NVIDIA distribuye una potente IA de forma gratuita: una estrategia que genera miles de millones
El 4 de junio de 2026, NVIDIA lanzó públicamente su modelo de inteligencia artificial más grande hasta la fecha: Nemotron 3 Ultra. Bajo una licencia libre, se publicaron los pesos del modelo, los datos de entrenamiento y las metodologías. No se trata simplemente de "otro LLM de código abierto", sino de un movimiento estratégico completo que cambia radicalmente las reglas del juego en el mercado de la IA.
A diferencia de los modelos cerrados emblemáticos como ChatGPT o Claude, Nemotron 3 Ultra se puede descargar, ajustar con datos propios y ejecutar en tu propia infraestructura. La apuesta no está en la inteligencia máxima, sino en la apertura, la eficiencia y el control total sobre el modelo.
Una arquitectura que rompe moldes
Nemotron 3 Ultra no es simplemente un "transformador agrandado". Su base es una arquitectura híbrida que combina tres enfoques: capas Mamba-2, capas de atención (Attention) y una mezcla latente de expertos (Latent MoE). Este mecanismo dirige cada consulta solo a los "especialistas" necesarios dentro del modelo, lo que reduce drásticamente los costos computacionales.
Las capas Mamba-2 procesan textos largos de forma rápida y eficiente: sus costos crecen de manera lineal, no en avalancha como en el mecanismo de atención convencional. Las capas de atención, por su parte, retienen con precisión grandes volúmenes de texto en la memoria. Y Latent MoE comprime los datos antes de pasarlos a los expertos, permitiendo que cada uno trabaje de forma específica y precisa, sin cálculos innecesarios.
En total, el modelo tiene alrededor de 550 mil millones de parámetros, pero para procesar cada token solo se utilizan aproximadamente 55 mil millones. Gracias a esto, piensa como un sistema enorme, pero en términos de costos se comporta como uno mucho más compacto. Junto con una ventana de contexto de 1 millón de tokens y una velocidad superior a 300 tokens por segundo, esto ofrece una capacidad de procesamiento de cinco a seis veces mayor y un costo de tareas aproximadamente un 30% más bajo.
Estrategia de NVIDIA: apostar por el ecosistema
El valor principal del lanzamiento, según analistas del sector, no está en el modelo en sí, sino en el ecosistema que NVIDIA está construyendo alrededor de su hardware. La lógica es simple: quien ejecuta Nemotron casi con certeza lo hace en tarjetas gráficas NVIDIA, lo ajusta con sus herramientas de software y lo despliega en su propio software. La apertura aquí no es caridad, sino una forma de atraer a los desarrolladores de vuelta a la compra del hardware de la empresa.
NVIDIA puede permitirse esto porque sus capacidades financieras son incomparables con los costos del modelo en sí. Con una capitalización de mercado superior a $5 billones, el entrenamiento de Nemotron 3 Ultra, que probablemente costó cientos de millones de dólares, es un gasto casi insignificante para la empresa. Las ventas de tarjetas gráficas cubren con creces la investigación, por lo que NVIDIA puede distribuir el modelo de forma gratuita y aún así ganar más que sus competidores cerrados cobran por el acceso de pago.
El contexto político añade peso adicional al lanzamiento. Un modelo estadounidense abierto se puede verificar, modificar y ejecutar en servidores propios, lo que lo hace atractivo para países que construyen IA nacional independiente, desde Europa hasta el Sudeste Asiático. Nadie puede desactivar este modelo de forma remota, y esto es especialmente valioso tras las recientes restricciones en torno a los modelos cerrados.
Dónde flaquea el modelo y qué viene después
A pesar de todas sus ventajas, Nemotron 3 Ultra no es el modelo más inteligente del mercado. En el ranking independiente Artificial Analysis Intelligence Index obtuvo 48 puntos, el mejor resultado entre los modelos abiertos de EE. UU., pero a nivel mundial queda por detrás de líderes como Kimi K2.6 (54 puntos) y DeepSeek. Según los analistas, los modelos abiertos están de tres a siete meses por detrás de los cerrados.
Pero esta brecha, en mi opinión, importa cada vez menos si el modelo abierto es suficiente para tareas reales. Un banco que implementa Nemotron 3 Ultra para procesar préstamos en sus propios servidores no necesita inteligencia de nivel emblemático; necesita un modelo que se pueda ajustar con datos confidenciales, mantener dentro de su perímetro de seguridad y no compartir información sensible con terceros.
Mi conclusión: la apuesta de NVIDIA por la eficiencia, en lugar de por récords en pruebas, podría resultar más visionaria. En la adopción masiva de la IA, el costo operativo del modelo pasa a primer plano, y aquel que casi no se queda atrás en inteligencia, pero es cinco veces más barato, gana en la implementación real. Los analistas esperan que el ecosistema abierto solo se fortalezca: NVIDIA tiene los recursos, la motivación y los canales de distribución para lanzar modelos abiertos cada vez más potentes más rápido que cualquier otra empresa.