Nemotron 3.5: NVIDIA lleva la IA multimodal al PC

Por Redacción Pangea IA · 16 de octubre de 2026

NVIDIA ha lanzado Nemotron 3.5 Super VL, un modelo multimodal de pesos abiertos pensado para agentes empresariales que trabajan con texto, imágenes, documentos y vídeo. La compañía lo acompaña con Nemotron 3.5 Bolt 74B-A9B, una variante cuantizada que cabe en 24 GB de memoria, y con Bolt E4B, que llegará el 23 de octubre para dispositivos aún más pequeños.

La novedad no consiste solo en sumar otro modelo a un catálogo que ya crece a gran velocidad. NVIDIA intenta cubrir con una misma familia tres escalones de despliegue: servidores empresariales, estaciones de trabajo y equipos de borde. La propuesta es especialmente relevante para compañías que quieren mantener documentos o procesos dentro de su propia infraestructura, aunque los resultados publicados todavía deben leerse como una combinación de pruebas del fabricante y mediciones independientes limitadas.

Qué ha presentado NVIDIA

El anuncio, realizado el 15 de octubre, reúne tres modelos con objetivos distintos. Nemotron 3.5 Super VL es el más capaz de la nueva tanda: tiene 120.000 millones de parámetros totales, activa 12.000 millones en cada token y admite una ventana de contexto de hasta un millón de tokens. Recibe texto, imágenes y vídeo, y genera texto. NVIDIA lo orienta a flujos con herramientas, razonamiento, programación, análisis documental y tareas visuales encadenadas.

Nemotron 3.5 Bolt 74B-A9B reduce el tamaño a 74.000 millones de parámetros, con 9.000 millones activos. Su versión nativa de dos bits ocupa 24 GB, admite hasta 256.000 tokens de contexto y está pensada para ejecutar agentes localmente. La tercera pieza, Bolt E4B 4GB, apunta a asistentes conversacionales, interfaces integradas y agentes físicos; no estará disponible hasta el 23 de octubre, por lo que sus capacidades aún no pueden evaluarse de forma independiente.

Modelo	Parámetros	Contexto	Objetivo	Disponibilidad
Nemotron 3.5 Super VL	120B totales / 12B activos	Hasta 1 millón	Agentes multimodales y especializados	Disponible
Nemotron 3.5 Bolt 74B-A9B	74B totales / 9B activos	Hasta 256.000	Agentes locales en 24 GB	Disponible
Nemotron 3.5 Bolt E4B	No detallado en el anuncio	No detallado	Voz, interfaces y dispositivos de borde	23 de octubre

Por qué «multimodal» importa en un agente

Un chatbot convencional recibe una pregunta y produce una respuesta. Un agente empresarial puede tener que leer un contrato, interpretar una tabla, consultar una aplicación, aplicar una política interna y devolver un resultado estructurado. Si la comprensión visual y el razonamiento recaen en modelos separados, cada traspaso añade latencia, coste y posibilidades de perder contexto.

Super VL integra razonamiento, seguimiento de instrucciones, uso de herramientas y comprensión de documentos y vídeo. La arquitectura combina capas Mamba-2, Transformer y mezcla de expertos con un codificador visual C-RADIO. En la práctica, eso busca que un único modelo pueda examinar facturas, gráficos, páginas escaneadas o secuencias de vídeo y, después, actuar sobre esa información.

NVIDIA cita usos en programación, investigación web, ciberseguridad, tramitación financiera y revisión documental. Son escenarios plausibles, pero no equivalen a garantías de funcionamiento. Una empresa deberá medir precisión, tasa de errores, permisos de las herramientas y comportamiento con sus propios datos antes de automatizar decisiones sensibles.

Qué significan las cifras de rendimiento

NVIDIA afirma que Super VL alcanza hasta cinco veces más rendimiento que otros modelos abiertos de tamaño comparable en una sola GPU. Esa formulación depende del hardware, la longitud de la entrada y la concurrencia. La ficha oficial también advierte de que el rendimiento varía con la carga, por lo que no debe trasladarse automáticamente a cualquier servidor o tarea.

Artificial Analysis aporta una comprobación externa más acotada. En su Intelligence Index, Super VL obtiene 26,5 puntos y se sitúa como el modelo estadounidense de pesos abiertos con mayor puntuación en esa medición. Con entradas de 100.000 tokens, el servicio registró unos 630 tokens por segundo en un punto de acceso previo al lanzamiento. También observó que el modelo utiliza alrededor de un 60 % menos de tokens de salida por tarea que Nemotron 3 Super.

La lectura correcta tiene dos matices. Primero, liderar entre modelos abiertos estadounidenses no significa liderar todo el mercado: en la misma clasificación, modelos de China y Emiratos Árabes Unidos quedan por delante en inteligencia. Segundo, velocidad e inteligencia se midieron en configuraciones concretas; un despliegue local, otra cuantización o una herramienta de agente diferente pueden alterar el resultado.

El atractivo de Bolt: IA local con 24 GB

La variante Bolt 74B-A9B puede resultar más interesante para equipos pequeños que Super VL. NVIDIA la ha cuantizado de forma nativa a dos bits para que el modelo empaquetado ocupe 24 GB. La ficha admite uso comercial y no comercial bajo la licencia OpenMDW 1.1, e incluye instrucciones para SGLang, vLLM y una API compatible con el formato de OpenAI.

Que el archivo quepa en 24 GB no significa que cualquier ordenador con esa memoria ofrezca una experiencia idéntica. Influyen la GPU, el ancho de banda, la memoria reservada por otras aplicaciones y la longitud del contexto. La documentación enumera aceleradores A100, H100 y Blackwell para vLLM, mientras que el anuncio amplía el soporte a equipos GeForce RTX, RTX PRO y DGX Spark mediante herramientas como llama.cpp, Ollama, LM Studio y Unsloth.

