Orin Nano vs Orin NX vs AGX Orin: qué modelo Jetson necesitas
Actualizado el
El error más común: mirar solo los TOPS
Los TOPS miden cuántas operaciones por segundo puede hacer el acelerador. Son útiles para comparar, pero rara vez son lo que te frena. Lo que te frena primero es la memoria: un modelo que no cabe en la RAM disponible no corre, y no hay TOPS que lo arreglen. Lo segundo es el ancho de banda: si alimentas cuatro cámaras a 30 FPS, el cuello de botella está en mover esos datos, no en multiplicar matrices.
Por eso el salto interesante de la familia no está entre 67 y 157 TOPS, sino entre 8 y 16 GB (Nano → NX) y entre 102 y 204,8 GB/s (NX → AGX). Elige por ahí y acertarás casi siempre.
Hay una cifra que lo demuestra sin lugar a discusión. El Orin Nano Super y el Orin NX 16 GB tienen exactamente el mismo ancho de banda de memoria: 102 GB/s. En la tabla oficial de NVIDIA, Qwen 2.5 7B en INT4 rinde 21,75 tokens/s en el Nano y 23,50 en el NX: un 8% más, pese a que el NX declara 157 TOPS contra 67. Subir de módulo compra capacidad, no velocidad proporcional. Lo desarrollamos con más cifras en por qué los 67 TOPS de tu Orin Nano no se usan.
Tabla comparativa de la familia Jetson
| Módulo | Rendimiento IA | GPU | CPU | Memoria | Consumo |
|---|---|---|---|---|---|
| Orin Nano 4 GB | 34 TOPS | Ampere · 512 CUDA + 16 Tensor | 6× Cortex-A78AE | 4 GB LPDDR5 · 34 GB/s | 7–10 W |
| Orin Nano Super 8 GB | 67 TOPS | Ampere · 1024 CUDA + 32 Tensor | 6× Cortex-A78AE @ 1.7 GHz | 8 GB LPDDR5 · 102 GB/s | 7–25 W |
| Orin NX 8 GB | 117 TOPS | Ampere · 1024 CUDA + 32 Tensor + NVDLA v2 | 6× Cortex-A78AE | 8 GB LPDDR5 · 102 GB/s | 10–20 W |
| Orin NX 16 GB | 157 TOPS | Ampere · 1024 CUDA + 32 Tensor + 2× NVDLA v2 | 8× Cortex-A78AE | 16 GB LPDDR5 · 102 GB/s | 10–25 W |
| AGX Orin 32 GB | 200 TOPS · 241 en Super | Ampere · 1792 CUDA + 56 Tensor + 2× NVDLA v2 | 8× Cortex-A78AE | 32 GB LPDDR5 · 204,8 GB/s | 15–40 W |
| 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). Valores de TOPS en modo Super (JetPack 6.2+); el AGX Orin 32 GB alcanza 241 TOPS con MAXN_SUPER desde JetPack 7.2. Verificado el 6 de agosto de 2026.
Para qué es cada uno
Orin Nano 4 GB
34 TOPS
Entrada: un modelo de visión, una cámara, prototipos y docencia.
Ver ficha ›Orin Nano Super 8 GB
67 TOPS
El punto dulce: detección en tiempo real, robótica, LLMs pequeños. Con stock en Chile.
Ver ficha ›Orin NX 8 GB
117 TOPS
Varias cámaras a la vez sin bajar los FPS, en el mismo formato SO-DIMM.
Ver ficha ›Orin NX 16 GB
157 TOPS
IA generativa en el borde: los 16 GB permiten modelos que no caben en el Nano.
Ver ficha ›AGX Orin 32 GB
200 TOPS · 241 en Super
Robótica autónoma y multi-sensor: ancho de banda de memoria del doble que el NX.
Ver ficha ›AGX Orin 64 GB
275 TOPS
El tope de la familia Orin: vehículos autónomos, líneas industriales completas.
