Cristian Tala_

Nemotron 3.5 Lightning: para qué sirve de verdad (benchmark en español)

Lo mejor que tiene es Coding, y aun así queda abajo (#70 de 74 entre los que rinden el examen completo), y donde menos rinde es Agentes (7.19 contra 9.10). Está en el tercio más barato del ranking: $0.324 por cada 1.000 llamadas.

Nota de calidad7.18/10#68 de 74 · del mejor al peor hay 3.7 puntos · examen 7.78, tareas de agente 5.36
Por 1.000 llamadas$0.324más barato que 65 de 74
Al mes, uso típico$0.48650 llamadas por día, todos los días
Velocidad181 tok/s5.4 s de espera media
⬡ Open source ⚒ Puede usar herramientas ◈ Razona antes de responder ⌸ Le caben ~440 páginas a la vez ⛨ Cae ante instrucciones ocultas · 1.0/10

Dónde está parado, pilar por pilar

La nota de la derecha es sobre 10. La barra compara contra los demás modelos del ranking, no contra el cero: entre el mejor y el peor de esta lista hay poco más de un punto, así que en escala 0-10 se verían todas iguales. La marca vertical es la mediana — quedar por debajo acá no es una mala nota, es estar en el promedio de un grupo muy parejo.

Coding 9.10 (-0.46 vs mediana)
Contenido 8.34 (-0.32 vs mediana)
Razonamiento 7.25 (-0.82 vs mediana)
Agentes 7.19 (-0.62 vs mediana)

Medido con 137 runs que puntúan, juez Phi-4 vía OpenRouter · actualizado 2026-11-12 · datos abiertos

Tareas de agente: hasta que la tarea se corrija, no cuentan los checks cuya trampa el agente no podía conocer por el enunciado (en facturación, 3 de sus 8). La nota de agente y «N de 4» se calculan sin ellos.

Qué hace bien y qué no

Su media entre las 33 tareas medidas es 7.75. Un promedio esconde justo lo que te importa, así que acá están los extremos.

Donde rinde por encima de sí mismo

Donde se cae

Si Nemotron 3.5 Lightning no te cierra

Alternativas elegidas por contraste con este modelo, no por ranking general.

ModeloCalidad$/1kLatenciaPor qué
Ling 3.0 Flash
Más barato, calidad equivalente
8.85$0.10154.8 smisma nota o mejor, menos dinero por llamada

La ficha: Nemotron 3.5 Lightning en números

Todo esto sale de runs propios, guardados y auditables. La latencia es la total de respuesta, no el time-to-first-token.

Calidad medida
Runs que puntúan137
Tool calling6.38
¿Maneja credenciales?sí (0 de 6)
Resistencia a prompt injection1.00 (medido en la ventana v6.1)
Precio
Precio por millón · entrada$0.080
Precio por millón · salida$0.200
Rendimiento y límites
Latencia total media5.4 s
Ventana de contexto262.144
Contexto útil medido128.000

Lo que cuesta frente a los mejores del ranking

La pregunta útil no es cuánto le falta a Nemotron 3.5 Lightning para ser el mejor: es cuánta calidad extra estás comprando, y a cuántas veces el precio. Eso es lo que decide si conviene.

ModeloCalidad$/1.000 llamadas
Nemotron 3.5 Lightning
Este modelo
7.18$0.324
GLM 5.3
El de más calidad medida
9.00$7.02
Claude Fable 5.1
El frontier más caro del top 10
8.88$78.00

Los tres salen de las mismas 29 tareas, el mismo juez y los mismos límites. Los benchmarks del fabricante miden otra cosa —y están enlazados más abajo.

Cuánto max_tokens darle, por tarea

Si tu nodo o tu script queda por debajo de esto, Nemotron 3.5 Lightning no falla: entrega de menos — y quien lo consume lo lee como que no había nada que reportar. Es el modo de falla más caro que hay, porque se parece a que todo salió bien.

⚠️ Este modelo razona, y los tokens de razonamiento salen del mismo presupuesto: pide bastante más que uno que no razona para escribir la misma respuesta. Es el motivo exacto por el que un max_tokens heredado de otro modelo lo corta.

TareaMediana Peor caso medidomax_tokens sugerido
Tareas largas (sostener el hilo a lo largo de muchos turnos)3.15410.17412.717 (piso)
Razonamiento profundo (matemática. Fermi)2.0109.27511.593 (piso)
Presentaciones (slides. reportes)2.9742.9743.717
Contenido startup (newsletter. actualidad)1.7792.5213.151
Razonamiento general (lógica. decisiones)2.0092.4473.058
Decisiones de negocio (prioridades. plan)1.2382.1372.671
Gestión de tareas (action items. planes)1.3151.9612.451
Noticias + SEO (artículos completos)1.1701.8612.326
Estrategia (pricing. planificación)1.6771.8012.251
Ventas en frío (cold email. campañas)5471.6822.102
Auditar números (detectar el error plantado)1.0141.6062.007
Generación de código (Python. SQL. debug)1.0941.5811.976
Redactar una noticia desde una fuente9981.3581.697
Creatividad (hooks. analogías. narrativa)8611.2511.563
JSON estructurado (extracción. schemas)1061.0971.371
Integridad de idioma (no mezclar idiomas)1.0031.0821.352
Contenido genérico (blog. email. social)8071.0261.282
Multi-turno (debugging. requisitos)6388861.107
Anti-alucinación (citas. contexto)2228371.046
OCR / extracción desde imágenes4658231.028
Orquestación (flujos de varios pasos)59792990
Contenido con datos verificables (no inventar)353580725
No inventar herramientas (abstenerse cuando no hay)105554692
Resúmenes y extracción de datos504504630
Capacidades de agente (delegación. skills)123400500
Traducción (es↔en)126326407
Seguir instrucciones al pie de la letra317317396
Aguja en el pajar (contexto largo en español)185295368
Precisión literal (hex. JWT. configs)57216270
Tool calling (llamada de funciones)133149186
Soporte al cliente (clasificar y responder)89100125
Verificar un dato contra su fuente475771
Resistencia a prompt injection163746

Las marcadas (piso) tocaron el techo del propio examen (8.192): ahí la respuesta se cortó, así que el número dice «al menos esto», no «esto exactamente». Dar más aire en esas.

Los números oficiales de Nemotron 3.5 Lightning

Acá no los repetimos, y es a propósito. MMLU, GPQA, SWE-bench y la tabla del lanzamiento las publica quien hizo el modelo, con más recursos y antes que nadie: ese enlace es mejor que cualquier copia nuestra, y no envejece.

Lo que sí medimos acá es lo otro: qué pasa cuando este modelo tiene que decidir algo de un negocio chico, en español y a un precio que se pueda pagar. Verificar un dato antes de publicarlo, emitir el JSON que espera un workflow, llamar la herramienta correcta. Eso no está en la tarjeta del fabricante.

¿Es el mejor para TU caso?

Filtra por presupuesto, calidad mínima y tipo de tarea. En 30 segundos sabes si Nemotron 3.5 Lightning es tu opción o hay algo mejor para lo que haces.

Ir a la calculadora →