Nemotron 3.5 Super VL iguala a Inkling Small con menos de la mitad de los pesos

Dos modelos se sitúan en 26 en el Artificial Analysis Intelligence Index esta semana, y lo interesante es lo que cada uno gastó para llegar allí. NVIDIA Nemotron 3.5 Super VL es una mezcla de expertos de 120.000 millones de parámetros con 12.000 millones activos. Inkling Small, el lanzamiento de julio de Thinking Machines, es una mezcla de expertos de 266.000 millones de parámetros con 12.000 millones activos. Misma puntuación, mismo presupuesto de activos, menos de la mitad de los pesos en disco.Las tablas de benchmark dicen qué puntuación obtiene un modelo; el registro de incidentes dice cómo fallan en producción lanzamientos como estos, y esos casos están catalogados en el OrcaRouter AI Incident Archive, donde cada entrada incluye sus propias fuentes, severidad, grado de confianza y marca de disputa.

Esa es la forma de la semana pasada en los pesos abiertos de EE. UU., y es una historia mejor que la publicación de lanzamiento que NVIDIA publicó el jueves 15 de octubre. El anuncio emparejó Nemotron 3.5 Super VL con Nemotron 3.5 Bolt 74B-A9B 24GB —un modelo de 74 mil millones de parámetros comprimido en 24 GB de memoria— y prometió un tercero, Nemotron 3.5 Bolt E4B 4GB, para el 23 de octubre. Tres modelos en ocho días con tres huellas de memoria no son una cadencia de lanzamiento; es un argumento de portafolio, y el argumento es que la capacidad por gigabyte es ahora la cifra que importa.

Qué se envió y en qué día

Las fechas merecen indicarse con precisión, porque los propios materiales de NVIDIA discrepan en tres días, y esa discrepancia es informativa, no escandalosa.

• Pesos — el repositorio BF16 nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16 se creó en Hugging Face el 2026-10-12T15:32:06Z, con un hermano NVFP4 24 segundos después y un checkpoint base previo al post-entrenamiento 17 segundos antes de eso.

• Anuncio: la publicación de la sala de prensa de NVIDIA indica una fecha de publicación del 15 de octubre de 2026. El campo de lanzamiento de la propia ficha del modelo indica 10/15/2026 en la versión 1.0 GA.

• Bolt 74B — su repositorio de 24 GB es bastante anterior al anuncio, creado el 7 de octubre, con una compilación GGUF que apareció en el Hub esa misma noche. El blog lo presenta como lanzado junto con Super VL el día 15.

• Bolt E4B — anunciado para el 23 de octubre, aún sin pesos disponibles en el momento de redacción.

Así que los artefactos públicos llegaron antes que la prosa pública. Quien feche un despliegue a partir del comunicado de prensa llegará tres días tarde a un modelo que ya se podía descargar, y quien lo feche a partir del repositorio estará citando una marca temporal que NVIDIA nunca ha reconocido. Ambas opciones son defendibles; escribir «publicado el 15 de octubre» sin mencionar el 12 es la versión que pierde información.

La puntuación es la parte aburrida. El denominador es la historia.

El argumento de venta de NVIDIA para Super VL es la velocidad: "hasta 5 veces más rendimiento en comparación con otros modelos de su clase", atribuido a la tabla de clasificación de Artificial Analysis. La afirmación sigue estando en parte sin verificar, y la sección siguiente la aborda. El dato duradero de este lanzamiento es otro: el modelo obtiene 26 en el mismo panel en el que su predecesor de marzo, NVIDIA Nemotron 3 Super 120B A12B, logró 13, y lo hace con un tamaño prácticamente idéntico.

• Parámetros: 120B en total, 12B activos, 512 expertos enrutados por capa MoE. El modelo de marzo era de 120,6B en total y 12,7B activos. Este no es un modelo más grande.

• Índice de Inteligencia — 26 frente a 13, según Artificial Analysis, ambos marcados como no estimados. Aproximadamente el doble, con el mismo presupuesto de parámetros.

• Tokens de salida por tarea de Index: alrededor de 49.000 frente a alrededor de 114.000. El nuevo modelo completa la misma evaluación con aproximadamente un 57 % menos de tokens, y ese es el mecanismo detrás de gran parte del salto: deja de pensar demasiado.

