten una filosofía de diseño consistente en acallar el cómputo por token con Mamba-2 y expertos dispersos. No comparten una modalidad de entrada, un requisito mínimo de hardware ni una función. Lightning es el mayor de los dos por unos dos meses, ya que se lanzó el 11 de agosto de 2026; los pesos de Super VL llegaron el 12 de octubre de 2026, con el anuncio de NVIDIA al día siguiente, el 15 de octubre, así que uno de ellos es un lanzamiento consolidado y el otro tiene un día de vida.

La puerta, en términos sencillos

Ambos modelos existen como checkpoints descargables con recetas de evaluación publicadas. Ambos están evaluados por el proveedor: todas las cifras de las tablas siguientes provienen del propio harness NeMo Gym o NeMo Evaluator de NVIDIA, no de un tercero, y ninguno cuenta con una auditoría independiente de rendimiento ni de precisión que lo respalde. Esa advertencia se aplica a toda la comparación y no se repite en cada línea.

Dónde queda mejor Lightning: NVIDIA dice que el checkpoint Lightning 30B-A3B NVFP4 se ha descargado unas 907.000 veces en Hugging Face, frente a unas 142 del checkpoint BF16 Super VL con un día de antigüedad. Eso no es una señal de calidad — es la diferencia entre un modelo que puedes ejecutar en un acelerador de clase portátil y uno que no.

Qué contienen los dos puntos de control

Nemotron 3.5 Lightning 30B-A3B es una mezcla de expertos híbrida construida a partir de capas Mamba-2 y MoE intercaladas con unas pocas capas de atención, 30B de parámetros totales y 3B activos por token, 1M de tokens de contexto, y texto como su única entrada. NVIDIA lo entrenó con más de 20 billones de tokens con una receta de preentrenamiento NVFP4, añadió cabezales de predicción multi-token, y luego lo ajustó con datos sintéticos de código, matemáticas, ciencia, llamada a herramientas y seguimiento de instrucciones antes de una etapa de aprendizaje por refuerzo GRPO. Se entrega con tres estrategias separadas de decodificación especulativa —DSpark para trabajo de centro de datos de baja concurrencia y DGX Spark, además de MTP y DFlash—, lo que supone una cantidad inusual de ingeniería de inferencia para un modelo de 30B, y te dice quién es el usuario previsto: alguien que ejecuta agentes localmente y vigila el reloj.

NVIDIA Nemotron 3.5 Super VL comparte el esqueleto y añade ojos. La misma combinación intercalada de Mamba-2, MoE y atención, pero con 512 expertos enrutados por capa MoE, un codificador de visión C-RADIO y un conector visión-lenguaje, 120B en total y 12B parámetros activos, y entrada de texto, imagen y vídeo. Su columna vertebral lingüística se inicializó a partir de Nemotron 3 Super Base y luego se destiló durante un billón de tokens desde Nemotron 3 Ultra Base antes del preentrenamiento continuado, una extensión de 35 mil millones de tokens a contexto de 1M, un entrenamiento intermedio en ingeniería de software y una etapa de recuperación de contexto largo. Los dos lanzamientos también comparten un informe técnico: NVIDIA publicó los trabajos de Super y Lightning juntos.

• Parámetros activos — 12B por token para Super VL frente a 3B para Lightning. Cuatro veces el cómputo en cada token generado, antes de contar el codificador de visión.

Modalidades — texto, imágenes y fotogramas de vídeo muestreados hacia Super VL; texto de entrada y texto de salida para Lightning. Los idiomas admitidos por Lightning son inglés, español, francés, alemán, italiano y japonés.

• Requisitos mínimos de hardware — 4×H100 o 2×GB200 en BF16 para Super VL, con una compilación NVFP4 y un microservicio NIM para producción; un DGX Spark, una H100, una RTX 5090 o silicio de clase Ampere mediante W4A16 para Lightning.

• Contexto — 1M tokens en ambos, ambos con recetas publicadas en lugar de un único máximo anunciado.

• Decodificación especulativa — Super VL usa su propia cabeza MTP de forma nativa, sin necesidad de descargar un drafter; Lightning incluye las variantes DSpark, MTP y DFlash como checkpoints separados.

• Licencia — OpenMDW-1.1 para ambos, con uso comercial permitido, y con conjuntos de datos abiertos y entornos de RL en el Hub.

Lo que los números dicen y no dicen

En el propio harness de NVIDIA, los dos no están cerca, y eso es de esperar: un modelo de 12B activos debería superar a uno de 3B activos. Fundamentando la brecha en las tablas publicadas por NVIDIA: GPQA-Diamond 89.52 para Super VL frente a 75.44 para Lightning; HLE solo texto 31.79 frente a 11.72; SWE-bench Verified 71.10 frente a 51.56; Terminal-Bench 2.1 66.70 frente a 24.58; AA-LCR 68.62 frente a 52.00.

