Puntos clave
- Es un modelo abierto de NVIDIA presentado el 15 de octubre de 2026 que combina razonamiento, uso de herramientas y comprensión multimodal de texto, imágenes, documentos y vídeo.
- Tiene 120B parámetros totales con 12B activos, un esquema que busca conservar mucha capacidad del modelo reduciendo el cómputo necesario en cada petición.
- Está orientado a agentes de larga duración que deben leer una captura, interpretar un PDF, seguir una grabación de pantalla y luego llamar a una herramienta dentro del mismo bucle.
- Todavía no hay una página dedicada ni una build pública confirmada; el anuncio no detalla longitud de contexto, licencia ni resultados de benchmarks, así que conviene revisar el sitio oficial del fabricante.
Datos rápidos
| Tipo | Modelo de lenguaje y visión abierto, orientado a agentes |
|---|---|
| Dispositivos | Depende del entorno de despliegue; revisa el sitio oficial |
| Precio | No anunciado; el anuncio no incluye condiciones de licencia |
| Idiomas | No confirmados en el anuncio; verifica en el sitio oficial |
| Lo destacado | 120B parámetros totales, 12B activos, multimodal y tool use |
| Dificultad | Media o alta si lo autoalojas; baja si usas un servicio gestionado |
| Categoría | IA y modelos |
| Creador | NVIDIA AI |
| Sitio oficial | build.nvidia.com ↗ |
| Popularidad | 🔥 602,1K Popularidad |
| Última actualización |
Qué es Nemotron 3.5 Super VL y por qué se habla tanto de él
NVIDIA presentó Nemotron 3.5 Super VL el 15 de octubre de 2026 como el miembro más reciente de su familia Nemotron. Las siglas VL apuntan al lado de visión y lenguaje: además de texto, el modelo lee imágenes, documentos y vídeo. La propuesta central es unir razonamiento, uso de herramientas y comprensión multimodal en un único modelo abierto, en lugar de encadenar varios especialistas. Eso lo coloca directamente en el terreno de los agentes de IA que trabajan durante mucho tiempo sobre una misma tarea.
El detalle que más se repite es su tamaño: 120B parámetros totales con 12B activos. Esa combinación suele indicar una arquitectura en la que solo una parte del modelo se activa por token o por petición, de modo que conserva mucha capacidad mientras mantiene bajo el cómputo necesario para responder. Es un patrón habitual en modelos grandes que quieren ser viables en producción, aunque NVIDIA no ha publicado cifras de rendimiento ni detalles técnicos completos en el anuncio.
La palabra abierto es probablemente el titular real para muchos equipos. Poder alojar el modelo en infraestructura propia y aun así contar con capacidades de visión resulta atractivo para quien maneja datos sensibles o necesita control sobre el despliegue. Aun así, el anuncio no especifica la licencia exacta ni los términos de uso comercial, así que cualquier decisión seria debería esperar a la documentación oficial.
- Un solo modelo para todo el bucle
Un agente que resuelve una tarea larga suele tener que leer una captura, interpretar un PDF, seguir una grabación y llamar a una herramienta. Nemotron 3.5 Super VL está pensado para cubrir ese ciclo completo sin saltar entre modelos especializados.
- 120B totales, 12B activos
Este esquema busca conservar la capacidad de un modelo grande reduciendo el cómputo por petición. Es una señal de que NVIDIA apunta a un uso intensivo, no solo a demostraciones.
- Enfoque en agentes de larga duración
No es solo un modelo de chat: el énfasis está en tareas que se extienden en el tiempo y requieren mantener contexto y ejecutar acciones de forma encadenada.
- Falta documentación clave
El anuncio no incluye longitud de contexto, resultados de benchmarks ni licencia. Son justo los datos que conviene confirmar antes de planificar un proyecto.
Cómo funciona por dentro: razonamiento, herramientas y multimodalidad
La idea de combinar razonamiento y uso de herramientas significa que el modelo no se limita a responder con texto: puede decidir que necesita consultar una fuente externa, ejecutar una acción y luego continuar razonando sobre el resultado. En un agente real, eso se traduce en pasos encadenados donde el modelo lee una entrada, planifica, actúa y verifica. Al integrar visión y lenguaje, esas entradas pueden ser capturas de pantalla, documentos escaneados o fragmentos de vídeo, no solo texto plano.
La parte multimodal es la que diferencia a este modelo de un LLM convencional. Leer un documento implica reconocer estructura, tablas y texto; leer vídeo añade el reto de manejar información que cambia en el tiempo. NVIDIA no ha detallado en el anuncio cómo resuelve exactamente cada modalidad ni qué resoluciones admite, así que cualquier afirmación concreta sobre límites de imagen o duración de vídeo sería especulación en este punto.