• Frente a Inkling Small — ambos 26. Super VL lo logra con 120B en total frente a los 266B de Inkling Small, y ambos activan unos 12B por token.

• Frente a {{1}}Nemotron 3 Ultra 550B A55B{{/1}} — 23. El nuevo modelo de tamaño medio de {{2}}NVIDIA{{/2}} supera a su propio buque insignia de 550 mil millones de parámetros por tres puntos, aunque es aproximadamente una cuarta parte del tamaño.

Los dos ejes de eficiencia se confunden constantemente, así que vale la pena separarlos. Los parámetros activos determinan cuánto cuesta generar un token. Los parámetros totales determinan cuánto cuesta almacenar, cargar y mantener residente el checkpoint. Super VL mejora en ambos: mantiene los parámetros activos fijos en 12B mientras reduce aproximadamente a la mitad los parámetros totales en relación con Inkling Small, y mantiene los parámetros totales fijos en 120B mientras aproximadamente duplica su puntuación en relación con su propio predecesor. Un modelo que mejorara solo uno de los ejes seguiría siendo notable. Este mejoró ambos en la misma versión.

Bolt es la mitad más tranquila del lanzamiento, y no tiene una partitura independiente.

El modelo de 24 GB es el que la mayoría de los equipos realmente podría ejecutar en hardware propio. Nemotron 3.5 Bolt 74B-A9B 24GB es una mezcla de expertos de 74 mil millones de parámetros con 9 mil millones activos, cuantizada a aproximadamente 2,06 bits por experto durante el entrenamiento en lugar de después, con un contexto de 262.144 tokens y los mismos términos OpenMDW-1.1 que su hermano mayor. Es un híbrido de Mamba-2 y Transformer con un codificador de visión C-RADIO v4-H, por lo que acepta texto, imágenes y vídeo, y devuelve texto.

La tarjeta de NVIDIA reporta, en su propio banco de pruebas: GPQA-Diamond 86,43; HLE sin herramientas 25,30; Terminal-Bench 2.1 50,98; SciCode 41,02; BrowseComp 66,75; PinchBench 87,82 y WebArena vision 50,86. Todos esos resultados son ejecutados por el fabricante y no han sido reproducidos. En el panel independiente, el modelo se sitúa en 21: un resultado genuinamente sólido para algo que cabe en una sola tarjeta de 24 GB, y también un recordatorio de que hay que tener cuidado con la tabla del fabricante, porque 86,43 en GPQA-Diamond junto a un índice global de 21 invita a sobreinterpretar una sola fila.

La distribución de descargas habla por sí sola: la versión GGUF de Bolt ha superado las 87.000 descargas, frente a unas 18.700 del repositorio BF16 Super VL. El modelo que la gente puede ejecutar en un portátil es el modelo que la gente se está descargando. Eso no es un comentario sobre la calidad; es un comentario sobre para qué sirven realmente los "pesos abiertos".

Dónde se sitúa realmente Estados Unidos

La ganancia de eficiencia es real, y la afirmación de liderazgo necesita un matiz que la publicación de NVIDIA no aporta. Entre los modelos de pesos abiertos de laboratorios estadounidenses en el panel independiente, Meta Muse Spark Open obtiene 39 y está por delante de todo lo que NVIDIA lanzó la semana pasada. Además, tiene acceso restringido en el Hub bajo una licencia comercial a medida, lo que lo sitúa en una categoría de adopción distinta de la de un checkpoint que puedes descargar bajo OpenMDW-1.1 sin pedirle permiso a nadie.

• Muse Spark Open — 39, con acceso restringido, licencia a medida.

• Nemotron 3.5 Super VL — 26, sin restricciones, OpenMDW-1.1, 120B en total / 12B activos.

• Inkling Small — 26, permisiva, 266B en total / 12B activos.

• Nemotron 3.5 Bolt 74B-A9B — 21, sin acceso restringido, huella de 24 GB.

• GPT-5.5 Instant — 26, cerrado.

