NVIDIA Nemotron Labs Dory 1.0 4B vs. Gemma 4 12B: el triple de parámetros, ninguno para el mismo trabajo

La forma obvia de leer una comparación entre N​VIDIA N​emotron Labs Dory 1.0 4B y G​emma 4 12B es como una pelea de tamaños —4B contra 12B, pequeño contra mediano—, y ese encuadre desperdicia la comparación, porque los dos modelos no aceptan las mismas entradas, no mantienen la misma postura de licencia y no se vuelven más rápidos de la misma manera. Dory es una red solo de texto, solo en inglés y con bucles cuya característica definitoria es que una sola descarga sirve para varios presupuestos de cómputo. G​emma 4 12B es un modelo multimodal de cualquier modalidad a cualquier otra que recibe texto, imágenes y audio a través de una única pila sin codificador y devuelve texto. La brecha de parámetros es real, pero es la diferencia menos informativa entre ellos. Esto es lo que realmente separa a los dos, incluidas las partes donde nadie ha realizado todavía el experimento.

Qué es cada uno, en una sola pasada

NVIDIA Nemotron Labs Dory 1.0 4B es un modelo denso de 4B entrenado por NVIDIA y publicado en Hugging Face en cuatro cuantizaciones —BF16, MXFP8, NVFP4 y un Q5_K_M GGUF— bajo la licencia OpenMDW 1.1. Su ficha marca la compilación como "GA (10/16/2026)". Maneja texto de entrada y texto de salida, solo en inglés, con hasta 256K tokens de contexto. La arquitectura es lo importante: un bloque recurrente de 20 capas aplicado un número variable de veces entre un bloque de entrada de 8 capas y un bloque de salida de 8 capas, de modo que el número de bucles se convierte en un ajuste en tiempo de servicio en lugar de una decisión en tiempo de entrenamiento. NVIDIA recomienda dos bucles como opción predeterminada y cuatro cuando la precisión agéntica importa más. No se anunció nada sobre el lanzamiento; los repositorios se poblaron de la noche a la mañana y el proveedor no ha publicado ninguna entrada complementaria.

Gemma 4 12B es el modelo multimodal denso de 11,95B de Google DeepMind, Apache 2.0, contexto de 256K, 48 capas con atención híbrida y una ventana deslizante de 1024 tokens, y un vocabulario de 262K. Se describe como sin codificadores: los parches de imagen y las formas de onda de audio se proyectan directamente en el espacio de embeddings del modelo de lenguaje en lugar de pasar por codificadores de visión y audio separados. Entrada de texto, imagen y audio; salida de texto. El video se maneja como fotogramas muestreados, y la ficha limita el audio a unos 30 segundos y el video a unos 60 segundos a aproximadamente un fotograma por segundo. Admite modos de pensamiento configurables y un rol de sistema nativo, y es público y ampliamente descargado desde mediados de 2026.

Una aclaración que conviene hacer antes de que aparezca cualquier cifra: Dory se distribuye en cuatro variantes, y la cuyo id de repositorio se cita con más frecuencia es la compilación MXFP8, pero los benchmarks que publicó NVIDIA se midieron en BF16. El checkpoint MXFP8 es una cuantización de los mismos pesos, no un modelo distinto.

El problema del benchmark: estos dos nunca se han ejecutado uno contra el otro

Esta es la parte que un artículo comparativo suele disimular, así que vale la pena decirla sin rodeos. No existe un resultado de un mismo arnés para Dory 1.0 4B y Gemma 4 12B. La tabla de benchmarks de NVIDIA para Dory lo compara con Qwen3.5-4B, Qwen3.5-9B, Gemma 4 26B A4B y Qwen3.6-35B-A3B —recurre al 26B Gemma, no al 12B, y no incluye el 12B en absoluto. Las cifras publicadas por Google para el 12B proceden de un arnés diferente, contra un conjunto de comparación distinto, en un documento publicado meses antes y que cubre una combinación de tareas diferente.

