NVIDIA lanza tres modelos Nemotron 3.5 para agentes de IA
Los nuevos modelos abiertos cubren desde servidores empresariales hasta dispositivos de borde, con foco en velocidad y personalización.
NVIDIA presentó este martes tres nuevos modelos de inteligencia artificial de la familia Nemotron 3.5, diseñados para ejecutar agentes autónomos especializados. Se trata de Super VL, Bolt 74B-A9B 24GB y Bolt E4B 4GB, todos con pesos abiertos, lo que permite a cualquier organización descargarlos, adaptarlos con sus propios datos y ejecutarlos en su propia infraestructura.
Super VL: potencia de razonamiento en un modelo más liviano
El modelo estrella es Nemotron 3.5 Super VL, con 120 mil millones de parámetros. Parámetros son los valores que el modelo ajusta durante el entrenamiento para aprender patrones; a más parámetros, más capacidad de razonamiento, pero también más recursos computacionales. Super VL alcanza una precisión comparable al modelo de razonamiento más grande de NVIDIA, pero con aproximadamente un quinto de sus parámetros. En el ranking Artificial Analysis Intelligence Index, este modelo logra un rendimiento hasta cinco veces más rápido que otros modelos de su categoría en tareas como seguir instrucciones, usar herramientas, ejecutar flujos de trabajo empresariales de varios pasos y comprender imágenes, páginas web y PDFs.
Al ser abierto, las organizaciones pueden entrenarlo nuevamente con sus propios datos —un proceso llamado post-training— para especializarlo en tareas concretas. Ya lo están haciendo empresas como Scale AI, que lo adaptó para un agente financiero de Skydance y otro de debida diligencia de EY; AfterQuery lo personalizó para Hebbia en análisis de contratos; y Mercor lo usó para agentes de codificación. También lo integran plataformas como Atlassian, CrowdStrike, Dassault Systèmes, Perplexity, Salesforce y Synopsys. En Chile, esto significa que cualquier empresa con acceso a infraestructura NVIDIA puede aprovechar el modelo sin depender de APIs cerradas ni enviar datos sensibles a la nube.
Bolt: inteligencia en el borde para agentes locales
Los dos modelos Bolt están pensados para ejecutarse en dispositivos locales, sin conexión a internet. Bolt 74B-A9B 24GB ocupa solo 24 GB de memoria gracias a una técnica llamada cuantización de 2 bits, que comprime el modelo sin perder demasiada precisión. Corre en hardware como NVIDIA RTX o DGX Spark y permite delegar tareas como investigación web, escritura o depuración de código a un agente local. Es el modelo número uno en su clase en el benchmark PinchBench y el segundo en BrowseComp.
El más pequeño, Bolt E4B 4GB, está diseñado para asistentes conversacionales rápidos y agentes físicos en dispositivos como GeForce RTX, Jetson y RTX/DGX Spark. Combina conversación natural con capacidades de múltiples turnos para alimentar asistentes de voz locales, personajes interactivos e interfaces embebidas. Este modelo estará disponible a partir del 23 de octubre. Para el usuario chileno, esto significa que podrá tener un asistente de IA funcionando completamente en su computador personal, sin depender de internet ni de servidores externos.
Personalización y seguridad: el valor de lo abierto
Los tres modelos se suman a Lightning (lanzado en agosto para cargas de alto rendimiento) y Ultra (para tareas de razonamiento complejo). Juntos, cubren todo el espectro de despliegue de agentes, desde grandes servidores empresariales hasta dispositivos de borde. La clave está en que son abiertos: vienen con pesos, conjuntos de datos y recetas de entrenamiento públicos. Las organizaciones pueden ejecutarlos donde quieran, según sus requisitos de seguridad y residencia de datos, y adaptarlos sin depender de un proveedor externo.
Entre los casos de uso ya en marcha, destaca TrainLoop, que post-entrenó el modelo con datos de dermatología de Nolla, la primera empresa aprobada para que una IA redacte recetas médicas iniciales. También Ramp lo usa para inteligencia financiera, Lila Sciences para descubrimiento científico y R1 para análisis de reclamaciones médicas. Para el público chileno, la relevancia es clara: cualquier startup o empresa local puede tomar estos modelos, afinarlos con datos propios —en español si es necesario— y desplegarlos en sus propios servidores, manteniendo el control total sobre la seguridad y privacidad de la información.
Con información de NVIDIA
