Actualidad de IA
Nemotron 3.5 Super VL combina documentos y herramientas
El nuevo modelo de NVIDIA permite relacionar gráficos, tablas y texto dentro de una tarea. Los pesos están publicados; reproducir su entrenamiento tiene otros requisitos.
Leer el documento y continuar con la tarea
NVIDIA ha publicado Nemotron 3.5 Super VL, un modelo que combina comprensión de texto, imágenes y vídeo con uso de herramientas. La idea es que un mismo modelo pueda leer un documento, relacionar sus partes y seguir con la tarea que le has pedido.
El anuncio del 15 de octubre de 2026 se centra en agentes especializados. Por ejemplo, un asistente podría interpretar una tabla y un gráfico del mismo informe antes de preparar una consulta a otra herramienta. Esa combinación puede simplificar un sistema que hasta ahora repartía la lectura visual y el razonamiento entre modelos distintos.
Un gráfico puede cambiar el sentido de una tabla
Imagina un informe de incidencias de una app. La tabla enumera errores por mes, mientras que el gráfico los divide por semana. Le pides al agente que explique cuándo bajaron los fallos y qué versión estaba instalada. Antes de responder, tendría que reconocer las fechas, las unidades y la relación entre ambas páginas.
Para comprobarlo, prepara un caso con la respuesta conocida y otro en el que falte la versión de la app. En el segundo debería explicar que ese dato no aparece, en lugar de inventar una relación. Si después quieres que abra una incidencia, esa acción necesita su propio permiso; entender el informe no decide qué puede modificar.
El vídeo entra como fotogramas y la respuesta sale como texto
Puedes enviar las páginas de un documento como imágenes, acompañadas de texto. El vídeo se procesa a partir de fotogramas y el modelo responde con texto. Preparar esas entradas importa: un rótulo pequeño o un instante que no se haya muestreado puede dejar fuera justo la evidencia que buscas.
El contexto anunciado llega hasta un millón de tokens, compartidos entre instrucciones, imágenes, historial, resultados de herramientas y respuesta. La configuración del despliegue determina lo que puedes usar realmente. Una ventana grande no certifica que el modelo encuentre todos los detalles.
Qué puedes ejecutar y qué sigue pendiente
Hay pesos en formato BF16 y una variante cuantizada NVFP4. Esta última describe 120.000 millones de parámetros totales y 12.000 millones activos por token, con una mezcla de expertos. La memoria necesaria depende del formato, el contexto y las peticiones simultáneas, además de los parámetros activos.
La licencia del modelo es OpenMDW 1.1. La ficha publica configuraciones para hardware compatible; conviene partir de la que corresponda a tu equipo y comprobar sus límites, en vez de copiar una receta de otra GPU.
Hay otro matiz si quieres reproducir el entrenamiento. La receta oficial de Super 3.5 consultada el 16 de octubre aún marca como pendientes los datos de ajuste supervisado y refuerzo, además de ciertos componentes de NeMo Gym. Puedes usar los pesos publicados para obtener respuestas, aunque falten esas piezas del entrenamiento.
La prueba útil está en tus documentos
Para una primera prueba elegiría pocos informes y revisaría las respuestas contra sus páginas originales. Añadiría tablas con encabezados repetidos y gráficos con escalas distintas. Son detalles que pueden convertir una lectura aparentemente buena en una conclusión equivocada.
Las cifras de velocidad del anuncio pertenecen a configuraciones y evaluaciones concretas del fabricante. En una aplicación también cuentan el tiempo de preparar imágenes, las llamadas a herramientas y las correcciones que necesita cada resultado. Medir la tarea completa permite decidir si esta integración te simplifica el trabajo.