NVIDIA Presenta Nuevos Modelos de IA Abiertos para Agentes en Todo el Stack

NVIDIA acaba de lanzar Nemotron 3.5 Super VL, un modelo abierto de 120 mil millones de parámetros, además de dos nuevos modelos orientados al borde: Nemotron 3.5 Bolt 74B-A9B 24GB y Nemotron 3.5 Bolt E4B 4GB. Con estos, NVIDIA afirma que la línea Nemotron ahora cubre el espectro, ya sea que estés ejecutando agentes en servidores empresariales o implementando en dispositivos de borde ligeros. Super VL y Bolt 74B-A9B están disponibles de inmediato; Bolt E4B llegará el 23 de octubre.

Novedades: Detalles sobre los Modelos Nemotron 3.5 Super VL y Bolt

Esto es lo que destaca: Nemotron 3.5 Super VL está diseñado en colaboración con la Coalición Nemotron. Es un modelo de peso abierto de 120B de parámetros que se dirige a tareas agénticas de alta precisión: seguimiento de instrucciones, integración de herramientas, flujos de trabajo multistep y lectura de documentos visuales. NVIDIA afirma que Super VL iguala a su modelo de razonamiento más grande en precisión, pero reduce el tamaño a una quinta parte, y en la tabla de clasificación del Índice de Análisis de Inteligencia Artificial, ofrece hasta 5 veces el rendimiento en comparación con sus pares.

El formato abierto significa que puedes entrenar el modelo con tus datos y ejecutarlo en tu propio stack.

En el borde, Bolt 74B-A9B 24GB está diseñado para trabajos agénticos locales, utilizando cuantización de 2 bits para ajustarse a 24GB de memoria. Esto lo hace adecuado para sistemas RTX y DGX Spark, permitiéndote manejar tareas diarias de agentes: investigación web, redacción, depuración de código, sin necesidad de la nube. NVIDIA dice que Bolt 74B-A9B lidera su clase en PinchBench y ocupa el segundo lugar en BrowseComp.

Luego está Bolt E4B 4GB, que se dirige a implementaciones rápidas en el borde: piensa en agentes conversacionales y personajes interactivos en GeForce RTX, Jetson y RTX/DGX Spark. Ajustado para inteligencia por gigabyte, está destinado a asistentes de voz e interfaces embebidas. Se lanzará el 23 de octubre y está pensado para dispositivos con presupuestos de memoria ajustados, lo que lo hace práctico para uso embebido o en tiempo real donde la velocidad y la eficiencia son lo más importante.

Todos estos se suman a la lista existente de Nemotron: Lightning (maneja alto rendimiento), Ultra (para razonamiento complejo) y el original Bolt (para inteligencia en el borde). Así que ahora, Nemotron se extiende desde centros de datos de alta potencia hasta hardware de consumo, ofreciendo a las organizaciones un menú de opciones, sin cerrarlas a la apertura o a la personalización.

Por Qué Esto Importa: IA Abierta y Personalizable para Agentes Empresariales del Mundo Real

Este es un gran movimiento de NVIDIA para cualquiera que desee agentes de IA adaptados a su negocio, pero que no quiera estar limitado por modelos cerrados y controlados por proveedores. Con pesos y conjuntos de datos abiertos, puedes ajustar y entrenar estos modelos para que se adapten a tus propias herramientas, datos y flujos de trabajo, ya sea que estés manejando reclamaciones de seguros, análisis financiero, atención médica o SaaS. Por ejemplo, los equipos de seguros podrían ejecutar detección de fraudes internamente, manteniendo los datos privados.

Los bancos podrían implementar agentes de análisis de crédito que reflejen sus propias reglas de préstamo, sin enviar un byte a la nube.

Las capacidades de lenguaje-visual en Nemotron 3.5 Super VL son una gran ventaja para cualquier agente que trabaje con documentos del mundo real. Lee páginas web, extrae texto, descifra gráficos y tablas, y devuelve información estructurada. Dado que puede manejar tanto texto como visuales de una sola vez, no tienes que mover datos entre modelos separados, lo que significa resultados más rápidos y mejor contexto a medida que pasas de documento a decisión.

Imagina un agente analizando un contrato en PDF, encontrando las cláusulas importantes y verificándolas con gráficos en los adjuntos, todo en una sola pasada de inferencia.

Algunas organizaciones que ya están personalizando Super VL incluyen:

  • Scale AI, para el agente de financiación de crédito de proveedores de Skydance y el agente de debida diligencia de M&A de EY
  • AfterQuery, para el análisis de acuerdos de crédito de Hebbia
  • AI21 y Alice, para la resiliencia ante ataques cibernéticos
  • Mercor, para agentes de codificación de software utilizando benchmarks APEX-SWE
  • Ramp, para inteligencia de documentos financieros
  • Dream, para investigación en ciberseguridad impulsada por IA
  • Lila Sciences, para descubrimiento científico
  • R1, para análisis de reclamaciones médicas
  • TrainLoop, para aplicaciones de datos de dermatología, incluyendo la redacción de recetas impulsada por IA de Nolla

Las principales plataformas de software—Atlassian, CrowdStrike, Dassault Systèmes, Perplexity, Salesforce y Synopsys—también están incorporando Super VL en tareas como búsqueda agéntica y verificación de diseño de chips. Atlassian, por ejemplo, lo está utilizando para potenciar la búsqueda en Jira y Confluence, mientras que Salesforce está automatizando flujos de trabajo gubernamentales intrincados en entornos seguros a través de Missionforce Operations. Puedes ver cómo estos modelos abiertos se adaptan a las necesidades específicas de la industria en producción real, no solo en demostraciones.