El diseño de parámetros totales frente a activos también influye en el coste. Si solo se activa una fracción del modelo por petición, el consumo de cómputo puede ser mucho menor que el de un modelo denso del mismo tamaño total. Eso importa cuando un agente hace decenas o cientos de llamadas para completar una tarea. Aun así, sin cifras oficiales de latencia o throughput, conviene tratar cualquier estimación como orientativa y probarla en el entorno real de uso.
- Razonamiento encadenado
El modelo puede planificar varios pasos antes de responder, lo que ayuda en tareas donde hace falta descomponer un problema y verificar resultados intermedios.
- Uso de herramientas integrado
Está diseñado para llamar a funciones o servicios externos dentro del mismo flujo, en lugar de depender de un orquestador separado para cada acción.
- Visión más allá de la imagen fija
Además de fotos, el anuncio menciona documentos y vídeo, lo que amplía los casos de uso hacia análisis de pantallas, archivos escaneados y grabaciones.
- Eficiencia por activación parcial
Activar solo 12B de los 120B parámetros totales apunta a un coste por petición más contenido, algo clave para agentes que hacen muchas llamadas.
Cómo empezar a probarlo y qué pasos seguir
Lo primero que debes saber es que, a día de hoy, no existe una página dedicada a este título ni una build pública confirmada. NVIDIA presentó el modelo, pero el anuncio no indica que esté disponible para descarga o uso inmediato. Eso significa que no puedes simplemente entrar y probarlo como si fuera una aplicación web. Lo que sí puedes hacer es seguir la documentación y los recursos que NVIDIA publica en su sitio oficial, build.nvidia.com, donde suelen aparecer los modelos de la familia Nemotron cuando se abren.
Mientras esperas, tiene sentido preparar el terreno. Si tu plan es usarlo para agentes, define qué tareas quieres automatizar y qué entradas manejan: capturas, PDF, vídeo o una mezcla. También conviene decidir si lo ejecutarías en tu propia infraestructura o a través de un servicio gestionado, porque eso cambia por completo los requisitos de hardware y el esfuerzo de integración. Tener claro el caso de uso te permitirá evaluar el modelo en cuanto haya acceso.
Cuando el acceso esté disponible, el flujo típico será obtener el modelo o el endpoint, configurar las credenciales correspondientes y probar primero con tareas simples antes de lanzarte a flujos largos. Empieza con una imagen y una pregunta, luego añade un documento y después una herramienta. Ir por partes te ayuda a aislar qué modalidad o qué paso falla. Y revisa siempre la licencia y los términos de uso antes de integrarlo en un producto real.
- Verifica la disponibilidad real
Antes de planificar nada, confirma en el sitio oficial si el modelo está abierto para descarga, si solo se ofrece vía API o si sigue en fase de presentación.
- Define tu caso de uso multimodal
Decide si necesitas imágenes, documentos, vídeo o los tres. Eso determina qué parte del modelo probar primero y qué infraestructura necesitas.
- Prueba por capas
Empieza con una sola modalidad y una sola herramienta, y ve añadiendo complejidad. Así identificas rápido dónde están los límites prácticos.
- Revisa licencia y términos
El anuncio no detalla la licencia. Antes de usar el modelo en un producto comercial, comprueba las condiciones exactas en la documentación oficial.
Comparativas, límites y para quién tiene sentido
Frente a modelos multimodales cerrados de otros proveedores, la gran diferencia aquí es que NVIDIA lo presenta como abierto. Eso importa a equipos que necesitan alojar el modelo en su propia infraestructura por privacidad, coste o control. Frente a modelos abiertos más pequeños, la ventaja teórica está en la capacidad y en la combinación de razonamiento, herramientas y visión en una sola pieza. La contrapartida es que un modelo de este tamaño exige recursos considerables si decides autoalojarlo.
También conviene compararlo con la estrategia de encadenar modelos especializados. Un pipeline con un modelo de visión, otro de texto y un orquestador puede funcionar bien, pero añade latencia, puntos de fallo y complejidad de mantenimiento. Nemotron 3.5 Super VL apuesta por reducir esa cadena a un solo modelo. La pregunta abierta es si un único modelo iguala a los especialistas en cada tarea concreta; sin benchmarks publicados, no hay forma de saberlo todavía.
