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 IA más grande: Nemotron 3 Ultra. Bajo una licencia abierta, se publicaron los pesos del modelo, los datos de entrenamiento y las metodologías de aprendizaje. Esto no es solo filantropía, sino una jugada estratégica que permite al gigante ganar más que sus competidores cerrados.
A diferencia de modelos insignia como ChatGPT o Claude, Nemotron 3 Ultra se puede descargar, ajustar con datos propios y ejecutar en tu propia infraestructura. La apuesta aquí no es por la inteligencia máxima, sino por la apertura, la eficiencia y el control total sobre el modelo. Esto cambia las reglas del juego en el mercado de la inteligencia artificial.
Arquitectura que ahorra recursos
Nemotron 3 Ultra no es solo un "transformador agrandado". Su base es una arquitectura híbrida que combina tres enfoques: capas Mamba-2, capas de atención (Attention) y mezcla latente de expertos (Latent MoE). Las capas Mamba-2 procesan textos largos de forma rápida y económica: sus costos crecen linealmente, 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 requerir cálculos innecesarios.
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 superior a 300 tokens por segundo, Nemotron 3 Ultra ofrece de cinco a seis veces más rendimiento y aproximadamente un 30% menos de costo por tarea en comparación con sus equivalentes.
Estrategia de NVIDIA: el ecosistema como principal activo
El valor principal de este lanzamiento no es el modelo en sí, sino el ecosistema que NVIDIA construye alrededor de su hardware. La lógica es simple: quien ejecuta Nemotron casi con certeza lo hace en tarjetas gráficas de NVIDIA, lo ajusta con sus herramientas de software y lo despliega en su propio software. La apertura aquí no es filantropía, sino una forma de llevar a los desarrolladores de vuelta a la compra del hardware de la empresa.
Con una capitalización de mercado superior a los $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 que sus competidores cerrados con acceso de pago.
El contexto político añade un 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.
Debilidades y perspectivas
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 por debajo 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.
Sin embargo, 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 inteligencia de nivel 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 análisis: 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. Espero 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.