
Nemotron-Labs-Sigma-distill-8B-nfe4 vs Nemotron 3.5 Lightning 30B A3B: Dos lanzamientos de NVIDIA que nunca compiten entre sí
- GoogleNUEVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 90 tok/s
- AnthropicNUEVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 97 tok/s
- orcaNUEVOOrca: OrcaC2 1.02026-11-0717 tok/s
- OrcaNUEVOOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 88 tok/s
- OrcaNUEVOOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 133 tok/s
- OrcaNUEVOOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 por 1M de tokens · 72 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 127 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 65 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencia
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencia
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 146 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencia
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencia
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 por 1M de tokens · 124 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Inteligencia
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Inteligencia
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 por 1M de tokens · 218 tok/s
Poner Nemotron-Labs-Sigma-distill-8B-nfe4 y Nemotron 3.5 Lightning 30B A3B en la misma frase hace que el instinto sea preguntar cuál es más inteligente. Esa pregunta no tiene respuesta, y no porque los datos sean escasos, sino porque los dos modelos no comparten ningún benchmark, ninguna longitud de contexto, ninguna pila de servicio ni ningún proceso de lanzamiento. Nemotron-Labs-Sigma-distill-8B-nfe4 es un modelo de difusión continua de 8B que NVIDIA publicó el 12 de noviembre de 2026 sin ningún anuncio y que se ha descargado cinco veces. Nemotron 3.5 Lightning 30B A3B es un modelo de mezcla de expertos híbrido de Mamba-2 y atención, de 30B en total y 3B activos, que se lanzó en agosto con una ficha de modelo, un endpoint en build.nvidia.com y 962.098 descargas el mes pasado. La comparación útil no es un marcador. Es cuál puedes poner realmente delante de un usuario, y para qué.
Las dos tarjetas describen productos diferentes, no niveles diferentes.
Lee las secciones de casos de uso en paralelo y la diferencia deja de ser una cuestión de capacidad. La ficha de Sigma-distill dice que es para "investigación de generación sensible a la latencia, estudios de decodificación especulativa y paralela, y experimentación orientada al despliegue", y afirma que el modelo "se ejecuta offline en el hardware del propio usuario; NVIDIA no aloja ningún servicio". La ficha de Lightning apunta a un endpoint compatible con OpenAI en integrate.api.nvidia.com, una etiqueta de contenedor de vLLM, un par de muestreo recomendado de temperature 1.0 y top_p 0.95, un conmutador de modo de pensamiento en la plantilla de chat y tres checkpoints de borrador de decodificación especulativa independientes.
Uno es un archivo. El otro es un servicio con un archivo detrás. Esa diferencia determina casi todo lo demás en este artículo:
• Parámetros — 8B denso (9.03B en el recuento de safetensors una vez contada la cabeza auxiliar de lectura) frente a 30B totales con 3B activos por token.
• Arquitectura: decodificador estilo Ministral con una cabeza de difusión continua de 16 dimensiones frente a capas intercaladas de Mamba-2, MoE y atención selectiva con cabezas de predicción multi-token.
• Contexto — 4096 tokens para el prompt y la salida combinados frente a hasta 1 000 000, con la salvedad de que una sola H100 solo alcanza unos 256 000 y el millón completo necesita ocho H100, una GB200 o una B200.
• Idiomas — solo inglés frente a inglés más lenguajes de programación, español, francés, alemán, italiano y japonés, con chino en el postentrenamiento.
• Formato de la versión — solo tarjeta y pesos, sin endpoint de proveedor, sin anuncio frente a un endpoint alojado, una compilación de referencia BF16, una compilación NVFP4 y tres modelos borrador para decodificación especulativa.
• Descargas en los últimos treinta días: cinco frente a 962.098 solo en el repositorio BF16, sin contar 901.381 en la compilación NVFP4.
• Licencia — NVIDIA Nemotron Open Model License para ambos, aunque la ficha de Lightning la denomina OpenMDW-1.1.
No hay un punto de referencia compartido, así que no hay un marcador.