El panorama chino de modelos de pesos abiertos sigue siendo una conversación distinta. MiMo-V2.6-Pro se sitúa en 46, GLM-5.3 en 45 y Kimi K3 en 44 en el mismo panel, así que el modelo estadounidense con licencia permisiva más potente está aproximadamente 20 puntos por detrás del más potente chino. La respuesta de NVIDIA a esa brecha no es un modelo más grande, sino posentrenamiento con tus propios datos, con los conjuntos de datos, las recetas y los entornos de aprendizaje por refuerzo publicados junto con los pesos. Si eso sirve para cerrar alguna brecha es una cuestión que este lanzamiento no resuelve, y quien afirme lo contrario está atribuyendo intenciones a un benchmark.

Qué se mide, qué se afirma y qué se movió esta semana

En el lanzamiento, la afirmación de un rendimiento 5 veces mayor no tenía nada que la respaldara: Artificial Analysis incluía el modelo sin ninguna cifra de velocidad. Eso ha cambiado. El panel ahora registra una velocidad de salida de aproximadamente 430 tokens por segundo, el primero de 28 en su conjunto de comparación. Así que una parte de la afirmación ya tiene una segunda parte: el modelo es rápido, y no de forma marginal. Lo que sigue sin verificarse es el múltiplo. "5 veces más rápido que el siguiente mejor" requiere un siguiente mejor con nombre y un banco de pruebas que coincida, y ni la entrada del blog ni la ficha del modelo proporcionan ninguno.

El panorama de precios también se movió, y lo hizo de una manera que importa más que la tasa titular.

• Mediana entre proveedores — $0.225 por millón de tokens de entrada y $0.575 por millón de salida, con un 78% de descuento de caché, según Artificial Analysis.

• Diferencia entre proveedores que publican una tarifa: entrada de $0.10 a $0.20, salida de $0.40 a $0.50 para el mismo checkpoint.

• Coste por tarea de Index — 0,19 $, que es donde se encuentran el bajo precio y el alto recuento de tokens.

• Verbosidad — 170 M tokens de salida consumidos en la ejecución de Index frente a una mediana de 100 M, marcado como algo verboso. Salida barata más salida larga no es automáticamente barata.

Una diferencia de 2x en el precio de entrada para pesos idénticos es el hallazgo práctico de la semana. El modelo es el mismo archivo en todas partes; el medidor no lo es. Eso aboga por tratar la elección de proveedor como una decisión de enrutamiento y no de compra — que es justo la parte de esta historia que aborda nuestro propio producto, y la versión honesta de esa afirmación es limitada. Nemotron 3.5 Super VL no está en nuestro catálogo: la lista de modelos de OrcaRouter devuelve un poco más de 200 ID de modelo y hoy no hay ninguna entrada de NVIDIA. Lo que un router aporta aquí es que, en el momento en que un checkpoint esté disponible, aparece al precio de lista del proveedor con un 0 % de margen, y un modelo tan nuevo puede quedar detrás de una conmutación por error automática en lugar de en la raíz de una ruta de producción. Ninguna de esas cosas es una razón para comprar el modelo. Son razones para no firmar un contrato para probarlo.

Tres cosas que vigilar, y una de ellas es dentro de nueve días.

El primero es Bolt E4B, el 23 de octubre. Un modelo de visión y lenguaje de 4 GB que obtenga resultados cercanos a los de su hermano de 24 GB sería el lanzamiento más trascendental de los tres, porque cambia qué hardware se considera suficiente.

El segundo es una evaluación independiente de los puntos de control cuantizados. Cada número de este artículo que proviene de NVIDIA se midió en una compilación de precisión completa o del arnés del proveedor. El archivo NVFP4 es el que la mayoría de la gente realmente servirá, y no tiene ninguna puntuación de terceros publicada. La propia afirmación de NVIDIA es una recuperación de precisión mediana del 99,62 % frente a BF16 —una cifra del proveedor, en un arnés del proveedor, y el número no verificado más determinante del lanzamiento.

El tercero es si el diferencial de precios se estrecha. Una brecha de 2x entre el servidor más barato y el más caro para un mismo checkpoint abierto es un mercado que aún no se ha asentado, y la dirección en la que se asiente dirá más sobre los próximos seis meses de inferencia de pesos abiertos que cualquier fila de benchmark por sí sola.

La puntuación es el titular. El checkpoint de la mitad de tamaño con el mismo presupuesto activo es lo que seguirá importando dentro de un año.