Ripple 65B Preview vs Nemotron 3.5 Bolt 74B: la factura de la VRAM es lo primero

Ambos modelos se venden con la misma promesa: puedes ejecutar un programador agéntico serio en hardware que posees. Ripple 65B Preview requiere aproximadamente 130 GB de memoria en BF16 antes de haber cargado un solo token de contexto. Nemotron 3.5 Bolt 74B-A9B requiere 24 GB, porque NVIDIA lo comprimió a 2,0625 bits. Esa es una diferencia de cinco veces en el hardware que tienes que comprar, y decide esta comparación antes de que la tabla de benchmarks pueda intervenir.

Lo cual es la parte interesante, porque en el único benchmark que ambos laboratorios publicaron con la misma versión, el modelo de pequeña huella no es el ganador. El Nemotron 3.5 Bolt 74B-A9B de NVIDIA reporta 50,98 en Terminal-Bench 2.1. El Ripple 65B Preview de Ricursive reporta 80,5 en la misma revisión. Treinta puntos, el mismo examen, pero tomados en condiciones tan distintas que la lectura honesta es más estrecha de lo que sugiere el titular.

La aritmética, antes que nada.

Ripple 65B Preview es denso. Los 65 mil millones de parámetros están activos en cada token, así que en BF16 solo los pesos son 65 × 2 bytes = 130 GB, y eso es antes de la caché KV. Ricursive sí ofrece una variante NVFP4, que reduce los pesos a aproximadamente una cuarta parte de eso —digamos 33 GB más caché—, y esa es la compilación que hace realista un despliegue en una sola GPU o en DGX Spark. El objetivo declarado de la empresa es una DGX Spark, con 250 tokens por segundo en dos B200s con tamaño de lote 8 antes de los kernels personalizados.

Nemotron 3.5 Bolt 74B-A9B es un modelo Mixture-of-Experts con 9B de parámetros activos, derivado del modelo matriz Nemotron 3.5 Super VL 120B-A12B de NVIDIA mediante la reducción del top-K de expertos de 22 a 9 con una búsqueda guiada por router que la empresa llama Star Elastic. A 2,0625 bits en IQ2_XXS, queda en aproximadamente 19 GB de pesos y cabe en una tarjeta de 24 GB con tamaño de lote 1. Ese es el objetivo de diseño completo, y se cumple.

• Memoria — ~130 GB BF16 / ~33 GB NVFP4 frente a ~19 GB a 2,06 bits, tarjeta de 24 GB con lote de 1

• Forma — 65B denso vs 74B total / 9B activo MoE

• Contexto — 1M anunciado frente a 262,144, con recetas de vLLM que recomiendan 64K en una tarjeta de 28 GB

• Modalidad — solo texto vs entrada de texto, imagen y video

• Licencia — Apache 2.0 vs OpenMDW-1.1

• Precio — $0.20 / $0.60 por millón en el primer endpoint alojado frente a ningún precio por token alojado en absoluto

Mismo arnés, condiciones diferentes

Terminal-Bench 2.1 es el caso poco frecuente en el que ambos laboratorios citaron la misma versión, lo que hace que la comparación de 80,5 frente a 50,98 sea legítima de un modo en que no lo es la mayoría de las conversaciones sobre benchmarks entre modelos. Pero legítimo no es lo mismo que justo, y hay dos asimetrías que debes tener presentes.

La primera es la cuantización. El 50.98 de NVIDIA es una cifra reportada por el fabricante para un modelo distribuido principalmente como una compilación de 2 bits; el número principal de GPQA de la tarjeta, 86.43, se mide sobre ese checkpoint comprimido. Ricursive afirma explícitamente que sus puntuaciones se obtuvieron «con niveles de esfuerzo máximos en BF16», la compilación de precisión completa. Comparar una ejecución de 2 bits con una ejecución en BF16 es comparar dos modelos diferentes que casualmente comparten un repositorio.

Lo segundo es que la cifra de NVIDIA es la afirmación más conservadora. La empresa publicó un sobrio 50.98 en Terminal-Bench y también publicó 86.43 en GPQA Diamond, y desde entonces evaluadores independientes han situado el modelo en 21 en el Intelligence Index de Artificial Analysis —con puntuación en v4.3.2, que es una versión del índice distinta de la reconstrucción v5 con la que se citan otros modelos de este rango de precio. No ponga ese 21 junto a una cifra de v5 ni reste. Las versiones del índice no son intercambiables, y mezclarlas es el error más común en las publicaciones comparativas escritas esta semana.

Donde el modelo de 24 GB gana de forma contundente

GPQA Diamond es el caso más claro. Ripple 65B Preview reporta 85.2. Nemotron 3.5 Bolt 74B-A9B reporta 86.43. El modelo que cabe en una sola tarjeta de consumo va por delante en preguntas de ciencia de nivel de posgrado por 1.2 puntos — una diferencia lo bastante pequeña como para ser ruido, pero no una diferencia a favor de Ripple. Un modelo denso de 65B entrenado en 12 billones de tokens desde cero no ha abierto una ventaja de conocimiento sobre un MoE comprimido de 74B destilado de un modelo padre más grande, y no hay razón para que lo hubiera hecho.