Esta es la parte que la mayoría de las páginas de comparación pasaría por alto. La ficha de Sigma-distill reporta GSM8K, MATH (Minerva), HumanEval, HumanEval+, MBPP y MBPP+ con diez semillas y dos errores estándar, además de una media de 66.36 en seis tareas. La ficha de Lightning reporta MMLU Pro, GPQA Diamond, HLE, SciCode, SWE-bench Verified, SWE-bench Multilingual, Terminal-Bench 2.1, PinchBench, BrowseComp, τ³-bench Banking, GDPval-AA-V2, IFBench, AA-LCR y AA-Omniscience. La intersección es el conjunto vacío. Ni un solo benchmark aparece en ambas fichas.
Eso no es una casualidad de la información. Las dos evaluaciones ponen a prueba cosas distintas a propósito. Las seis tareas de Sigma son razonamiento de respuesta corta y completado de código de unos pocos cientos de tokens; las de Lightning son ingeniería de software agéntica, recuperación de contexto largo y conocimiento profesional. Un modelo con una ventana de 4.096 tokens y sin plantilla de chat no puede someterse al arnés de SWE-bench, y a un modelo entrenado para completar el cuerpo de una función no se le están haciendo preguntas de GPQA.
Así que la única línea honesta que se puede trazar es esta: en sus propias seis tareas, Sigma-distill nfe4 promedia 66.36 con diez semillas, lo cual es un número real bajo un protocolo real, y no dice nada sobre cómo se comportaría en cualquiera de las cosas con las que se midió Lightning. Quien te diga que uno supera al otro no está comparando nada.

La velocidad es donde la comparación se vuelve interesante — y donde sigue sin resolverse.
Ambos modelos son rápidos de formas que resulta difícil situar en un solo eje, y este es el único punto en el que la comparación tiene contenido real.
Sigma-distill genera 32 tokens por bloque en exactamente 4 evaluaciones de eliminación de ruido más una lectura. Cinco pasadas hacia adelante, 32 tokens: 6,4 tokens por pasada hacia adelante. Como el número de pasos está fijado por el entrenamiento, esa proporción no cambia con la longitud del prompt ni con la de la salida: es una constante, y el código de inferencia de la tarjeta no permite sobrescribirla. La tarjeta del modelo padre informa de 120–140 tokens por segundo en una H100 con 32 pasos por bloque de 64 tokens; la variante destilada no publica ninguna cifra de tokens por segundo, por lo que la aritmética de 6,4 veces menos pasadas no es un rendimiento medido.
Lightning toma la otra ruta. Es un MoE de 3B activos, así que cada pasada forward es barata, y NVIDIA distribuye DSpark como la opción predeterminada recomendada de decodificación especulativa, con DFlash y sus propios heads de predicción multi-token como alternativas. Sus cifras de rendimiento tampoco figuran en la ficha en tokens por segundo, pero sus descargas y su receta de serving indican que se ha ejecutado en producción, cosa que Sigma no ha hecho.
La distinción que importa: la aceleración de Sigma es estructural y constante por token, mientras que la de Lightning es especulativa y depende de la carga de trabajo. Un contrato fijo de 5 llamadas por cada 32 tokens es predecible de una manera en que las tasas de aceptación de borradores nunca lo son. Además, hoy es inmedible, porque nadie ha publicado ni una sola cifra de rendimiento para el checkpoint nfe4.
Cuánto te cuesta ejecutar cada uno
Sigma-distill consta de 18,06 GB de pesos bfloat16 distribuidos en cuatro fragmentos, cargados mediante código eager de PyTorch desde el propio repositorio con trust_remote_code, en una GPU CUDA, sin atención paginada, sin batching continuo y sin ninguna compilación cuantizada en la colección. No hay precio por token porque no hay endpoint: la ficha de NVIDIA indica que el modelo se ejecuta en tu hardware y que NVIDIA no aloja ningún servicio.
Lightning tiene la forma opuesta. Los pesos BF16 son 31.6B parámetros; la propia recomendación de producción de NVIDIA es usar en su lugar la compilación NVFP4, y su tarjeta incluye una receta de vLLM (etiqueta de contenedor vllm/vllm-openai:v0.27.1) con backend Mamba de FlashInfer, caché SSM FP16 y almacenamiento en caché de prefijos, además de una imagen de SGLang para Hopper y Blackwell. No hay precio de lista en la tarjeta ni en build.nvidia.com —el endpoint está sujeto a los términos de prueba de la API de NVIDIA—, pero las plataformas de terceros listan el modelo en aproximadamente $0.05 por millón de tokens de entrada y $0.20 por millón de tokens de salida. Esa cifra es una observación del mercado, no un precio del proveedor.
