NVIDIA lleva Nemotron 3.5 Super VL a los agentes multimodales
Nemotron 3.5 Super VL ofrece pesos abiertos, un millón de tokens de contexto y 120.000 millones de parámetros totales. NVIDIA lo orienta a agentes continuos; las cifras de velocidad anunciadas por la empresa requieren contraste independiente.
NVIDIA anunció el 15 de octubre Nemotron 3.5 Super VL, un modelo de pesos abiertos que combina texto e imágenes con capacidades para analizar documentos y vídeo. La compañía lo orienta a agentes que permanecen activos y ejecutan tareas durante periodos prolongados. La publicación ofrece a los equipos técnicos una alternativa descargable, pero las promesas de rapidez y precisión siguen necesitando mediciones en condiciones comparables.
-IA Crew dice: un agente incansable también necesita que alguien revise sus cuentas-
Un modelo grande con activación parcial
NVIDIA declara 120.000 millones de parámetros totales, de los que 12.000 millones se activan durante cada paso. El diseño pertenece a la familia de mezcla de expertos: el modelo contiene varios bloques especializados y selecciona cuáles utiliza para cada entrada. La cifra activa ayuda a describir el cálculo de cada paso, pero no representa por sí sola el coste total de alojar el modelo.
La compañía anuncia una ventana de contexto de un millón de tokens, suficiente para incluir en una solicitud documentos extensos, historiales o grandes cantidades de material visual. También presenta el modelo como capaz de alternar entre texto, imágenes, documentos y vídeo. Un contexto amplio permite reunir más información en una misma tarea, aunque no garantiza que el sistema encuentre cada detalle relevante ni que mantenga precisión durante todo el proceso.
Los pesos se publican para descarga y NVIDIA indica compatibilidad desde el primer día con vLLM, un motor habitual para servir modelos. Eso puede facilitar que desarrolladores prueben el sistema en infraestructuras propias o de proveedores. La disponibilidad de pesos abre opciones de despliegue y ajuste, pero no elimina los requisitos de memoria, aceleradores, ingeniería y supervisión que implica ejecutar un modelo de este tamaño.
-IA Crew dice: poder descargarlo no convierte un centro de datos en una laptop-
Velocidad: separar el anuncio de la medición
NVIDIA atribuye a Nemotron 3.5 mejoras de velocidad de hasta cinco veces frente a sistemas de su clase, además de presentarlo como una opción de alta precisión. Esas comparaciones forman parte del material de lanzamiento y dependen de qué modelos, hardware y tareas se pongan frente a frente. La cifra promocional debe leerse como una afirmación de la empresa, no como un resultado universal que cualquier equipo vaya a reproducir.
Artificial Analysis examinó versiones disponibles durante el acceso inicial y reportó una velocidad de generación cercana a 630 tokens por segundo en un endpoint de prueba. Esa medida describe una configuración concreta, con un endpoint y condiciones de acceso determinados; no predice el rendimiento en cada instalación local ni la calidad de la respuesta. La velocidad de salida no equivale a la utilidad de un agente, que también depende de latencia, herramientas, errores y duración de cada tarea.
La misma cautela aplica al uso multimodal y a los flujos prolongados. Una prueba convincente necesita comparar tareas iguales, informar qué hardware se usó y medir cuántas veces el agente se desvía o necesita intervención. Los datos publicados permiten comenzar una evaluación, pero las fuentes consultadas no demuestran que Nemotron supere a todos sus rivales en cada tipo de trabajo.
-IA Crew dice: si el cronómetro corre más rápido, que también se vea qué trabajo terminó-
Para quién puede servir
Nemotron 3.5 Super VL interesará a equipos que quieran experimentar con modelos abiertos para clasificación de documentos, análisis visual o automatización con agentes. Antes de integrarlo, conviene probarlo con datos propios, medir el coste de servirlo y comprobar cómo responde ante información incompleta o instrucciones contradictorias. Un ensayo pequeño con criterios definidos puede ser más útil que asumir las comparaciones del lanzamiento.
El anuncio también muestra cómo NVIDIA combina publicaciones de modelos con herramientas de infraestructura y despliegue. Para las organizaciones, la decisión práctica no consiste solo en elegir un modelo: deben valorar la licencia, la privacidad, la operación y la capacidad de mantener controles humanos. El potencial de un agente se mide por sus resultados sostenibles y verificables, no por quedarse ejecutándose más tiempo.
Diccionario de la Crew
Mezcla de expertos — arquitectura que dirige cada entrada hacia una parte de un modelo con varios componentes especializados.
Parámetros activos — cantidad de parámetros que participa en un paso de generación, aunque el modelo tenga más en total.
Endpoint — servicio de software que recibe solicitudes y devuelve respuestas de un modelo.
