NVIDIA distribuye su potente IA de forma gratuita, pero gana más que nadie con ello: la estrategia Nemotron 3 Ultra
El 4 de junio de 2026, NVIDIA dio un paso inesperado pero estratégicamente calculado: lanzó al público su modelo de IA más grande, el Nemotron 3 Ultra. Bajo una licencia libre, no solo se publicaron los pesos del modelo, sino también los datos de entrenamiento y las metodologías de aprendizaje. A primera vista, es un gesto generoso. Pero detrás hay una lógica de mercado implacable que permite al gigante ganar más que sus competidores cerrados.
Arquitectura híbrida: Mamba-2, Attention y Latent MoE
Nemotron 3 Ultra no es solo otro "transformador agrandado". Su base es una arquitectura híbrida que combina tres enfoques: capas Mamba-2, capas clásicas de atención (Attention) y el mecanismo Latent MoE (mezcla de expertos). Las capas Mamba-2 procesan textos largos de forma rápida y económica, ya que sus costos crecen linealmente, no en avalancha. Las capas de atención, por su parte, retienen con precisión grandes volúmenes de contexto en la memoria. Y Latent MoE comprime los datos antes de pasarlos a los "especialistas", permitiendo que cada experto trabaje de forma precisa y específica sin requerir cálculos innecesarios.
El resultado es impresionante: con un volumen total de aproximadamente 550 mil millones de parámetros, solo se utilizan unos 55 mil millones para procesar cada token. Esto significa que el modelo piensa como un sistema gigante, pero en costos se comporta como uno mucho más compacto. Combinado con una ventana de contexto de 1 millón de tokens y una velocidad superior a 300 tokens por segundo, ofrece entre 5 y 6 veces más rendimiento y aproximadamente un 30% menos de costo por tarea en comparación con alternativas similares.
Estrategia de ecosistema: modelo gratuito como imán para ventas
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 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 equipo de la empresa.
NVIDIA puede permitirse este enfoque porque sus capacidades financieras son incomparables con los costos del modelo. Con una capitalización de más de $5 billones, entrenar 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 y aun así ganar más de lo que sus competidores cerrados cobran por acceso pago.
El contexto político también añade peso 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.
Debilidades y futuro
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.
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 pueda ajustarse con datos confidenciales, mantenerse dentro de un perímetro seguro 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 el uso real. Espero que el ecosistema abierto de NVIDIA solo se fortalezca: la empresa tiene recursos, motivación y canales de distribución para lanzar modelos abiertos cada vez más potentes más rápido que cualquier otra compañía.