Las empresas que quieren utilizar agentes de IA para sus propios procesos se han enfrentado hasta ahora casi siempre a la misma decisión: o se utiliza la interfaz de un proveedor de la nube y se entregan datos desde la propia empresa, o se renuncia a la calidad actual de los modelos. Dos publicaciones del 15 de octubre de 2026 desplazan esta disyuntiva. Nvidia amplía su familia Nemotron con un modelo de agentes abierto, Meta regresa con un modelo de pesos abiertos para operación local.

Nemotron 3.5 Super VL: agentes con vista para documentos

Nvidia publica con Nemotron 3.5 Super VL un modelo multimodal abierto con 120 mil millones de parámetros. Multimodal significa aquí: el modelo no solo procesa texto, sino también imágenes. El uso previsto declarado son agentes empresariales, es decir, software que ejecuta tareas de forma autónoma en varios pasos, en lugar de limitarse a responder preguntas individuales.

Precisamente la combinación de texto e imagen resulta interesante para los procesos operativos. Albaranes escaneados, capturas de pantalla de aplicaciones especializadas, formularios con estructura de tablas o fotos de productos pueden registrarse en principio en el mismo paso de procesamiento que el texto corrido correspondiente.

Adicionalmente, Nvidia pone a disposición dos modelos compactos bajo el nombre Bolt. Su objetivo es llevar agentes a ordenadores locales, es decir, a puestos de trabajo o servidores en la propia red, en lugar de a capacidad de cómputo alquilada en un proveedor. Que el concepto encuentra resonancia lo muestra la reutilización: según el informe, ya decenas de organizaciones reentrenan Super VL, es decir, lo adaptan con sus propios datos a su dominio especializado.

No obstante, el informe menciona expresamente una limitación: quien quiera utilizar el modelo de forma óptima termina en hardware de Nvidia. Pesos abiertos significan en este caso, por tanto, independencia del proveedor a nivel de software, no necesariamente a nivel de infraestructura.

Muse Spark Open: grandes ventanas de contexto, Apple como plataforma objetivo

Meta sigue otro camino con Muse Spark Open. El modelo de pesos abiertos, es decir, un modelo cuyos pesos están disponibles libremente, comprende 816 mil millones de parámetros y procesa texto, imagen, vídeo y audio. Se admiten ventanas de contexto de hasta un millón de tokens. La ventana de contexto describe la cantidad de material que el modelo puede mantener a la vista simultáneamente; un millón de tokens equivale a una colección de documentos muy extensa en una única pasada.

En los benchmarks, Muse Spark Open se sitúa según el informe aproximadamente a la altura de los modelos de IA chinos abiertos más potentes. Está optimizado para la operación local en el Apple M5 Ultra.

Aquí también se aplica la misma limitación que en Nvidia, solo que con signo inverso: el modelo es abierto, pero la ventaja de rendimiento está vinculada a una plataforma de hardware concreta.

Lo que ambas noticias muestran en común

Ambas publicaciones apuntan en la misma dirección, pero ponen acentos diferentes:

  • Orden de magnitud: 120 mil millones de parámetros en Super VL frente a 816 mil millones en Muse Spark Open. El modelo más pequeño está por tanto mucho más cerca de hardware realmente disponible en las empresas.
  • Modalidades: Super VL cubre texto e imagen, Muse Spark Open además vídeo y audio.
  • Objetivo: Nvidia aborda explícitamente agentes empresariales y ofrece con las variantes Bolt modelos compactos para ordenadores locales. Meta enfatiza la amplitud del modelo y la longitud del contexto.
  • Vinculación al hardware: aceleradores de Nvidia por un lado, Apple M5 Ultra por el otro.

Lo común es más decisivo que las diferencias: los modelos de alto rendimiento ya no están disponibles exclusivamente como servicio en la nube. Para la protección de datos, los costes operativos y la dependencia de un único proveedor, esto cambia la situación de partida.

Clasificación para la práctica

A partir de los datos disponibles no pueden extraerse conclusiones sobre costes operativos, detalles de licencia o tiempos de respuesta concretos. Quien prepare una decisión debería por tanto fijarse menos en las cifras de parámetros que en tres puntos.

Primero, la cuestión de la adquisición. Operación local significa siempre también: hardware, electricidad, operación y mantenimiento quedan en la propia empresa. La vinculación al hardware de ambos modelos convierte esto en una decisión de inversión, no solo en una cuestión de software.

Segundo, el ajuste al caso de uso. Para el procesamiento de documentos con componentes de texto e imagen, un modelo más compacto y orientado a agentes suele ser la opción más practicable que el modelo más grande posible. Que Super VL ya sea reentrenado por numerosas organizaciones habla de una base creciente de experiencias.

Tercero, la arquitectura de la propia aplicación. Quien encapsula las llamadas al modelo detrás de una interfaz interna claramente definida puede cambiar el modelo más adelante, tanto entre nube y operación local como entre proveedores. Esta desacoplación es la protección más eficaz contra una elección de la que uno se arrepienta en dos años.

Para proyectos web y de software esto significa: la pregunta será en el futuro menos frecuentemente «¿nube o nada?» y más «¿qué modelo en qué lugar?». Por ello, las interfaces, los flujos de datos y los permisos deberían definirse desde el principio de modo que un cambio de modelo no suponga una reconstrucción de la aplicación.

Quien hoy planifica una integración gana más mediante una abstracción limpia que mediante la fijación a un modelo determinado.

Fuentes