NVIDIA distribuye su potente IA de forma gratuita: ¿estrategia genial o trampa mortal para los competidores?
El 4 de junio de 2026, NVIDIA lanzó públicamente su modelo más reciente, Nemotron 3 Ultra. Este es el modelo de IA abierta más grande de la línea Nemotron 3. La compañía publicó bajo una licencia libre no solo los pesos del modelo en sí, sino también los datos de entrenamiento y las metodologías de aprendizaje. No se trata simplemente de caridad: es un movimiento de mercado sutil y extremadamente agresivo.
A diferencia de los modelos insignia cerrados como ChatGPT o Claude, Nemotron 3 Ultra se puede descargar, ajustar con datos propios y ejecutar en su propia infraestructura. La apuesta aquí no es por la inteligencia máxima, sino por la apertura, la eficiencia y el control total. Es un modelo creado para agentes autónomos de larga duración y razonamientos complejos, no para ganar en puntos de referencia.
Arquitectura: un híbrido que cambia las reglas del juego
Nemotron 3 Ultra no es simplemente un "transformador agrandado". Su base es una arquitectura híbrida de tres enfoques: capas Mamba-2, capas de atención (Attention) y una mezcla latente de expertos (Latent MoE).
Las capas Mamba-2 procesan textos largos de forma rápida y económica: sus costos crecen linealmente con la longitud, no de forma exponencial como en el mecanismo de atención habitual. 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, lo que permite que cada uno trabaje de manera específica y precisa, sin requerir 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 de más de 300 tokens por segundo, esto ofrece un rendimiento de cinco a seis veces mayor y un costo de tareas aproximadamente un 30% menor.
Estrategia de NVIDIA: ecosistema en lugar de altruismo
El valor principal del lanzamiento, en mi opinión, no reside 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 llevar a los desarrolladores de vuelta a la compra del hardware de la compañía.
NVIDIA puede hacer esto porque sus capacidades financieras son incomparables con los costos del modelo en sí. Con una capitalización de mercado 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 compañía. 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 de lo que los competidores cerrados cobran por el 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 ha hecho atractivo para países que construyen una IA nacional independiente, desde Europa hasta el Sudeste Asiático. Nadie puede desactivar dicho modelo de forma remota, y esto es especialmente valioso en medio de las recientes restricciones en torno a los modelos cerrados.
En qué aspectos el modelo es inferior y qué sucederá 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 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 este retraso, en mi opinión, es cada vez menos relevante si el modelo abierto es simplemente suficiente para tareas reales. Un banco que implementa Nemotron 3 Ultra para procesar préstamos en sus 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 protegido y no compartir información sensible con terceros.
Mi conclusión: La apuesta de NVIDIA por la eficiencia, en lugar de los 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 operación 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.