NVIDIA distribuye una potente IA de forma gratuita y gana más que sus competidores con ello.
El 4 de junio de 2026, NVIDIA lanzó Nemotron 3 Ultra, el modelo de IA abierta más grande de la línea Nemotron 3. No se trata solo de la publicación de los pesos: la empresa puso a disposición del público, bajo una licencia libre, los datos de entrenamiento y las metodologías de aprendizaje. El modelo está diseñado para agentes autónomos de larga duración y razonamiento complejo. Y esto no es caridad, sino un movimiento estratégico sutil.
A diferencia de los buques insignia cerrados como ChatGPT o Claude, Nemotron 3 Ultra se puede descargar, ajustar con tus propios datos y ejecutar en tu propia infraestructura. La apuesta aquí no es por la inteligencia máxima, sino por la apertura, la eficiencia y el control sobre el modelo.
Arquitectura: un híbrido que cambia las reglas del juego
La base de Nemotron 3 Ultra es una arquitectura híbrida que combina tres enfoques: capas Mamba-2, capas de atención (Attention) y mezcla latente de expertos (Latent MoE). Mamba-2 procesa textos largos de forma rápida y económica: los costos crecen linealmente con la longitud, 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, obligando a cada uno a trabajar de manera específica y precisa sin cálculos innecesarios.
Resultado: el modelo tiene alrededor de 550 mil millones de parámetros, pero solo se utilizan aproximadamente 55 mil millones para procesar cada token. Esto le permite pensar como un sistema enorme, pero comportarse en costos como uno mucho más compacto. Con una ventana de contexto de 1 millón de tokens y una velocidad de más de 300 tokens por segundo, esto proporciona de cinco a seis veces más rendimiento y aproximadamente un 30% menos de costo por tarea.
Estrategia de NVIDIA: el ecosistema como principal activo
El valor principal del lanzamiento no es el modelo en sí, sino 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 llevar a los desarrolladores de vuelta a la compra del hardware de la empresa.
NVIDIA puede permitírselo porque sus capacidades financieras son incomparables con los costos del modelo en sí. Con una capitalización de más de $5 billones, el entrenamiento de Nemotron 3 Ultra, que probablemente costó cientos de millones de dólares, es un gasto casi imperceptible para la empresa. Las ventas de tarjetas gráficas cubren con creces la investigación, por lo que NVIDIA puede regalar el modelo de forma gratuita y aún así ganar más de lo que los 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 en medio de las recientes restricciones en torno a los modelos cerrados.
Dónde flaquea el modelo y qué vendrá después
A pesar de todas sus virtudes, 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 está por detrás de líderes como Kimi K2.6 (54 puntos) y DeepSeek. Según estimaciones de analistas, los modelos abiertos están de tres a siete meses por detrás de los cerrados.
Pero esta brecha 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 la inteligencia de un modelo insignia; 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 opinión experta: La apuesta de NVIDIA por la eficiencia, en lugar de récords en pruebas, podría resultar más visionaria de lo que parece. Con 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.