Por Canuto  

Nvidia presentó en GTC Berlín, que se celebra del 20 al 22 de octubre, nuevos modelos abiertos para búsqueda empresarial, análisis de documentos y conducción autónoma. La compañía busca atraer a organizaciones europeas interesadas en desarrollar IA con mayor capacidad de inspección y personalización.
***

  • La nueva oferta incluye modelos de incrustación y reordenamiento multilingües, además de una herramienta para extraer información de archivos PDF.
  • Nvidia asegura que sus modelos Nemotron incluyen datos y recetas de entrenamiento, no solo los pesos finales.
  • Alpamayo 2 Edge apunta a procesar video y datos de sensores en tiempo real en la plataforma DRIVE AGX Thor.

 

La empresa presentó modelos abiertos para búsqueda empresarial, análisis de PDF y conducción autónoma durante GTC Berlín, que se celebra del 20 al 22 de octubre, con la intención de responder a la demanda europea de IA soberana.

Una oferta abierta para empresas europeas

Nvidia presentó en GTC Berlín una nueva serie de modelos de pesos abiertos para aplicaciones que van desde chatbots y atención médica hasta robótica. La compañía busca aprovechar el interés europeo por la IA soberana, un enfoque que pone el acento en la capacidad de empresas y gobiernos para desarrollar y operar sistemas de IA bajo sus propios criterios.

El anuncio incluye una versión actualizada de Nemotron Retriever, con modelos de incrustación y reordenamiento, además de Alpamayo 2 Edge, una variante compacta relacionada con la conducción autónoma. El medio The Register informó que estas novedades se suman a una biblioteca que Nvidia ofrece a organizaciones que no cuentan con los recursos necesarios para construir modelos desde cero.

En ese contexto, muchas empresas recurren a modelos abiertos de proveedores como Mistral o H Company y los ajustan con sus propios conjuntos de datos. Nvidia plantea otra posibilidad: ofrecer modelos que, además de permitir el uso de sus pesos, incluyen información sobre los datos y los procesos usados durante el entrenamiento, de modo que los clientes puedan inspeccionar y adaptar mejor la tecnología.

La apertura, sin embargo, no significa que todas las organizaciones obtengan automáticamente independencia tecnológica ni que cualquier modelo sirva para cualquier tarea. La propuesta da a los usuarios más elementos para examinar y modificar un sistema, pero su utilidad dependerá del caso de uso, los datos disponibles y los recursos con que cuente cada equipo.

Modelos para búsqueda y documentos complejos

Los modelos de incrustación convierten textos u otros contenidos en representaciones numéricas llamadas vectores, que permiten comparar su relación con una consulta. Esa operación es una pieza central de la generación aumentada por recuperación, o RAG, un método que localiza información relevante en documentos y la entrega como contexto a un modelo de lenguaje.

Los nuevos modelos de incrustación y reordenamiento de Nvidia se basan en Nemotron 3.5 y admiten texto e imágenes en 34 idiomas. La compañía los ofrece en tamaños de entre 1.000 millones y 8.000 millones de parámetros, así como en versiones cuantificadas NVFP4 para aceleradores recientes basados en Blackwell.

Según Nvidia, las versiones de 8.000 millones de parámetros, evaluadas con precisión BF16, encabezan los modelos densos en las pruebas ViDoRe V3.1. Esa clasificación debe entenderse como una afirmación de la compañía sobre resultados de referencia, no como una garantía de que el modelo superará a todos sus competidores en cada aplicación empresarial.

La empresa también actualizó Nemotron Parse para extraer información de archivos PDF, un formato que puede resultar difícil de procesar cuando combina texto, gráficos y páginas escaneadas. Nvidia afirma que el modelo de 1.000 millones de parámetros puede procesar aproximadamente 10,5 páginas por segundo al ejecutarse en un único H100.

Más modelos, con distintos requisitos de cómputo

Junto a los modelos orientados a búsqueda y documentos, Nvidia presentó Alpamayo 2 Edge, una versión más compacta de su modelo de conducción autónoma. La compañía promete que, cuando se ejecuta en su plataforma DRIVE AGX Thor, puede procesar en tiempo real video en streaming y datos de sensores.

El anuncio se produjo aproximadamente una semana después de que Nvidia lanzara Nemotron 3.5 Super, un modelo de lenguaje visual, y presentara Nemotron 3.5 Bolt. Este último es un modelo de mezcla de expertos con 74.000 millones de parámetros que, según Nvidia, está diseñado para funcionar con solo 24 GB de memoria de video.

Nvidia indicó que Nemotron 3.5 Bolt estaría disponible para descarga el viernes siguiente al anuncio. Como GTC Berlín se celebra del 20 al 22 de octubre, esa fecha prevista corresponde al 23 de octubre. La información proporcionada no detalla condiciones de acceso ni requisitos adicionales para descargarlo.

El tamaño de los modelos y las opciones de cuantificación importan porque condicionan el hardware necesario para ejecutarlos. Nvidia señaló que las versiones NVFP4 están dirigidas a aceleradores Blackwell y que un modelo de incrustación pequeño podría correr en un DGX Spark con espacio disponible para otros modelos, una posibilidad que la empresa presenta como útil para despliegues compactos.

Qué significa la apertura de los modelos

En el mercado, la etiqueta de pesos abiertos no siempre implica que el público conozca cómo se entrenó un modelo. En muchos casos, los usuarios pueden descargar los pesos, pero no acceder a los datos ni a los procesos que condujeron al resultado final, lo que limita la posibilidad de revisar el origen y la construcción del sistema.

Nvidia sostiene que varios de sus modelos incluyen también los datos de entrenamiento y las recetas empleadas para producirlos. Con esos elementos, las organizaciones podrían examinar el modelo con mayor detalle y construir versiones personalizadas sobre la arquitectura Nemotron, en vez de limitarse a modificar los pesos mediante ajuste fino.

Este enfoque puede resultar relevante para instituciones que buscan controlar de manera más directa sus sistemas de IA, aunque la disponibilidad de materiales de entrenamiento no elimina por sí sola los desafíos de evaluar resultados, gestionar datos o adaptar los modelos a necesidades concretas. La compañía presenta la transparencia y la personalización como parte de su oferta, pero las organizaciones deberán valorar si esos recursos responden a sus propios requisitos.

Nvidia no es la única que sigue esa estrategia: el Instituto Allen ha aplicado un planteamiento similar con sus modelos OLMo. La comparación muestra que la publicación de más componentes del proceso de entrenamiento es una alternativa dentro del ecosistema de modelos abiertos, mientras el anuncio de Berlín combina esa propuesta con productos dirigidos a tareas específicas.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados