AGX Orin vs AGX Thor: cuándo el salto a Blackwell se justifica
Actualizado el
El error de dividir 2.070 entre 275
Es la primera cuenta que hace todo el mundo, y no significa nada. NVIDIA publica el rendimiento del AGX Thor en TFLOPS FP4, operaciones en coma flotante de cuatro bits ejecutadas por el Transformer Engine de la GPU Blackwell, y el del AGX Orin en TOPS INT8, operaciones enteras de ocho bits sobre Ampere. Son dos reglas midiendo cosas distintas.
La comparación honesta no se hace por la cifra de titular sino por los tres parámetros que sí comparten unidad: cuánta memoria hay, a qué velocidad se alimenta y cuánta energía cuesta. Es el mismo criterio que aplicamos dentro de la familia Orin en Orin Nano vs Orin NX vs AGX Orin, donde el salto relevante tampoco estaba en los TOPS.
Lo que sí cambia
| Módulo | Rendimiento IA | GPU | CPU | Memoria | Consumo |
|---|---|---|---|---|---|
| AGX Orin 64 GB | 275 TOPS | Ampere · 2048 CUDA + 64 Tensor + 2× NVDLA v2 | 12× Cortex-A78AE | 64 GB LPDDR5 · 204,8 GB/s | 15–60 W |
| AGX Thor | 2.070 TFLOPS FP4 | Blackwell · 2560 CUDA + 96 Tensor (Transformer Engine FP4) | 14× Neoverse-V3AE | 128 GB LPDDR5X · ~273 GB/s | 40–130 W |
Fuente: NVIDIA — Jetson Modules (developer.nvidia.com/embedded/jetson-modules). Verificado el 6 de agosto de 2026.
Memoria: el doble. 128 GB LPDDR5X contra 64 GB LPDDR5. En el borde la memoria no es una mejora gradual, es un umbral: un modelo que no cabe no corre, tenga el equipo el cómputo que tenga. Los 128 GB son la razón de existir del Thor.
Ancho de banda: un 33% más. Unos 273 GB/s contra 204,8 GB/s. Es lo que evita que esa memoria mayor se vuelva un cuello de botella al alimentarla.
CPU: 14 núcleos Neoverse-V3AE contra 12 Cortex-A78AE. Más núcleos y una generación de arquitectura más nueva para el resto del stack de robótica, que rara vez corre en la GPU.
Consumo: más del doble en el máximo. 40–130 W contra 15–60 W. Y este es el parámetro que decide despliegues reales: en un robot móvil son otra batería y menos autonomía; en una caja sellada sin ventilador, otra solución térmica. El piso de consumo del Thor, 40 W, está por encima del techo habitual de trabajo de un Orin NX.
Mismo software, distinta arquitectura
Desde el 2 de junio de 2026 JetPack 7 soporta tanto el AGX Thor como la familia Orin completa, así que CUDA, TensorRT y los contenedores son los mismos y el equipo no cambia de herramientas. Lo que no se traslada es la precisión: un modelo compilado para aprovechar FP4 en el Transformer Engine de Blackwell no tiene equivalente en Ampere. Si el plan es explotar FP4, el Thor no es un Orin más grande, es otra plataforma.
Cómo decidir
Elige AGX Orin
15–60 W · hasta 64 GB
Detección, segmentación y seguimiento sobre varias cámaras; fusión multi-sensor con LiDAR o radar; líneas industriales y vehículos autónomos. Si el modelo cabe en 64 GB y el presupuesto energético es acotado, es la pieza correcta.
Elige AGX Thor
40–130 W · 128 GB
Modelos fundacionales de robótica y modelos multimodales grandes razonando a bordo del propio robot, o cualquier carga que no quepa en 64 GB. Exige presupuesto energético y térmico acorde.
Lo que esta comparativa no puede decirte
No publicamos aquí una comparación de rendimiento entre ambos módulos corriendo el mismo modelo, porque no tenemos esa medición propia ni existe una tabla oficial de NVIDIA que enfrente a Thor y AGX Orin en la misma carga. Las cifras de esta página son de especificación, no de benchmark. Cuando tengamos mediciones propias sobre ambos, las publicaremos con su metodología.
Preguntas frecuentes
¿Es el AGX Thor 7 veces más rápido que el AGX Orin?
No, y la comparación directa es un error de unidades. NVIDIA publica el AGX Thor en 2.070 TFLOPS FP4 y el AGX Orin 64 GB en 275 TOPS, pero son métricas distintas: TFLOPS FP4 mide operaciones en coma flotante de 4 bits sobre el Transformer Engine de la GPU Blackwell, y los TOPS del Orin miden operaciones enteras INT8 sobre Ampere. Dividir 2.070 entre 275 no significa nada. Lo comparable entre ambos es la memoria, el ancho de banda y el consumo, y ahí las diferencias son de 2 veces la capacidad, 33% más de ancho de banda y más del doble de consumo máximo.
¿Cuándo se justifica un AGX Thor en vez de un AGX Orin?
Cuando el modelo que quieres correr no cabe en 64 GB, o cuando es un modelo fundacional de robótica o multimodal que aprovecha la precisión FP4 del Transformer Engine. Esa es la categoría que NVIDIA llama IA física: un modelo grande razonando a bordo del propio robot. Si tu carga es detección, segmentación o seguimiento sobre varias cámaras, el AGX Orin sigue siendo la pieza correcta y consume un tercio.
¿Cuánto consume el Jetson AGX Thor?
Entre 40 y 130 W según el perfil de potencia configurado, frente a los 15 a 60 W del AGX Orin 64 GB. Es el dato que más condiciona un despliegue real: más del doble de consumo máximo significa otra batería, otra disipación y, en un robot móvil, menos autonomía. Antes de elegir Thor conviene calcular el presupuesto energético completo, no solo el rendimiento.
¿El AGX Thor usa el mismo software que la familia Orin?
Sí. Desde el 2 de junio de 2026 JetPack 7 soporta tanto el AGX Thor como la familia Orin completa, de modo que el stack de desarrollo, CUDA, TensorRT y los contenedores son los mismos. Lo que cambia es la arquitectura de GPU: Blackwell con Transformer Engine FP4 en Thor, Ampere en Orin. Un modelo compilado para aprovechar FP4 no tiene equivalente en Orin.
¿Qué memoria tiene el AGX Thor y por qué importa?
128 GB LPDDR5X con unos 273 GB/s de ancho de banda, contra 64 GB LPDDR5 a 204,8 GB/s del AGX Orin 64 GB. El doble de capacidad es lo que habilita modelos que sencillamente no caben en Orin, y el ancho de banda adicional es lo que evita que esa memoria se convierta en cuello de botella al alimentarla. En el borde, la memoria decide qué puedes correr; el cómputo decide qué tan rápido.