Nvidia dio otro paso estratégico hacia la democratización de los agentes autónomos de IA: lanzó la familia Nemotron 3.5, compuesta por tres modelos de pesos abiertos diseñados para cubrir desde data centers empresariales hasta PCs de escritorio que consumen apenas algunos vatios. El anuncio, realizado en el blog oficial de la empresa el 15 de octubre, marca un intento claro de posicionar a Nvidia no solo como proveedora de hardware, sino como referente en software y modelos para la próxima generación de aplicaciones de IA.
El modelo más capaz de la familia es Nemotron 3.5 Super VL, un modelo de 120 mil millones de parámetros destinado a agentes de IA a gran escala en el entorno corporativo. A diferencia de líneas anteriores de modelos Nemotron — que ya cubrían multimodalidad, programación, matemáticas y automatización empresarial — el Super VL fue específicamente calibrado para tareas agênticas: seguir instrucciones complejas, usar herramientas externas, ejecutar flujos de trabajo multietapa y comprender documentos visuales como PDFs, páginas web e imágenes. Según Nvidia, alcanza 5× más throughput en comparación con otros modelos abiertos de su clase en el Artificial Analysis Intelligence Index.
Una de las marcas del lanzamiento es que la empresa abrió simultáneamente los pesos, los datasets de entrenamiento y las recetas de fine-tuning. Esto significa que empresas como Skydance, EY, Ramp, CrowdStrike, Perplexity y Salesforce no solo pueden usar el modelo directamente, sino también ajustarlo con datos propietarios, desplegarlo en su propia infraestructura y mantener control total sobre lo que los agentes hacen con información sensible. En el mundo corporativo, esa capacidad de post-entrenamiento local es frecuentemente lo que separa un proyecto piloto de un despliegue real.
Los dos modelos Bolt, por su parte, representan la apuesta de Nvidia en la inteligencia artificial local en dispositivos de consumo. El Bolt 74B-A9B 24GB usa cuantización nativa en 2-bit para caber en apenas 24 GB de VRAM — suficiente para correr en laptops con chip RTX Spark y ejecutar tareas agênticas cotidianas como navegación web, llamadas de herramientas y razonamiento multietapa. El Bolt E4B 4GB es aún más ligero, diseñado para asistentes de voz locales, personajes interactivos y interfaces incrustadas en dispositivos físicos con GeForce RTX o Jetson.
Esta segmentación de mercado refleja un cambio más amplio en la industria. Durante años, la tendencia dominante fue empujar todas las tareas de IA a la nube, donde la escala de servidores masivos permitía modelos cada vez más grandes. Pero con la llegada de las AI PCs — máquinas personales con chips dedicados a procesamiento de IA, como los nuevos sistemas RTX Spark y DGX Spark de la propia Nvidia — hay un incentivo económico y de privacidad creciente para ejecutar agentes localmente. Cada token generado en la nube cuesta dinero; cada consulta enviada a un servicio cloud expone datos. Cuando un agente puede completar una tarea en 24 GB de RAM sin necesitar llamar a un servicio externo, el costo por operación se desploma.
La estrategia de Nvidia en este lanzamiento sigue el patrón que ya consolidó en otras frentes: vender la pala y el oro al mismo tiempo. Los modelos abiertos incentivan a desarrolladores a construir sobre la plataforma Nemotron, y estos desarrolladores, a su vez, necesitarán el hardware de la empresa para correrlos en producción. El Super VL corre en DGX Station (hasta 20 petaflops de IA), el Bolt en DGX Spark o RTX Spark, y la cadena de valor es clara. Pero la ganancia para el mercado también es real: Nvidia está demostrando que modelos de 120 mil millones de parámetros pueden competir en precisión con sistemas de 600 mil millones, basta con mejor ingeniería de entrenamiento y datasets de post-entrenamiento enfocados.
Lo que sucede después es que este modelo de "agente local en el escritorio" puede convertirse en el nuevo estándar para equipos de conocimiento. Imagine a un ingeniero de software cuyo agente personal, corriendo enteramente en el laptop, organiza pull requests, revisa documentación técnica, agenda reuniones y ejecuta comandos de infraestructura — todo sin salir de la red corporativa y sin enviar un solo token fuera del edificio. Nvidia está vendiendo exactamente ese futuro, y los socios Microsoft, Dell, SAP, ServiceNow y Palantir ya están preparando el terreno.
La pregunta que permanece: cuando agentes locales pueden hacer el 80% de lo que un agente en la nube hace, pero con el 20% del costo y cero exposición externa, quién todavía justificará el uso de APIs cloud para tareas operacionales del día a día — y qué tipo de empresa se negará a migrar?
Fuentes: TechCrunch, NVIDIA Blog, Gate News
✓ Fuentes independientes cruzadas y verificadas antes de la publicación
