Nemotron 3.5 Super VL: el modelo "abierto" de Nvidia que en realidad te obliga a comprar su hardware

Nvidia ha liberado Nemotron 3.5 Super VL, un modelo multimodal abierto de 120.000 millones de parámetros diseñado explícitamente para que los agentes IA empresariales funcionen sin parar. La noticia, publicada por The Decoder, suena a victoria del open source: pesos disponibles, dos modelos Bolt compactos para máquinas locales y decenas de organizaciones ya ajustando el modelo. Pero hay letra pequeña, y esa letra pequeña es la que determina si tu proyecto de agentes autónomos sale a cuenta o se convierte en una factura de GPUs.

TL;DR: Nemotron 3.5 Super VL es un modelo multimodal de 120B pensado para agentes IA que corren 24/7, con pesos abiertos y dos variantes Bolt para inferencia local. El catch: exprimirlo de verdad exige hardware Nvidia. Para un CTO español, la decisión no es "modelo abierto vs cerrado", sino calcular el TCO real incluyendo silicio, VRAM y operación continua antes de comprometer presupuesto.

El "open" de Nvidia se paga en silicio, no en licencias

Vamos al grano: Nvidia no regala nada. Liberar los pesos de Nemotron 3.5 Super VL es una jugada comercial tan obvia que sorprende que se siga vendiendo como altruismo. El modelo tiene 120B de parámetros y es multimodal, lo que en inferencia sostenida se traduce en un apetito brutal de VRAM y ancho de banda. Puedes descargarlo, sí. Puedes incluso hacer fine-tuning en un clúster modesto, sí. Pero cuando quieres servir a 40 agentes concurrentes con contexto multimodal a latencia aceptable, la factura te lleva directamente a DGX, a H100 o a la nueva generación que Nvidia tenga en catálogo ese trimestre.

A diferencia de lo que sugiere el titular de modelo "abierto", el verdadero cuello de botella no es la licencia: es el hardware. Y ese hardware lo vende un solo fabricante. Este movimiento posiciona a Nvidia por delante de Mistral y del ecosistema Llama en la narrativa de open source corporativo, pero sin ceder un euro en la parte donde de verdad se gana el dinero.

Para un CTO, la pregunta relevante no es "¿es open source?". Es: ¿puedo servir este modelo con mi stack actual o me obliga a comprar? Si la respuesta es lo segundo, el ahorro en licencias es ruido contable.

Bolt: el verdadero producto interesante para el mercado medio

Mientras todo el mundo mira a Super VL, la parte estratégicamente más relevante del anuncio son los dos modelos compactos Bolt. Traer capacidad de agente al portátil o al servidor on-premise de una pyme abre casos de uso que antes eran inviables por política de datos: agentes que operan sobre información financiera, sanitaria o legal que nunca puede salir del perímetro.

Aquí sí hay argumento real para agencias de IA en Madrid y agencias de IA en Barcelona que trabajan con banca, seguros y sector público: un agente multimodal que corre local, sin depender de API externa, elimina la fricción del comité de seguridad. Y ese era, hasta ahora, el principal freno de adopción en cuentas enterprise españolas.

El matiz es que Bolt no es Super VL. Si tu caso de uso exige razonamiento multimodal complejo sobre documentos largos, vas a necesitar el modelo grande, y volvemos al párrafo anterior: hardware. La segmentación de Nvidia es deliberada: te da un cebo local para cerrar el piloto y te empuja al modelo grande cuando quieres escalar.

Impacto real en el mercado de agencias y consultoría

Para la consultoría IA española, este anuncio cambia la conversación con el cliente. Hasta ahora el pitch era "usamos GPT o Claude y montamos el agente". Ahora aparece una tercera vía: modelo abierto desplegado en on-premise o en cloud privado, con control total del dato y sin dependencia de proveedor único. Es un discurso que vende muy bien en comités de dirección regulados.

Pero ojo con el hype. La mayoría de agencias no tienen la capacidad de operar inferencia de un 120B multimodal en producción con garantías de SLA. Ajustar LoRAs y desplegar un endpoint no es lo mismo que servir agentes con 99,9% de disponibilidad, gestión de contexto largo y monitorización continua. Esa brecha es precisamente donde se separa la agencia de verdad de la que revende tokens con capa de marketing.

El ecosistema de agencias IA en Valencia y agencias IA en Sevilla que atienden a industria y logística tiene aquí una oportunidad concreta: agentes que corren en la planta, en el almacén o en el propio ERP, sin mandar datos a un tercero. Para esas cuentas, Nemotron 3.5 Super VL con despliegue Bolt es una propuesta técnicamente defendible, no un experimento.

Tabla comparativa: cuándo elegir cada pieza del ecosistema

Modelo	Parámetros	Despliegue típico	Apetito de hardware	Perfil de uso real
Nemotron 3.5 Super VL	120B	Servidor GPU / cloud privado	Muy alto (VRAM crítica)	Agentes concurrentes, multimodal pesado, 24/7
Nemotron Bolt (grande)	Compacto	On-premise medio	Alto	Agentes locales con razonamiento moderado
Nemotron Bolt (pequeño)	Compacto	Portátil / edge	Bajo	Pilotos, asistentes personales, tareas simples
APIs cerradas (GPT/Claude)	N/D	Cloud público	Nulo en tu CPD	Rápido de arrancar, sin control de dato

La lectura honesta de esta tabla: Super VL solo tiene sentido si vas a explotarlo intensivamente y puedes asumir el capex. Para el 70% de proyectos que veo en el directorio, un Bolt pequeño o una API cerrada sigue siendo la decisión económicamente sensata.