Nemotron también acepta imágenes y vídeo. Ripple acepta texto. Si tu agente necesita mirar una página renderizada, un gráfico o una captura de pantalla de un trabajo de CI que está fallando, eso no es una diferencia de benchmark que puedas sortear simplemente con prompts.

Las ventajas de Ripple aparecen en otros puntos de su propia ficha: 76.5 en SWE-bench Verified, 71.67 en MCP Atlas, 79.2 en IFBench, 83.8 en FORTRESS Adversarial. Son cifras sólidas para un modelo de 65B y apuntan a lo mismo que la puntuación de Terminal-Bench: este es un modelo postentrenado específicamente para el uso de herramientas y la programación agéntica, a costa de la amplitud.

Afirmaciones de velocidad que no se pueden comparar

Los 250 tokens por segundo de Ricursive son dos B200 con tamaño de lote 8. Los 83,99 tokens por segundo de NVIDIA corresponden a una máquina RTX Spark de clase portátil con un borrador especulativo, en el benchmark de programación de AIPerf. No son la misma medición sobre el mismo hardware, y citarlas en una sola frase sería deshonesto. Lo que sí puede decirse es direccional: Ripple necesita aceleradores de clase centro de datos para alcanzar su cifra, y Nemotron se ajustó para producir una tasa usable en una máquina que cabe debajo de un escritorio.

La traducción práctica es el rendimiento por dólar de hardware, y nadie ha publicado eso para ninguno de los dos modelos. Si estás eligiendo entre ellos, es el número que deberías generar tú mismo, porque depende de tu tamaño de lote, de la longitud de tu contexto y de si estás ejecutando la compilación NVFP4 o la BF16.

Dos licencias permisivas, una diferencia significativa

Ripple es Apache 2.0, lo que no requiere explicación y no impone ningún umbral. Nemotron 3.5 Bolt se distribuye bajo OpenMDW-1.1, la licencia de modelo abierto propia de NVIDIA, que permite el uso comercial pero no es el estándar predeterminado de OSI que los equipos jurídicos hayan preaprobado. En la práctica, ambos son utilizables; en compras, uno de ellos tardará dos semanas más.

El corte de conocimiento de Nemotron es mayo de 2026 y su cobertura lingüística prioriza el inglés y el código, con soporte para español, francés, alemán, italiano y japonés. La ficha de Ripple indica que su corpus es predominantemente inglés y código, y punto. Ninguno de los dos es un modelo multilingüe y, si ese es tu requisito, ninguno de los dos debería estar en la lista corta.

Cuándo no ejecutar ninguno de los dos por tu cuenta

El argumento honesto en contra de ambos es operativo. Un modelo en tu propia GPU es un modelo que parcheas, monitoreas, planificas en capacidad y mantienes caliente; y una tarjeta de 24 GB ejecutando un MoE de 2 bits con tamaño de lote 1 no es un nivel de servicio de producción, es una caja de desarrollo muy capaz. En el momento en que tu tráfico es a ráfagas o multiinquilino, el alojamiento por token gana en coste total incluso a una tarifa peor, porque dejas de pagar por VRAM inactiva.

Ese es el hueco que OrcaRouter cubre para la parte de tu stack que sí necesita estar alojada: una sola clave de API para más de 200 modelos al precio de lista del proveedor con un 0 % de margen, de modo que un recorte de precio de un proveedor te llega el mismo día en lugar de en la próxima renovación del contrato, y con conmutación por error automática cuando un proveedor se degrada. Ninguno de estos dos modelos está hoy en nuestro catálogo: Nemotron 3.5 Bolt no tiene ningún endpoint de pago por uso publicado, y Ripple llega a una API a través del endpoint propio de Ricursive y de plataformas de terceros. Lo que te ofrece el router es la rampa de salida: prototipa localmente sobre los pesos y luego traslada la ruta de producción a un modelo alojado sin reescribir el cliente.

La regla general

Compra el modelo de 24 GB si la máquina es la limitación. Nemotron 3.5 Bolt 74B-A9B es el único de estos dos que se ejecuta en una sola tarjeta gráfica de consumo sin cuantizarlo tú mismo, lee imágenes y está a un punto de Ripple en GPQA. Renuncias a unos treinta puntos de Terminal-Bench 2.1 y aceptas un checkpoint de 2 bits, lo cual es un coste real en fiabilidad agéntica que la diferencia en el benchmark probablemente subestima.

Compre el modelo de 130 GB si el trabajo es codificación agéntica de solo texto y dispone del hardware o de un endpoint alojado barato. El 80,5 de Ripple 65B Preview en Terminal-Bench 2.1 es la afirmación más sólida sobre codificación agéntica que cualquiera de los dos laboratorios haya hecho este mes, y su licencia Apache 2.0 es la de menor fricción que encontrará en cualquier parte. Solo tiene que ejecutar la compilación NVFP4, presupuestar la memoria y reproducir la cifra con su propio conjunto de tareas antes de creerla: la propia ficha advierte que la replicación ha resultado difícil.