Para quien valore un despliegue doméstico o profesional, conviene comparar estas exigencias con nuestra guía sobre IA local con Qwen, Gemma y Nemotron. La decisión no depende solo del tamaño del modelo: también cuentan el consumo eléctrico, la velocidad real, el soporte del software y la calidad en la tarea concreta.

Pesos abiertos no significa ausencia de condiciones

NVIDIA describe la familia como abierta porque publica pesos, conjuntos de datos y recetas de entrenamiento. Super VL y Bolt se distribuyen bajo OpenMDW 1.1, no bajo una licencia permisiva tradicional como Apache 2.0. Antes de incorporar el modelo a un producto, una organización debe revisar las condiciones completas, las obligaciones aplicables y la compatibilidad con su uso previsto.

La apertura sí ofrece ventajas prácticas: permite adaptar el modelo a terminología, políticas y herramientas internas; alojarlo en infraestructura propia; y auditar mejor la cadena de despliegue. NVIDIA publica además datos para uso de herramientas, finanzas, seguimiento de instrucciones, contexto largo, equidad y visión-lenguaje. La compañía afirma haber entrenado Super VL con unos 26 billones de tokens y haber aplicado después unos 3,8 millones de ejemplos junto con aprendizaje por refuerzo.

Qué puede aportar a pymes y empresas europeas

Para una pyme española, el valor potencial no está en entrenar un modelo de 120.000 millones de parámetros desde cero. Está en elegir una versión ya preparada, limitarla a un flujo concreto y mantener bajo control los datos que procesa. Un distribuidor podría extraer campos de albaranes y contrastarlos con su ERP; un despacho podría clasificar expedientes; y un fabricante podría revisar manuales y vídeos de mantenimiento.

El alojamiento local puede reducir la exposición de datos a proveedores externos, pero no elimina las obligaciones del Reglamento General de Protección de Datos ni del Reglamento de IA. Tampoco convierte el sistema en infalible. Si el agente afecta a contratación, crédito, salud o derechos de las personas, hacen falta controles humanos, trazabilidad, evaluación de riesgos y una base jurídica adecuada.

La comparación con modelos cerrados debe incluir el coste total. Un servicio en la nube cobra por uso y traslada buena parte de la operación al proveedor. Un modelo local exige hardware, administración, seguridad, actualizaciones y monitorización. La opción abierta gana atractivo cuando el volumen es alto, los datos son sensibles o la adaptación aporta una ventaja clara; pierde sentido si la carga es esporádica y no hay equipo técnico para mantenerla.

Cómo encaja frente a Meta y Google

El lanzamiento llega pocas horas después de Muse Spark Open, el modelo de Meta optimizado con Apple para varios Mac Studio. Ambos anuncios comparten una idea: acercar modelos avanzados a infraestructura controlada por el usuario. La diferencia es de énfasis. Meta presenta un modelo enorme para estaciones de trabajo enlazadas; NVIDIA segmenta la familia desde el centro de datos hasta una variante de 24 GB y otra de 4 GB.

Frente a Gemini 4 Argon y su acceso mediante API, Nemotron apuesta por la personalización y el despliegue propio. No son productos equivalentes: un modelo cerrado ofrece una vía más sencilla para empezar, mientras que los pesos abiertos permiten mayor control a cambio de más complejidad operativa.

Qué conviene probar antes de adoptar Nemotron 3.5

Definir una tarea estrecha. Es mejor empezar con un proceso medible, como extraer campos de facturas, que con un «agente general».
Crear un conjunto de evaluación propio. Debe incluir casos normales, excepciones, documentos dañados y entradas adversarias.
Medir calidad y coste juntos. Tokens por tarea, latencia, consumo y necesidad de revisión humana importan tanto como una puntuación agregada.
Separar permisos. El modelo no debería disponer de acceso de escritura o ejecución más amplio del necesario.
Revisar licencia y cumplimiento. OpenMDW 1.1, protección de datos, seguridad y normas sectoriales deben analizarse antes del uso comercial.

Conclusión: una familia más útil que un único récord

Nemotron 3.5 destaca menos por una cifra aislada que por la amplitud de su estrategia. NVIDIA ofrece un modelo multimodal de 120B para agentes especializados, una variante local de 24 GB y otra de 4 GB en camino. Esa continuidad puede facilitar que una empresa mantenga herramientas y procesos similares mientras cambia de escala.

Las pruebas independientes respaldan una mejora real en velocidad y eficiencia, pero no justifican aceptar sin más todas las comparaciones del fabricante. El paso sensato es evaluar el modelo con datos propios y con controles de seguridad. Si la calidad se mantiene, la posibilidad de combinar visión, documentos y herramientas en infraestructura controlada convierte a Nemotron 3.5 en una alternativa relevante para la siguiente generación de agentes empresariales.

Lecturas relacionadas

Fuentes consultadas

NVIDIA: anuncio de Nemotron 3.5 Super VL y Bolt, 15 de octubre de 2026.
NVIDIA Developer: arquitectura y personalización de Super VL, consultado el 16 de octubre de 2026.
Ficha oficial de Nemotron 3.5 Super VL en Hugging Face, consultada el 16 de octubre de 2026.
Ficha oficial de Nemotron 3.5 Bolt 74B-A9B, consultada el 16 de octubre de 2026.
Artificial Analysis: evaluación independiente de Super VL y Bolt, 15 de octubre de 2026.