Nvidia ahora está lanzando nuevas versiones de sus modelos de IA de peso abierto aproximadamente cada un mes y medio, un aceleramiento drástico desde el ritmo de seis a ocho meses que mantenía anteriormente. Bryan Catanzaro, vicepresidente de Investigación Aplicada en Aprendizaje Profundo de la empresa, presentó esta nueva cronología en una entrevista el 24 de agosto de 2026.
¿Qué está impulsando la aceleración?
El impulso de velocidad no es solo ambición. Es infraestructura. Nvidia ha desarrollado herramientas internas en torno a la generación de datos sintéticos, una técnica llamada distilación multi-docente (MOPD), y entornos de aprendizaje por refuerzo que, en conjunto, comprimen lo que antes tomaba meses de trabajo de desarrollo en semanas.
La generación de datos sintéticos consiste esencialmente en enseñar modelos de IA utilizando datos creados por otros modelos de IA, en lugar de depender únicamente de conjuntos de datos curados por humanos. La destilación multi-docente toma conocimiento de múltiples modelos más grandes y lo comprime en modelos más pequeños y eficientes. Juntas, estas técnicas permiten a Nvidia iterar sin el cuello de botella de recopilar y limpiar grandes conjuntos de datos nuevos para cada lanzamiento.
El producto más reciente de esta línea es Nemotron 3.5 Lightning, que se lanzó el 11 de agosto de 2026. Se une a una familia en crecimiento: la serie Nemotron 3 ya incluye variantes Nano, Super y Ultra, cada una dirigida a diferentes casos de uso y presupuestos de cómputo.
El modelo Nano, lanzado en diciembre de 2025, ejecuta aproximadamente 30 mil millones de parámetros totales, pero solo activa alrededor de 3 mil millones en cualquier momento dado. Esto se debe a una arquitectura híbrida que combina diseños Mamba y Transformer en un esquema mixture-of-experts (MoE). Super y Ultra siguieron en 2026, y el equipo ya está trabajando hacia Nemotron 4.
Pesos abiertos, plan de juego abierto
Cada lanzamiento de Nemotron incluye pesos completos abiertos, recetas de entrenamiento y conjuntos de datos bajo licencias permisivas. Esto significa que cualquier desarrollador o empresa puede descargar, modificar y desplegar estos modelos sin pagar una tarifa de licencia a Nvidia.
Al distribuir los modelos, Nvidia genera demanda para el hardware en el que se ejecutan esos modelos. Cuantos más desarrolladores construyan sobre Nemotron, más necesitarán los chips optimizados para inferencia de Nvidia, su marco NeMo y su plataforma de microservicios NIM para ejecutar todo de manera eficiente.
La estrategia de peso abierto también sirve como un arma competitiva contra los laboratorios de IA chinos que lanzan modelos abiertos capaces y proveedores de modelos cerrados como OpenAI y Anthropic.
El hardware aún funciona con un reloj diferente
El ciclo de cuatro a seis semanas aplica únicamente al software, específicamente los modelos de IA de Nvidia. Los lanzamientos de hardware de la empresa, incluyendo la arquitectura Blackwell y la próxima plataforma Vera Rubin, continúan según un calendario anual.
Qué significa esto para el panorama de la inteligencia artificial
Nvidia ha sido explícita en que sus modelos Nemotron están optimizados para casos de uso agentes, lo que significa sistemas de IA que pueden tomar acciones, utilizar herramientas y operar de forma semiautónoma en lugar de solo generar texto.