El patrón dentro de esas filas es más útil que las filas mismas. La ventaja de Super VL es enorme en los benchmarks de contexto largo y ejecución agéntica, y comparativamente modesta en conocimiento general: MMLU-Pro es 76.91 frente a 81.94 de Lightning, lo cual es un caso poco común de que el modelo más pequeño gane una fila. Esa es la forma de un modelo que fue entrenado deliberadamente de forma intermedia con datos de ingeniería de software y al que se le dio una etapa de recuperación de contexto largo: es mejor para llevar una tarea hasta el final que para recordar hechos. Si tu carga de trabajo consiste en responder preguntas fácticas sobre texto corto, la desventaja del modelo 30B prácticamente se desvanece, y lo hace con una cuarta parte del cómputo por token.

NVIDIA incluye una advertencia en la tarjeta de Lightning que vale la pena repetir en esencia: las cifras se midieron con el checkpoint oficial NVFP4 y se aplican a él, y NVIDIA señala que su propia evaluación puede diferir de las cifras que reportan los proveedores de modelos competidores. Esa es una frase inusualmente honesta, y se aplica igualmente a la tabla de Super VL.

Elegir el nivel, y qué ocurre por encima de él

La regla de decisión se deriva de la modalidad y del piso, más que del índice. Todo lo que tenga que leer una página —una factura, un gráfico, un formulario escaneado, una captura de pantalla de una aplicación, un fotograma de vídeo— solo puede ir a Super VL, porque Lightning no tiene ninguna vía para píxeles. Todo lo que sea texto de entrada y texto de salida, se ejecute de forma continua y resida en hardware que ya tienes pertenece a Lightning, porque un modelo de 3B activos en NVFP4 en un único acelerador tiene una base de costos completamente distinta de la de doce mil millones de parámetros activos repartidos entre cuatro GPU.

Por encima de ambos se sitúa NVIDIA Nemotron 3 Ultra 550B-A55B, con el que la tarjeta Super VL se compara directamente y que necesita ocho GB200 o dieciséis H100. Tres niveles, tres clases de hardware, una licencia. La familia está diseñada para que una sola organización pueda desplegar los tres y mover trabajo entre ellos, y el interesante problema de ingeniería no es elegir uno, sino el enrutador que decide qué solicitud va a dónde.

Esa capa de enrutamiento es donde una plataforma, y no un checkpoint, justifica su existencia, y merece la pena ser precisos sobre lo que hacemos y lo que no hacemos aquí. OrcaRouter no sirve NVIDIA Nemotron 3.5 Super VL, Nemotron 3.5 Lightning 30B-A3B ni Nemotron 3 Ultra 550B-A55B; ninguno de los tres está en nuestro catálogo, y un checkpoint autoalojado es, por definición, algo que un proveedor de API no puede ofrecerte. Lo que proporcionamos es la parte que rodea a una flota mixta de local y alojado: el DSL de enrutamiento que compone varios modelos en una sola llamada, de modo que un pipeline puede enviar sus páginas mecánicas a un modelo pequeño y barato y escalar solo las difíciles, y failover automático entre proveedores upstream para que la degradación de una dependencia alojada no arrastre consigo al pipeline. El lado del catálogo de esa ecuación — actualmente más de doscientos modelos tras una sola clave con un 0 % de recargo sobre el precio de lista del proveedor — es aquello a lo que recurre la rama de escalado. Un Lightning autoalojado que gestiona el volumen y un modelo alojado enrutado que gestiona las excepciones es un sistema más pequeño y más seguro que cualquiera de las dos mitades por separado.

Qué ver

La madurez relativa de Lightning es la variable subestimada. Ha sido público desde agosto, cuenta con cuantizaciones de terceros, soporte de llama.cpp, Ollama, LM Studio y vLLM, y una base de descargas lo suficientemente grande como para que los modos de fallo sean conocidos. Super VL tiene una tarjeta de modelo, un informe técnico, una receta de vLLM para el día cero y un recuento de descargas de un día de antigüedad. Ejecutarlo en producción este mes significa ser quien descubra las asperezas.

Lo específico que hay que vigilar es si la compilación NVFP4 Super VL cierra la brecha de hardware lo suficiente como para importar. Si un modelo cuantizado 120B-A12B se ejecuta de forma útil en un número pequeño de aceleradores —no uno, sino menos de cuatro—, entonces el límite entre niveles se desplaza y toda la familia de tres modelos se vuelve más barata de desplegar como una unidad. Hasta que eso ocurra, la división es por modalidad: Lightning para texto en gran volumen en tu propio hardware, Super VL para cualquier cosa que tenga un píxel, Ultra cuando la tarea realmente necesita el modelo más grande que vende NVIDIA.