Open Source2026-10-16
NVIDIA AI Blog
NVIDIA lanza Nemotron 3.5 Super VL y modelos edge
NVIDIA ha ampliado su familia Nemotron con el lanzamiento de Nemotron 3.5 Super VL, un modelo abierto de 120.000 millones de parámetros diseñado para agentes especializados que están siempre activos. Según la compañía, ofrece la finalización de tareas más rápida y la mayor precisión de su clase, y apunta a desarrolladores que necesitan sistemas autónomos capaces de operar de forma continua sin intervención humana constante. Al ser un modelo abierto, da a los equipos más control sobre el despliegue, el ajuste fino y la integración.
Junto a Super VL, NVIDIA ha presentado opciones orientadas al edge, entre ellas Nemotron 3.5 Bolt 74B-A9B 24GB. Este modelo se describe como un equilibrio entre inteligencia y velocidad por gigabyte, un factor crítico en dispositivos con memoria y energía limitadas. La compañía también ha presentado otro modelo edge, ampliando todavía más la línea Nemotron más allá de los centros de datos. El movimiento refleja cómo el desarrollo de IA se extiende desde los grandes clústeres en la nube hasta ordenadores de sobremesa, estaciones de trabajo y dispositivos locales.
La estrategia importa porque los agentes siempre activos necesitan funcionar de forma fiable en entornos muy distintos. Un modelo de centro de datos puede ofrecer la máxima capacidad, pero uno de borde reduce la latencia, mejora la privacidad y abarata costes al procesar los datos en local. Para quien construye asistentes, robótica, herramientas de monitorización o automatización empresarial, contar con modelos abiertos a distintas escalas facilita ajustar el modelo a la tarea.
Al llevar Nemotron del centro de datos al escritorio, NVIDIA se posiciona como proveedor tanto de hardware como de software de modelos abiertos. El lanzamiento también mete presión en el mercado de modelos de pesos abiertos, donde la eficiencia, las licencias y la flexibilidad de despliegue pesan cada vez más. Si Super VL y los nuevos modelos edge cumplen sus promesas de rendimiento, pueden convertirse en opciones prácticas para equipos que construyen la próxima generación de agentes autónomos.