Ninguno de los dos modelos está en el catálogo de OrcaRouter, y sería deshonesto insinuar lo contrario. Lo que sí está disponible en OrcaRouter es el conjunto de comparación circundante: más de 200 modelos detrás de una sola clave, precio de lista del proveedor trasladado sin recargo, de modo que una reducción de precio en origen se refleja el mismo día en lugar de en una revisión trimestral de la tarifa. Si el motivo por el que está leyendo esto es que necesita elegir una línea base contra la cual probar Sigma, de ahí proviene la línea base.
Elige por envolvente, no por puntuación
Cuatro preguntas lo resuelven en menos de un minuto, y ninguna de ellas tiene que ver con la precisión de los benchmarks:
¿La tarea cabe en 4.096 tokens? Si no, Sigma-distill queda descartado y la cuestión termina. La ventana de un millón de tokens de Lightning —256K en una sola H100— es tres órdenes de magnitud mayor.
• ¿La tarea necesita conversación, herramientas o salida estructurada? Sigma-distill no tiene nada de eso: ni plantilla de chat, ni prompt de sistema, ni modo JSON; las cadenas de parada y un presupuesto de tokens son los únicos mecanismos de parada. Lightning incluye una plantilla de chat con un toggle de pensamiento.
• ¿Necesitas atender más de una solicitud a la vez? Sigma no tiene una pila de servicio: la vía admitida es un script de Python en una sola GPU. Lightning tiene dos integraciones de motor y una receta de paralelismo publicada.
• ¿Te interesa el mecanismo de decodificación en sí —difusión por bloques, destilación de pocos pasos, autospeculación? Entonces Sigma-distill es el único de los dos que resulta interesante, y Lightning es una comparación completamente equivocada.
Todo lo demás se deriva de esos cuatro. Un equipo que evalúa Sigma para un producto realmente se pregunta si un checkpoint de investigación puede convertirse en un servicio; un equipo que evalúa Lightning se pregunta si un MoE híbrido con 3B activos encaja en un presupuesto. Son conversaciones diferentes.
Donde el enfrentamiento se haría realidad
Dos cosas convertirían esta página en una auténtica comparación directa, y ninguna de las dos existe todavía.
Lo primero es un benchmark compartido. Si Sigma alguna vez obtiene una cifra de MMLU Pro o GPQA, o Lightning alguna vez obtiene una cifra de GSM8K o HumanEval con un formato de prompt comparable, habrá algo que comparar. Hasta entonces, la postura honesta es la anterior: dos suites de evaluación disjuntas reportadas por el mismo proveedor, sobre modelos que no pueden someterse a las pruebas del otro.
La segunda es una ruta de servicio. Sigma-distill es actualmente un repositorio que clonas y un script que ejecutas; las pull requests de SGLang que mencionan la difusión de Nemotron apuntan a la línea más antigua Nemotron-Labs-Diffusion-8B y siguen abiertas a fecha del 17 de noviembre, y el registro de vLLM no tiene ninguna arquitectura nemotron_labs_sigma. En el momento en que un modelo de difusión por bloques con un número fijo de pasos obtenga atención paginada y batching, su ventaja de 6,4 tokens por pasada se convierte en una cifra que puedes poner junto a una tasa de aceptación de decodificación especulativa, y esa comparación valdría la pena publicarla.

Hasta entonces, la lectura práctica es que NVIDIA lanzó dos modelos para dos audiencias en el mismo otoño y solo uno de ellos era un producto. Lightning es al que puedes llamar hoy, con el comportamiento de caché, la ventana de contexto y el soporte del motor que implica un servicio. Sigma-distill es el que descargas si te importa si la difusión continua en 8B puede mantener 66.36 en seis tareas con cinco pasadas hacia adelante por cada 32 tokens —una cuestión de decodificación, no de capacidad, y una que ninguna cantidad de comparaciones contra un MoE de 30B responderá.