Los límites conocidos son claros: no hay cifras de contexto, ni de rendimiento, ni licencia detallada, ni confirmación de plataformas o idiomas soportados. Tampoco hay una build pública para probar. Eso lo hace poco adecuado para quien necesita decidir hoy. En cambio, encaja bien con equipos que quieren explorar agentes multimodales a medio plazo, con investigadores que siguen la familia Nemotron y con organizaciones que valoran poder desplegar modelos abiertos en su propio entorno.
- Abierto frente a cerrado
La posibilidad de autoalojar el modelo es el principal argumento frente a alternativas propietarias, sobre todo cuando los datos no pueden salir de tu infraestructura.
- Un modelo frente a una cadena
Integrar visión, razonamiento y herramientas en una sola pieza simplifica la arquitectura, pero aún no está claro si iguala a pipelines especializados en cada tarea.
- Datos pendientes
Sin contexto, benchmarks ni licencia publicados, cualquier comparación numérica con otros modelos sería inventada. Toca esperar a la documentación oficial.
- Para quién es
Útil para equipos que planean agentes multimodales a medio plazo o que quieren control sobre el despliegue; menos práctico si necesitas una solución lista hoy.
Guía paso a paso
Confirma el estado de disponibilidad
Entra en el sitio oficial de NVIDIA, build.nvidia.com, y busca la ficha de Nemotron 3.5 Super VL. Comprueba si aparece como descarga, como endpoint de API o solo como anuncio. No des por hecho que está listo para usar hasta verlo ahí.
Decide cómo lo vas a ejecutar
Valora si lo autoalojarás en tu propia infraestructura o si preferirás un servicio gestionado cuando exista. Esa decisión cambia los requisitos de hardware, el coste y el esfuerzo de integración. Tenlo claro antes de escribir código.
Prepara un caso de prueba sencillo
Elige una tarea concreta que combine una modalidad y una acción, por ejemplo leer una captura y llamar a una herramienta. Mantén el alcance pequeño para poder interpretar los resultados. Así detectas problemas de integración sin ruido.
Amplía a documentos y vídeo
Cuando el caso básico funcione, añade un documento con tablas y luego un fragmento de vídeo. Observa cómo se comporta el modelo en cada salto de complejidad. Anota dónde falla o pierde precisión para ajustar el flujo.
Revisa licencia y límites antes de producir
Antes de llevar nada a producción, lee la licencia y los términos de uso en la documentación oficial. Comprueba también si hay límites de contexto, de tamaño de archivo o de uso comercial. Si algo no está claro, pregunta o espera a que se publique.
Preguntas frecuentes
¿Qué es exactamente NVIDIA Nemotron 3.5 Super VL?
Es un modelo abierto de NVIDIA presentado el 15 de octubre de 2026 que combina razonamiento, uso de herramientas y comprensión de texto, imágenes, documentos y vídeo. Forma parte de la familia Nemotron y está orientado a agentes de IA que trabajan durante mucho tiempo en una misma tarea. Su rasgo más comentado es el tamaño: 120B parámetros totales con solo 12B activos.
¿Ya se puede probar o descargar?
Todavía no hay una página dedicada ni una build pública confirmada. NVIDIA anunció el modelo, pero el comunicado no indica que esté disponible para descarga o uso inmediato. Lo más fiable es consultar el sitio oficial del fabricante, build.nvidia.com, para ver si aparece la ficha del modelo y en qué modalidad. Hasta entonces, conviene no asumir que es accesible.
¿Cuánto cuesta y qué licencia tiene?
El anuncio no incluye precio ni condiciones de licencia. Al presentarse como un modelo abierto, es razonable esperar que haya términos publicados, pero no se han detallado. Si planeas usarlo en un producto comercial, revisa la documentación oficial antes de comprometerte. Cualquier cifra que veas por ahora sería una suposición, no un dato confirmado.
¿En qué se diferencia de otros modelos multimodales?
La diferencia principal es que NVIDIA lo presenta como abierto y con la opción de autoalojarlo, algo relevante para quien necesita control sobre sus datos. Además, integra razonamiento, uso de herramientas y visión en un solo modelo, en lugar de encadenar especialistas. Frente a modelos cerrados de otros proveedores, eso puede ser una ventaja; frente a modelos abiertos más pequeños, la ventaja teórica es la capacidad.
¿Qué límites o dudas quedan por resolver?
Quedan varios puntos abiertos: no se ha publicado la longitud de contexto, ni resultados de benchmarks, ni la licencia exacta, ni los idiomas o plataformas soportados. Tampoco hay confirmación de una build pública para probarlo. Hasta que NVIDIA publique esos detalles, cualquier comparación numérica con otros modelos carece de base. Lo sensato es seguir la documentación oficial y no tomar decisiones definitivas todavía.
