Por Canuto  

Nvidia amplió su familia Nemotron con modelos de pesos abiertos pensados para distintos agentes de IA, desde tareas prolongadas hasta navegación web y uso de aplicaciones. La propuesta busca dar a las organizaciones más control para ejecutar y adaptar modelos, aunque tener acceso a los pesos no significa acceder a todos los componentes del proceso de entrenamiento.

***

  • La lista de modelos incluye Nemotron 3.5 Super VL, Nemotron 3.5 Bolt 74B-A9B 24GB y Nemotron 3.5 Bolt E4B 4GB.
  • Nvidia anunció que Nemotron 3.5 Bolt 74B-A9B estaría disponible el jueves 15 de octubre; la información consultada no precisa la fecha de disponibilidad de los otros modelos.
  • Los modelos de pesos abiertos se pueden descargar, pero eso no implica que también se publiquen los datos de entrenamiento o todo el proceso de desarrollo.

 

 

Nvidia amplió su familia de modelos de inteligencia artificial (IA) Nemotron con nuevas opciones de pesos abiertos, una apuesta orientada a extender el uso de agentes de IA en distintos sistemas.

La oferta incluye modelos para tareas prolongadas, navegación web y uso de aplicaciones, además de agentes físicos o conversacionales. La compañía vincula la expansión de la IA con una posible mayor demanda de chips a largo plazo, aunque esa relación es una expectativa estratégica y no un resultado garantizado.

Tres modelos para distintos agentes

La lista presentada incluye Nemotron 3.5 Super VL, Nemotron 3.5 Bolt 74B-A9B 24GB y Nemotron 3.5 Bolt E4B 4GB. Nvidia anunció que el modelo 74B-A9B estaría disponible el jueves 15 de octubre. La información consultada no precisa una fecha de disponibilidad para los otros dos modelos, por lo que no corresponde asumir que todos llegaron al mercado al mismo tiempo.

Nemotron 3.5 Super VL apunta a agentes que realizan trabajos extensos, capaces de prolongarse durante varios días o semanas, según la descripción recogida en el borrador. Ese enfoque pone el acento en procesos de larga duración, no solamente en responder una consulta aislada. La empresa también plantea que las organizaciones pueden hacer post-entrenamiento con sus propios datos para adaptar el modelo a necesidades específicas.

La posibilidad de ajustar un modelo con información propia puede resultar relevante para empresas que buscan adecuar una herramienta general a sus actividades. Sin embargo, la personalización no garantiza por sí sola mejores resultados: su desempeño dependerá de cómo se implemente y de los datos utilizados.

Nemotron 3.5 Bolt 74B-A9B 24GB está diseñado para tareas agénticas generales, como navegar por sitios web y utilizar aplicaciones. Nemotron 3.5 Bolt E4B 4GB, en cambio, se orienta a agentes físicos y conversacionales, según la descripción de la empresa. La distinción importa porque no todos los agentes cumplen la misma función: unos interactúan con programas, mientras otros se relacionan con sistemas físicos o sostienen conversaciones.

La lógica de los pesos abiertos

Los modelos de pesos abiertos permiten descargar sus parámetros y ejecutarlos en infraestructura propia. Eso no significa necesariamente que también estén disponibles el código fuente, los datos de entrenamiento o todo el proceso utilizado para desarrollarlos. Por tanto, describirlos como de “pesos abiertos” es más preciso que afirmar que todos sus componentes son abiertos o pueden inspeccionarse y modificarse.

Nvidia promueve este tipo de herramientas como parte de su estrategia de crecimiento. La lógica comercial es que reducir algunas barreras de acceso puede animar a más organizaciones a incorporar IA y, con ello, ampliar la necesidad de capacidad de cómputo. Si aumenta la adopción, podría crecer a largo plazo la demanda de chips para ejecutar esas cargas; se trata de una expectativa, no de una cifra de ventas ni de una garantía de que cada adopción se traduzca en compras de procesadores Nvidia.

El costo de uso también forma parte de la propuesta. Los modelos de pesos abiertos pueden evitar algunos pagos por uso de servicios externos cuando una empresa los ejecuta en su propio hardware. Eso no elimina los gastos de equipos, operación o personal: la ventaja potencial consiste en tener más control sobre dónde se procesa la información y cómo se utiliza el modelo.

Ejecutar modelos en infraestructura propia puede ofrecer mayor control sobre los datos, ya que la organización no necesita cargarlos en servidores de terceros para operar la herramienta. Nvidia presenta esa posibilidad como un beneficio de privacidad, pero no equivale a una garantía absoluta de seguridad. La protección también depende de cómo la empresa configure y administre sus sistemas.

La contrapartida es que los modelos de pesos abiertos pueden quedar por detrás de los sistemas cerrados más avanzados en algunas capacidades, según el análisis recogido en el borrador. Aun así, muchos usuarios no necesitan el nivel máximo de rendimiento para resolver sus tareas. El atractivo puede estar en disponer de una herramienta suficientemente capaz, adaptable y ejecutable con mayor control propio.

Competencia y estrategia de Nvidia

La conversación sobre modelos abiertos también está marcada por compañías chinas, entre ellas Moonshot AI y Alibaba Cloud, que ofrecen familias como Kimi K3 y Qwen. La iniciativa de Nvidia se inserta así en una competencia por ofrecer modelos que las empresas puedan descargar, adaptar y poner en funcionamiento. La presencia de alternativas no determina por sí sola cuál tendrá mayor adopción: las organizaciones también valoran capacidad, costo y facilidad de uso.

Jensen Huang, CEO de Nvidia, ha instado a empresas estadounidenses a desarrollar y adoptar más modelos de pesos abiertos, según el reporte citado en el borrador. El argumento es impulsar la competencia y evitar que el ecosistema dependa de un grupo reducido de modelos cerrados. La apertura, en este sentido, puede ampliar las opciones de despliegue, aunque no implica que todos los modelos compartan el mismo grado de acceso a sus componentes.

Para Nvidia, las incorporaciones a Nemotron amplían la variedad de usos que busca cubrir: tareas prolongadas, operaciones generales con aplicaciones y agentes físicos o conversacionales. La empresa no presentó en la información disponible una comparación detallada de rendimiento entre estas versiones. Por ello, la elección entre ellas dependerá de las necesidades de cada organización y de los recursos disponibles para ejecutarlas.

El lanzamiento refleja dos apuestas conectadas: ofrecer más flexibilidad a quienes quieren ejecutar IA con modelos de pesos abiertos y relacionar la expansión del software con el uso de hardware. La competencia con alternativas chinas y modelos cerrados seguirá condicionando el atractivo de Nemotron. Por ahora, Nvidia plantea opciones con propósitos diferenciados, pero su adopción dependerá de cómo encajen en las necesidades y recursos de cada empresa.

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

 


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