Poner los números de las dos tarjetas uno al lado del otro produce una tabla que parece autoritativa y no significa nada, porque una diferencia de dos puntos entre dos arneses no es una diferencia de dos puntos entre dos modelos. Así que la versión honesta es esta: la propia tarjeta de Dory afirma un comportamiento agéntico de aproximadamente la clase de Qwen3.5-9B en cuatro bucles, mientras queda por detrás de todos y cada uno de sus propios comparadores en benchmarks intensivos en conocimiento, y la tarjeta de G​emma 4 12B afirma un perfil multimodal con una ventana de 256K y variantes ajustadas por instrucciones en toda la línea G​emma 4. Que cualquiera de las dos afirmaciones sobreviva al contacto con el conjunto de tareas de la otra no está probado.

Donde realmente se superponen, y donde termina la superposición

Cuatro dimensiones son relevantes para una decisión real, y apuntan en direcciones distintas.

• Modalidad — G​emma 4 12B admite texto, imágenes y audio. Dory 1.0 4B admite texto. Esto no es una brecha de benchmark que un arnés de pruebas pueda cerrar; es una capacidad que un modelo tiene y el otro no, y si tu carga de trabajo incluye una captura de pantalla, una página escaneada o un clip de voz en cualquier punto, la comparación ha terminado.

• Idioma — Dory es únicamente en inglés. La línea de G​emma 4 es multilingüe, y su tarjeta de 12B incluye resultados de evaluación multilingüe y de voz, incluidos benchmarks de traducción de idiomas distintos del inglés. Un segundo idioma en cualquier parte de la producción descarta a Dory.

• Contexto — ambos anuncian 256K, y este es el único punto en el que las especificaciones coinciden de verdad. La ficha de Dory dice que 262.144 posiciones están validadas en vLLM con el comando de lanzamiento incluido; G​emma 4 12B indica 256K con una ventana deslizante de 1024 tokens dentro de una pila de atención híbrida. Existe una evaluación publicada de contexto largo para G​emma; para Dory, la única fila de contexto largo es la de N​VIDIA, medida con claves de respuesta corregidas y un modelo evaluador más antiguo, lo que la ficha revela.

• Comportamiento de cómputo — esta es la ventaja asimétrica de Dory y no tiene nada que ver con la calidad. G​emma 4 12B es un modelo denso convencional: profundidad fija, costo fijo por token, escala el hardware o acorta el contexto para cambiar la factura. La profundidad de Dory es un parámetro de tiempo de ejecución. Ejecútalo con un bucle cuando la latencia sea la restricción y con cuatro cuando lo sea la precisión, sin descargar un segundo checkpoint. N​VIDIA también incluye un modo de almacenamiento en caché KV de último bucle destinado a mantener la huella de caché aproximadamente en el tamaño de un solo bucle independientemente del número de bucles, lo que —si se sostiene— elimina la objeción estándar a las arquitecturas recurrentes. Es la afirmación de la ficha que más merece una verificación independiente.

• Licencia — OpenMDW 1.1 para Dory, Apache 2.0 para G​emma 4 12B. Ambas permiten el uso comercial. Si tu revisión legal considera que Apache 2.0 es el camino de menor resistencia, G​emma parte con una ventaja que no tiene nada que ver con los pesos.

Ejecutarlos: uno es rutina, el otro es una compilación.

Gemma 4 12B es una descarga con la forma estándar de la familia Llama. Está en formato Transformers, se ejecuta en los motores que ya tienes, y las versiones cuantizadas —las variantes QAT GGUF y w4a16— son públicas desde poco después del propio modelo.

Dory 1.0 4B aún no está listo y la ficha lo dice claramente. El soporte de vLLM está "en revisión" en un pull request abierto; hasta que se fusione, se instala vLLM desde esa rama con el flag de kernel precompilado y luego se pasan las anulaciones de loop-count y KV-cache al momento de servir. El soporte de llama.cpp está en un segundo pull request abierto, y NVIDIA fija un commit específico en lugar del HEAD que va cambiando, lo cual es la decisión correcta para una configuración de referencia, pero aun así implica compilar desde el código fuente. No hay ningún endpoint alojado para Dory en ningún lugar que podamos verificar —ni de NVIDIA ni de nadie más—, y los contadores de descargas de sus cuatro repositorios seguían en cero cuando se escribió esto. Gemma 4 12B, en cambio, se ha descargado bastante más de un millón de veces en el último mes y tiene un ecosistema de ajustes finos y cuantizaciones construido sobre él. Esa brecha de madurez es, para la mayoría de los equipos, mayor que cualquier diferencia de benchmarks en cualquiera de las dos fichas.

Los detalles de hardware son escasos en ambos lados. Las únicas cifras de velocidad de Dory publicadas por NVIDIA son aceleraciones de cuantización en una DGX Spark —1,69× y 1,84× para MXFP8 frente a BF16, según la combinación de entrada/salida; 2,17× y 2,44× para NVFP4—, no cifras de rendimiento. Para Gemma 4 12B, la pregunta correspondiente —la VRAM a una longitud de contexto determinada— se puede responder a partir de un año de mediciones de la comunidad, y no de la tarjeta.

Donde entra en juego un router, sinceramente

No servimos ninguno de estos modelos, y decirlo es más útil que insinuar lo contrario. N​VIDIA N​emotron Labs Dory 1.0 4B no está en el catálogo de OrcaRouter y no tiene ningún endpoint alojado en ninguna parte; G​emma 4 12B específicamente tampoco está en el catálogo, aunque sus hermanos mayores google/gemma-4-26b-a4b-it y google/gemma-4-31b-it sí lo están.

Lo que queda es la forma práctica de la decisión. Si estás eligiendo entre un 4B que tienes que autoalojar y un 12B que puedes alquilar, el lado autoalojado conlleva una factura de GPU y una carga operativa que el lado alquilado no tiene, y la única forma de valorar eso con honestidad es ejecutar ambos contra tu propio conjunto de tareas. OrcaRouter es útil para la mitad de ese experimento que está alojada: una sola clave de API da acceso a los modelos de pesos abiertos de Google que sí ofrecemos, al precio de lista del proveedor con un 0% de margen, así que la comparación no requiere un segundo contrato ni un segundo SDK. La conmutación por error automática cubre la ventana en la que tu propio pool de GPU está saturado a mitad del benchmark, y el DSL de enrutamiento permite que una llamada autoalojada y una alojada estén detrás de un único endpoint, así que cambiar de lado es un cambio de configuración y no una reescritura. Nada de eso te dice qué modelo gana. Elimina la excusa para no averiguarlo.

Entonces, ¿cuál?

Si tu tarea es solo texto, solo inglés y de contexto largo, y especialmente si es agéntica —llamadas a herramientas, flujos de trabajo de varios pasos, salida estructurada—, Dory 1.0 4B es la apuesta más interesante y la que, por su arquitectura, te ofrece algo que el 12B no puede ofrecer: un dial de cómputo. Haz la apuesta con los ojos abiertos respecto a la brecha de madurez, las dos pull requests sin fusionar, la ausencia total de evaluación independiente y el hecho de que su propia ficha lo sitúa por detrás de todos los comparadores en GPQA y HLE.

Si tu tarea implica una imagen, un sonido, un segundo idioma o una fecha límite de producción dentro del próximo mes, G​emma 4 12B es la respuesta y la comparación nunca estuvo reñida. Es un modelo más grande, más caro y más capaz, con un ecosistema detrás y sin ningún paso de compilación por delante.

Lo que hay que vigilar no es un número de benchmark — es si se fusionan las pull requests de vLLM y llama.cpp. El día en que Dory se cargue desde un binario publicado en lugar de una rama, el lado de autoalojamiento de esta comparación deja de ser un proyecto y empieza a ser un cambio de configuración. Hasta entonces, el veredicto honesto es que uno de estos modelos es un producto y el otro es un repositorio que apareció de la noche a la mañana, y cuál quieres depende por completo de si estás lanzando o probando.

Nada de eso es hipotético: los fallos documentados de IA y los incidentes de agentes detrás de lanzamientos como este se recopilan en el OrcaRouter AI Incident Archive, donde cada entrada incluye sus propias fuentes, severidad, grado de confianza e indicador de disputa.