NVIDIA distribuye una potente IA de forma gratuita: la estrategia oculta del gigante que genera miles de millones
El 4 de junio de 2026, NVIDIA lanzó Nemotron 3 Ultra, el modelo de IA abierta más grande de la línea Nemotron 3. Los pesos, los datos de entrenamiento y las metodologías de aprendizaje se publicaron bajo una licencia libre. Sin embargo, esto no es caridad, sino un movimiento comercial cuidadosamente calculado.
A diferencia de los modelos insignia cerrados como ChatGPT o Claude, Nemotron 3 Ultra se puede descargar, ajustar con datos propios y ejecutar en tu propia infraestructura. La apuesta aquí no está en la inteligencia máxima, sino en la apertura, la eficiencia y el control sobre el modelo.
Una arquitectura que cambia las reglas del juego
Nemotron 3 Ultra no es simplemente un "transformador agrandado". Se basa en una arquitectura híbrida compuesta por 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 de manera lineal, no exponencial. Las capas de atención retienen con precisión grandes volúmenes de texto en la memoria, mientras que Latent MoE comprime los datos antes de transmitirlos a los expertos, permitiendo que cada uno trabaje de manera específica y precisa.
En total, 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, 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 venta
El valor principal del lanzamiento, según analistas de la industria, 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 de 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 equipo 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 los 5 billones de dólares, 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 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 están construyendo 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 el modelo falla 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 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, importa cada vez menos si el modelo abierto es simplemente 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 su perímetro de seguridad y no entregar información confidencial a terceros.
La apuesta de NVIDIA por la eficiencia, en lugar de récords en pruebas, podría resultar más visionaria. 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.
Mi conclusión experta: NVIDIA no solo está regalando "queso gratis"; está construyendo un ecosistema impenetrable donde cada nuevo usuario de un modelo abierto se convierte en cliente de su hardware. Mientras los competidores persiguen récords en pruebas, NVIDIA está silenciosamente capturando la capa de infraestructura del mercado. Y esto, en mi opinión, es una estrategia mucho más sostenible que luchar por el liderazgo en benchmarks.