IA local para empresas: NVIDIA lanza modelos Nemotron 3.5 abiertos

NVIDIA lanzó el 16 de octubre de 2026 tres modelos abiertos de la familia Nemotron 3.5 diseñados para que las organizaciones ejecuten agentes en su propio centro de datos, en estaciones de trabajo y hasta en computadoras personales. Para las compañías en México, la IA local para empresas deja de ser un proyecto exclusivo de grandes corporativos: abre la posibilidad de operar IA agéntica con mayor control sobre los datos, la latencia y los costos, sin depender por completo de la nube.

Qué se anunció

Según Techstrong.ai y TechCrunch, NVIDIA presentó modelos de pesos abiertos en dos niveles: uno para centros de datos empresariales y otro para equipos locales.

• Nemotron 3.5 Super VL: el modelo más grande, de 120 mil millones de parámetros según TechCrunch, pensado para flujos agénticos complejos como procesamiento de documentos y trabajo con software empresarial. NVIDIA afirma que ofrece hasta cinco veces el rendimiento de modelos comparables, con precisión cercana a su modelo de razonamiento más grande.
• Nemotron 3.5 Bolt 74B-A9B 24GB: 74 mil millones de parámetros totales con 9 mil millones activos por consulta. Usa cuantización de 2 bits para caber en 24 GB de memoria y corre en sistemas NVIDIA RTX y DGX Spark, orientado a agentes locales de desarrollo de software, razonamiento en varios pasos, llamadas a herramientas y navegación web.
• Nemotron 3.5 Bolt E4B 4GB: el más pequeño, para asistentes conversacionales y aplicaciones embebidas con poca memoria. Su llegada estaba programada para el 23 de octubre.

Super VL se distribuye a través de Hugging Face, OpenRouter, ModelScope y NVIDIA NIM, y puede personalizarse con las herramientas NeMo. Entre sus primeros usuarios aparecen CrowdStrike, Atlassian y Salesforce. Las cifras de desempeño son de NVIDIA y no han sido verificadas de forma independiente, y las notas consultadas no detallan los términos de licencia.

Por qué importa para las empresas

Muchas organizaciones mexicanas quieren usar agentes de IA pero dudan en enviar información sensible a servicios externos: expedientes de clientes, datos financieros, planos de producción o información de salud. Un modelo abierto que se ejecuta en infraestructura propia permite mantener esa información dentro de casa y reentrenar el modelo con datos de la empresa.

La IA local para empresas también ayuda en escenarios donde la conectividad es irregular, como plantas industriales, centros de distribución o sucursales, y en procesos que necesitan respuestas rápidas. Además, el costo se vuelve más predecible: se invierte en hardware y operación en lugar de pagar por cada token procesado.

Mitch Ashley, analista de The Futurum Group, lo resumió así para Techstrong.ai: NVIDIA está llevando la inferencia de agentes a hardware que las empresas ya poseen. La pregunta para cada organización es si estos modelos son lo bastante precisos y eficientes para justificar operar agentes internamente frente a las alternativas en la nube.

Cómo aprovechar la IA local para empresas

1. Clasifica tus datos. Identifica qué información no debe salir de tu infraestructura y qué procesos la utilizan. Ahí está el primer caso de uso para un modelo local.
2. Elige el tamaño correcto. No todo requiere el modelo más grande. Un asistente interno de consulta puede funcionar con un modelo ligero; el análisis documental complejo puede requerir Super VL.
3. Compara contra la nube con tus propios datos. Mide precisión, tiempo de respuesta y costo total antes de invertir en hardware.
4. Diseña un esquema híbrido. Lo más común es combinar modelos locales para datos sensibles con servicios en la nube para tareas generales. Un desarrollo de agentes de IA para empresas bien planeado orquesta ambos mundos.
5. Prepara al equipo de TI. Operar modelos propios implica monitoreo, actualizaciones y control de versiones.
6. Explora casos de IA generativa con datos internos. Búsqueda en documentos, resúmenes de contratos o soporte técnico interno son buenos puntos de partida. Conoce más sobre IA generativa para empresas.

Riesgos y cómo gobernarlos

Que un modelo corra en casa no lo hace seguro por sí mismo. Un agente local con permisos amplios sobre archivos, correo o sistemas puede cometer errores o ser manipulado mediante instrucciones ocultas en documentos. También existe el riesgo de que cada área instale modelos por su cuenta sin control de TI.

Las buenas prácticas incluyen revisar la licencia de cada modelo antes de usarlo en producción, mantener un inventario de modelos y agentes, aplicar el principio de mínimo privilegio, registrar las acciones de los agentes y evaluar periódicamente la calidad de sus respuestas. Nuestro enfoque de seguridad de la inteligencia artificial parte de estos controles.

Preguntas frecuentes

¿Qué ventaja tiene la IA local para empresas frente a la nube?

Mayor control sobre los datos, menor latencia y costos más predecibles. A cambio, la empresa asume la operación del hardware y del modelo.

¿Necesito un centro de datos para usar Nemotron 3.5?

No necesariamente. Los modelos Bolt están pensados para estaciones de trabajo y computadoras con hardware NVIDIA compatible; Super VL apunta a infraestructura de centro de datos.

¿Los modelos abiertos son gratuitos para uso comercial?

Los pesos están disponibles abiertamente, pero las notas consultadas no detallan la licencia. Revisa los términos de cada modelo antes de llevarlo a producción.

En Brita Inteligencia Artificial, con más de 12 años de experiencia en IA, diseñamos arquitecturas a la medida que combinan modelos locales y en la nube según la sensibilidad de tus datos. Si quieres evaluar si la IA local tiene sentido para tu operación, escríbenos a contacto@brita.mx.

Fuentes: Techstrong.ai, TechCrunch. Actualizado el 21 de octubre de 2026.