Cómo Usar Estos Modelos en Tu Negocio

Si estás considerando los modelos Nemotron 3.5 para tus propios agentes de IA, aquí tienes un camino sencillo:

  1. Obtén los pesos abiertos para Super VL o Bolt de Hugging Face, ModelScope o Open Router. Encontrarás la documentación oficial en la página de Nemotron de NVIDIA. Estos repositorios también te señalarán ayuda comunitaria y tutoriales.
  2. Ajusta el modelo utilizando NVIDIA NeMo, tuberías de Python o conjuntos de datos abiertos. NVIDIA está lanzando conjuntos de datos en Hugging Face que cubren uso de herramientas, finanzas, seguimiento de instrucciones, contexto largo, equidad y lenguaje-visual. Puedes ajustar con tus datos y herramientas privadas para obtener los mejores resultados para tu campo.
  3. Implementa en el hardware que mejor se adapte a tu escala—DGX Spark, DGX Station, RTX PRO, PCs GeForce RTX o Jetson. Los modelos Bolt están dirigidos a bordes y estaciones de trabajo; Super VL es mejor para trabajos empresariales de alto volumen. Para desarrolladores, Bolt 74B-A9B 24GB se lleva bien con arneses de agentes y herramientas populares como llama.cpp, Ollama, LM Studio, Unsloth, Canonical y vLLM, por lo que no estás limitado a un rincón.
  4. En producción, considera NVIDIA NIM, que agrupa el modelo como un microservicio con configuraciones ajustadas y actualizaciones regulares de rendimiento/seguridad. NIM ofrece implementación a nivel empresarial—parches de seguridad cada dos semanas, ajustes de rendimiento y capacidad para atender hasta 8 veces más usuarios con un 85% menos de latencia en los backends de NVIDIA Dynamo.
  5. Conéctate con la comunidad: blogs técnicos, guías de arquitectura, tutoriales en video, transmisiones en vivo y foros. Los recursos de NVIDIA pueden ayudarte a avanzar más rápido y evitar errores comunes a medida que implementas estos modelos.

Cómo se Construyó y Entrenó Nemotron 3.5 Super VL

El entrenamiento de Nemotron 3.5 Super VL involucró aproximadamente 26 billones de tokens—cubriendo tanto el preentrenamiento inicial como el continuado—y luego un post-entrenamiento con alrededor de 3.8 millones de muestras, además de aprendizaje por refuerzo en decenas de entornos. Este riguroso régimen tiene como objetivo construir un fuerte razonamiento multimodal, seguimiento de instrucciones y uso de herramientas. NVIDIA también está lanzando conjuntos de datos abiertos en Hugging Face para todo, desde uso de herramientas y finanzas hasta lenguaje-visual y equidad, así como entornos de RL en NeMo Gym.

Eso significa que puedes replicar o extender el entrenamiento para tus propios casos de uso personalizados.

Si estás desarrollando o investigando, los pesos abiertos, conjuntos de datos y recetas de entrenamiento significan que puedes controlar todo el ciclo de vida del modelo—probar, experimentar y pasar a producción, internamente o con socios, sin bloqueo de proveedor. Eso es un gran problema para industrias con reglas de cumplimiento o residencia de datos, como atención médica, finanzas y gobierno.

Mi Perspectiva: Lo Positivo y los Compromisos

Aquí está mi opinión: el enfoque abierto de NVIDIA es refrescante. Los pesos abiertos, datos y recetas te permiten realmente poseer tu implementación de IA—no algo que obtienes con la mayoría de los modelos en la nube. Puedes realizar un post-entrenamiento con tus datos, mantener las cosas en las instalaciones y cumplir con los requisitos de seguridad y cumplimiento—especialmente importante para sectores regulados o cualquier persona con flujos de trabajo sensibles.

Pero debes conocer los compromisos. Ejecutar los modelos más grandes localmente significa que necesitas hardware serio—DGX Spark, RTX PRO o similar. Los modelos Bolt hacen que el uso en el borde sea más accesible, pero aún necesitarás GPUs de NVIDIA.

También hay una curva de aprendizaje: ajustar, implementar y gestionar tuberías de inferencia requiere habilidades técnicas. Y aunque NVIDIA presume de puntajes altos en benchmarks, tus resultados en el mundo real dependerán de tus propios datos y necesidades.

Y recuerda: los modelos abiertos son tan seguros como tu implementación. Fuertes prácticas de MLOps y seguridad son imprescindibles, o los beneficios del control en las instalaciones podrían volverse en tu contra. Invierte en monitoreo, controles de acceso estrictos y actualizaciones regulares para mantener las cosas seguras y confiables.

La Conclusión

La ampliada suite Nemotron 3.5 de NVIDIA trae modelos de agentes de IA abiertos y personalizables al alcance—si tienes el equipo y el conocimiento adecuados. Si controlar tus datos, ajustar modelos a tu negocio y desplegar de manera flexible entre la nube y el borde son importantes para ti, vale la pena echar un vistazo. Con acceso abierto, un rendimiento sólido y soporte para ajustes específicos de la industria, Nemotron 3.5 parece estar bien posicionado para la próxima ola de agentes de IA empresariales.