Die Spezifikation aus der Modellkarte: „MoE - Mamba-2 + MoE + Attention hybrid“, Kontextfenster „Up to 1M tokens“, Lizenz „OpenMDW License Agreement, version 1.1“, Veröffentlichung „August 11, 2026“. Trainiert wurde nach Angaben der Karte auf über 20 Billionen Token; ausgeliefert wird sowohl ein NVFP4- als auch ein BF16-Prüfpunkt, dazu eine Multi-Token-Prediction-Fähigkeit. Die hybride Mamba-Transformer-Bauweise übernimmt Nemotron 3.5 Lightning vom Vorgänger Nemotron 3, wo sie schon das tragende Architekturmerkmal war.
Zur Parameterzahl gibt es eine Abweichung, die wir stehen lassen: Modellname und Karte führen das Modell als „30B (3B active)“ – gerundet, wie im Namen `NVIDIA-Nemotron-3.5-Lightning-30B-A3B-NVFP4`. Artificial Analysis nennt exakt „31.6 billion parameters (3.6 billion active)“, dieselben Werte gibt The Decoder unter Berufung auf Nvidia wieder. Es sind also nicht zwei widersprüchliche Angaben, sondern gerundete und exakte Zählung derselben Sache; wir nennen die exakten und weisen die gerundete aus.
Die unabhängige Messung: Auf seiner Modellseite schreibt Artificial Analysis, „Nemotron 3.5 Lightning scores 24 on the Artificial Analysis Intelligence Index, placing it well above average among other open weight models of similar size (median: 9)“, und bestätigt dort Kontextfenster (1,0 Mio. Token), Lizenz und Parameterzahl. Die Einordnung gegen andere Modelle – gleichauf mit gpt-oss-120b (24), hinter Nemotron 3 Super (26), neun Punkte über Nemotron 3 Nano (15) – sowie der Geschwindigkeitswert von knapp 670 Token pro Sekunde gegen 386 bei Gemini 3.5 Flash-Lite stammen aus derselben Vorab-Auswertung, liegen uns aber über die Berichterstattung vor: Auf der Modellseite selbst steht die Geschwindigkeit derzeit als „N/A“. Im agentischen Vergleich GDPval-AA v2 nennt The Decoder 824 Elo-Punkte für Lightning gegen 800 für gpt-oss-120b.
Nvidias eigene Zahlen sind davon zu trennen. Im Technical Blog beziffert das Unternehmen „bis zu 4x Output-Geschwindigkeit im Vergleich zu ähnlich großen Modellen“ und nennt für den hauseigenen PinchBench 86 Prozent Genauigkeit beim Abarbeiten von 10.000 Aufgaben, 30 Prozent schneller als Qwen3.6 35B bei vergleichbarer Genauigkeit. Die Modellkarte führt unter anderem MMLU Pro 81,62, GPQA Diamond 75,57, SWE-bench Verified 52,80, IFBench (loose) 72,88 und Terminal-Bench 2.1 mit 23,46. Sämtlich anbieter-selbstberichtet – und der letzte Wert ist der aufschlussreichste: Bei agentischen Shell-Aufgaben liegt das Modell weit unter dem, was die Katalogspitze dort erreicht. Die Botschaft „schnelle Ausführung, nicht maximale Intelligenz“ steht damit auch in Nvidias eigenen Zahlen.
In unserem Bestand ist das die Fortsetzung einer Linie, nicht ihr Beginn: Nemotron 3 Ultra erschien im Juni 2026 als vollständig offenes 550-Mrd.-MoE mit 55 Mrd. aktiven Parametern, gleicher hybrider Architektur und ebenfalls 1-Mio.-Kontext. Lightning ist dazu das Gegenstück am anderen Ende – dieselbe Bauweise, ein Sechzehntel der Größe, ausdrücklich für die Ausführungsschicht lang laufender Agenten. Aufgenommen in unseren Modellkatalog ist bislang keines von beiden.
⚠️ Zur Beleglage: Selbst geöffnet und damit belegt haben wir drei Quellen – Nvidias Technical Blog, die Modellkarte auf Hugging Face und die Modellseite von Artificial Analysis. Alle Fähigkeits- und Benchmark-Zahlen aus Blog und Karte sind anbieter-selbstberichtet; die Methode hinter PinchBench legt Nvidia nicht offen. Von den Artificial-Analysis-Werten ist der Intelligence Index von 24 direkt auf deren Seite belegt, die Vergleichswerte für gpt-oss-120b, Nemotron 3 Super und Nano, der Durchsatz von 670 Token pro Sekunde und die GDPval-AA-Elo-Werte dagegen nur über die Berichterstattung von The Decoder – wir führen sie als von Artificial Analysis gemessen, von uns aber nicht an deren Seite nachgelesen. Eine eigene Messung über die AA-Schnittstelle (`pnpm verify-bench`) ist in diesem Lauf nicht erfolgt.