Nvidia lanza modelos abiertos Nemotron 3.5 para agentes empresariales y PC con IA local
Hecho Qué ha ocurrido
Nvidia presentó el modelo abierto Nemotron 3.5 Super VL, de 120.000 millones de parámetros, pensado para agentes empresariales, y dos modelos ligeros Bolt para ejecutarse en PC con chip RTX Spark y estaciones DGX Spark. La compañía afirma que Super VL completa tareas agénticas más rápido que modelos de Anthropic y OpenAI tras un ajuste específico. Super VL y Bolt 74B-A9B están disponibles ahora, y Bolt E4B llegará este mes.
Resumen generado mediante IA a partir de TechCrunch AI (original en inglés). Naturaleza de la información: declaración de parte interesada.
Análisis Por qué importa
Las empresas que quieren ejecutar sus propios modelos en su infraestructura tienen una opción abierta y optimizada para hardware Nvidia, y los PC con IA local ofrecen una alternativa a enviar datos sensibles a la nube.
- Quién se ve afectado
- Empresas que despliegan agentes en infraestructura propia y compradores de PC con IA local.
- Qué puede cambiar
- Podría ampliar las opciones de modelos abiertos para desplegar agentes sin depender de la nube, aunque las cifras de rendimiento aún necesitan verificación independiente.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Adopción real por las empresas citadas, la llegada de Bolt E4B este mes y los resultados de pruebas independientes frente a los modelos cerrados comparados.
Recomendación Qué debería hacer una empresa
Evaluar en los próximos 3-6 meses si un modelo abierto desplegable en infraestructura propia encaja en casos de agentes con datos sensibles, usando pruebas sobre tareas propias.
Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.
Enviar esta noticia por correo
Enviado. Revisa que llegue a la bandeja de entrada de quien lo reciba.
La dirección no parece válida.
Has enviado varios correos seguidos. Espera un rato.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
No se ha podido enviar. Inténtalo de nuevo en unos minutos.
Fuente original: TechCrunch AI. La referencia es siempre el artículo original.
Ver fuente original ↗agentesLLMedge AImodelos abiertos NvidiaMicrosoftDell BoltDGX SparkNemotronNvidiaRTX Spark
Tu opinión
Te hemos enviado un correo para confirmar tu dirección. El comentario se procesará cuando pulses el enlace.
Gracias. Tu comentario se publicará cuando lo revise el equipo (los primeros comentarios de cada persona se moderan).
Comentario publicado. Gracias por participar.
No se puede comentar aquí.
Indica un nombre (de 2 a 60 caracteres).
El correo no parece válido.
El comentario debe tener entre 10 y 2.000 caracteres.
Demasiados enlaces en el comentario.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
Has alcanzado el límite diario de comentarios.
Demasiados comentarios seguidos. Espera un rato.
No se ha podido enviar el correo de confirmación. Inténtalo de nuevo en unos minutos.
0 comentarios
Relacionadas
Deepgram reporta entre 11 y 70 % más audio procesado por dólar al portar Nova-3 a AWS Trainium2
Deepgram, con el equipo de ingeniería de AWS, adaptó su modelo de voz a texto Nova-3 a AWS Trainium2 para transcripción por lotes. Según la propia empresa y…
Por qué importaPara proveedores de voz con gran volumen de transcripción, el coste por hora de audio depende del hardware y del software de inferencia tanto como…
AWS describe una transferencia KV por push en vLLM que reduce la latencia de inferencia de LLM
AWS publicó un artículo técnico sobre un conector NIXL en modo push para vLLM, que traslada la coordinación de la transferencia del caché KV fuera de la ruta…
Por qué importaPara quien despliega inferencia de LLM a escala, el tiempo hasta el primer token y el coste por token dependen tanto de la infraestructura de…
AWS describe transferencia KV bidireccional en vLLM que reduce el TTFT en cargas agénticas multiturno
AWS Machine Learning Blog explica una técnica de transferencia bidireccional de caché KV en vLLM para cargas agénticas multiturno, en la que el nodo de…
Por qué importaLas aplicaciones de agentes que reenvían historiales largos en cada turno pueden acumular latencia y coste de cómputo; reutilizar contexto ya…
Cuatro agentes con Gemini 4 Argon completan Minecraft sin ayuda humana según Google DeepMind
Cuatro agentes de IA basados en Gemini 4 Argon derrotaron al Ender Dragon en Minecraft en una partida totalmente autónoma, sin roles ni estrategias…
Por qué importaMuestra que agentes de propósito general pueden coordinarse en entornos complejos sin entrenamiento específico, algo que hasta hace poco requería…