La carrera de los agentes 24/7 no la gana el mejor modelo

El titular de The Decoder habla de agentes que corren "nonstop". Traducido a operación real: agentes que consumen presupuesto de inferencia todos los minutos del mes, no solo cuando un humano los invoca. Esto cambia por completo la economía del proyecto. Un agente conversacional clásico se factura por interacción; un agente autónomo 24/7 se factura por hora de GPU.

Ahí es donde Nemotron tiene ventaja teórica (control del stack, optimizaciones propias, cuantización agresiva) y también donde se le ve el plumero al modelo abierto: cuanto más optimizas para bajar coste, más dependes del ecosistema CUDA/TensorRT de Nvidia. Es un lock-in suave, elegante, presentado como libertad.

Si eres CEO o product lead, la pregunta que deberías hacer a tu equipo antes de aprobar un POC con Super VL es simple: ¿qué coste mensual de inferencia asumimos y con qué hardware? Si nadie tiene esa cifra en una hoja de cálculo, el proyecto no está listo para producción, por muy abierto que sea el modelo.

Este anuncio también presiona a OpenAI y Anthropic en una dimensión que no suelen defender bien: el despliegue sin dependencia de terceros para cuentas reguladas. Y presiona a Meta en su narrativa de open source, porque Nvidia acaba de publicar un modelo abierto con un caso de uso enterprise mucho más afinado que la mayoría de releases Llama recientes. La diferencia no está en los pesos; está en el envoltorio de despliegue.

Para las agencias que trabajan desde Buenos Aires o CDMX con clientes que exigen residencia de datos en LATAM, este tipo de modelo es una palanca comercial inmediata: puedes ofrecer agente multimodal con dato que nunca cruza frontera, sin depender de una API estadounidense que puede cambiar condiciones el mes que viene.

Predicción: el precio del agente 24/7 será el campo de batalla de 2027

Mi tesis, y la mantengo: el coste por agente-hora se convertirá en la métrica que defina qué agencias sobreviven. Nemotron 3.5 Super VL no es la noticia porque sea abierto, ni porque tenga 120B, ni porque sea multimodal. Es la noticia porque legitima que el despliegue controlado en hardware propio es una opción enterprise seria, y eso reordena el tablero de proveedores.

Nvidia acaba de decir en voz alta que no quiere ser solo el proveedor de la GPU. Quiere ser también la capa de modelo, el runtime y el ecosistema de agentes. Y lo hace con una licencia que suena a apertura y un pricing de silicio que no lo es. Para el directivo español, la conclusión práctica es incómoda pero clara: los próximos 12 meses no se ganarán eligiendo el mejor modelo, sino eligiendo el despliegue más honesto con tu P&L. Si presupuestas agentes IA 24/7 sin calcular capex y VRAM, estás regalando margen antes de empezar.

Preguntas frecuentes sobre Nemotron 3.5 Super VL

¿Qué es exactamente Nemotron 3.5 Super VL de Nvidia?

Es un modelo multimodal abierto con 120.000 millones de parámetros, liberado por Nvidia y orientado a agentes IA empresariales que operan de forma continua. Se acompaña de dos modelos compactos Bolt pensados para despliegue local en portátiles, edge o servidores pequeños. Está pensado para casos donde el control del dato y la ejecución ininterrumpida pesan más que arrancar rápido con una API.

¿Es realmente gratis usar Nemotron 3.5 Super VL?

Los pesos son accesibles, pero el coste real está en la inferencia. Un 120B multimodal exige mucha VRAM y ancho de banda para servirse en producción con latencia aceptable, lo que en la práctica empuja a comprar GPUs Nvidia o contratar cloud privado con ese silicio. El ahorro en licencias es real; el coste en hardware también.

¿Super VL o Bolt: cuál debería elegir mi empresa?

Depende del volumen y del caso de uso. Bolt encaja en pilotos, asistentes locales y agentes con razonamiento moderado que no pueden salir del perímetro. Super VL solo justifica su coste si vas a servirlo intensivamente, con múltiples agentes concurrentes y necesidad de razonamiento multimodal complejo. Para la mayoría de cuentas medianas, empezar por Bolt y medir es la ruta sensata.

¿Puedo usar Nemotron 3.5 Super VL en producción con clientes regulados en España?

Sí, y es precisamente uno de sus argumentos más fuertes frente a APIs cerradas. Al poder desplegarse on-premise o en cloud privado, permite que datos financieros, sanitarios o legales no crucen fronteras ni dependan de las condiciones contractuales de un tercero. La contrapartida es que exige capacidad real de operar inferencia en producción, algo que no todas las agencias IA pueden garantizar hoy.

¿Cómo encaja Nemotron 3.5 Super VL frente a modelos cerrados tipo GPT o Claude?

En calidad bruta sobre benchmarks generales, la distancia es cada vez menor. La ventaja de Nvidia está en el control del stack: optimización de inferencia, cuantización propia y coherencia con el hardware. La desventaja frente a un modelo cerrado es el tiempo de puesta en marcha y el capex inicial. Es una decisión de arquitectura y presupuesto, no de entusiasmo tecnológico.

Temas relacionados en agentes.ai

Si quieres aplicar lo que lees en tu empresa, estos son puntos de partida útiles dentro de agentes.ai:

• Directorio de agencias de agentes de voz
• Agencias de IA en Bogotá y en Barcelona
• Explora el directorio completo de agencias de IA
• Sigue las últimas noticias de IA en tiempo real