Ver ficha ›AGX Thor
2.070 TFLOPS FP4
IA física y modelos fundacionales de robótica corriendo en el propio robot.
Ver ficha ›La ruta de escalamiento que sí funciona
Orin Nano y Orin NX comparten el formato SO-DIMM de 260 pines y son compatibles pin a pin. Eso habilita una estrategia barata y de bajo riesgo: prototipa con el Developer Kit del Orin Nano Super, mide FPS y consumo de memoria reales con tu modelo y tus cámaras, y solo si te quedas corto cambia el módulo por un Orin NX 16 GB en la misma placa. Conservas carcasa, cableado, cámara, almacenamiento y — lo más importante — el software, porque el JetPack es el mismo.
El salto al AGX Orin sí implica rediseño: usa un conector de 699 pines y otra placa portadora. Vale la pena cuando el proyecto necesita el ancho de banda de 204,8 GB/s o más de 16 GB de memoria, no antes.
Preguntas frecuentes
¿Cuál es la diferencia entre Jetson Orin Nano, Orin NX y AGX Orin?
Las tres usan la misma arquitectura GPU Ampere y el mismo software (JetPack), pero escalan en memoria, ancho de banda y cómputo. El Orin Nano llega a 67 TOPS con 8 GB LPDDR5 a 102 GB/s y 7–25 W. El Orin NX alcanza 157 TOPS con hasta 16 GB a 102 GB/s y 10–25 W, en el mismo formato SO-DIMM que el Nano, así que son intercambiables en la misma placa portadora. El AGX Orin llega a 275 TOPS con hasta 64 GB a 204,8 GB/s y 15–60 W, en un formato mayor de 699 pines. El criterio práctico de decisión no son los TOPS sino cuánta memoria necesita tu modelo.
¿Puedo cambiar un Orin Nano por un Orin NX sin cambiar de placa?
Sí. Orin Nano y Orin NX comparten el formato SO-DIMM de 260 pines y son compatibles pin a pin en la misma placa portadora, incluida la del Developer Kit del Orin Nano. Es la ruta de escalamiento habitual: prototipas con el Nano y, si el modelo no rinde, cambias el módulo por un NX manteniendo carcasa, cableado y software. El AGX Orin, en cambio, usa un conector de 699 pines y exige otra placa.
¿Cuántos TOPS necesito realmente?
Menos de los que crees. Una detección de objetos en tiempo real sobre una cámara 1080p con un modelo YOLO pequeño se resuelve holgadamente con los 67 TOPS del Orin Nano Super. Los TOPS se vuelven el cuello de botella cuando corres varios modelos concurrentes o varias cámaras. Antes que eso, lo que suele limitar es la memoria: un modelo que no cabe en 8 GB simplemente no corre, tenga el equipo los TOPS que tenga.
¿Cuándo se justifica un AGX Orin?
Cuando necesitas ancho de banda de memoria, no solo cómputo. El AGX Orin entrega 204,8 GB/s, el doble que el Orin NX, y es lo que permite alimentar varios sensores simultáneos —múltiples cámaras, LiDAR, radar— sin que el pipeline se ahogue. También cuando el modelo requiere más de 16 GB, o cuando necesitas los 12 núcleos de CPU para el resto del stack de robótica.
¿Y el AGX Thor, en qué se diferencia?
El AGX Thor es la generación siguiente: usa GPU Blackwell con Transformer Engine FP4, entrega 2.070 TFLOPS FP4, trae 128 GB LPDDR5X y consume 40–130 W. Está pensado para IA física —modelos fundacionales de robótica y modelos multimodales grandes corriendo en el propio robot—, no para reemplazar a un Orin Nano en una tarea de visión. Si tu duda es entre Nano, NX y AGX Orin, el Thor no es tu categoría.
¿Todavía con dudas?
Cuéntanos cuántas cámaras usarás, qué modelo piensas correr y con cuánta energía cuentas, y te decimos qué módulo te sirve. Si es el Orin Nano Super, lo tenemos en Chile; si es otro, lo cotizamos con plazo real de importación.