Historial de revisiones.
Nemotron 3.5 Super VL llega a los despliegues locales: qué memoria y motor exige
Conservamos las versiones del texto y mostramos qué campos cambiaron. La fecha de registro indica cuándo se guardó cada versión; la fecha original de la noticia se mantiene por separado.
El «Punto de partida» recoge el estado que existía al iniciar este historial. No reconstruye cambios anteriores sin evidencia. Las comprobaciones sin cambios y las sustituciones de audio no crean una versión editorial.
1 versión registrada · Fechas y horas de Canarias.
Primera publicación registrada
Primer estado conservado en este historial.
Consultar el texto de esta versión
Categoría: IA local · Sección: IA Local
Fecha de la noticia:
Contexto del titular: Nemotron es la familia de modelos de NVIDIA; esta variante combina lenguaje y visión para código, documentos y herramientas.
Nemotron 3.5 Super VL llega a los despliegues locales: qué memoria y motor exige
NVIDIA publica pesos BF16 y NVFP4 de un modelo de 120.000 millones de parámetros, con 12.000 millones activos por token. Las recetas y el catálogo de Ollama muestran por qué no es una descarga para cualquier portátil.
Resumen: Una opción de pesos descargables que exige planificar el despliegue.
Por qué importa: Permite valorar modelos con visión para aplicaciones propias sin confundir descarga de pesos con facilidad de ejecución en cualquier equipo.
NVIDIA ha publicado Nemotron 3.5 Super VL para tareas de razonamiento, programación, herramientas y comprensión de documentos e imágenes. La ficha de los pesos BF16 fecha su lanzamiento el 15 de octubre. El modelo tiene 120.000 millones de parámetros totales y 12.000 millones activos por token, y admite hasta un millón de tokens de contexto según el despliegue.
La variante NVFP4 reduce los requisitos de memoria y dispone de recetas para DGX Spark y GPU de centro de datos. La configuración inicial de vLLM para DGX Spark limita la concurrencia a una secuencia; no debe confundirse con las recetas de otros equipos. La ficha BF16 plantea infraestructura considerablemente mayor.
Ollama también lo incluye en su catálogo con entrada de texto e imagen y un tamaño indicado de 80 a 90 GB. Esa cifra y los parámetros activos no describen toda la memoria necesaria durante la ejecución: el contexto y la configuración añaden consumo. Conviene elegir primero variante, motor y carga de trabajo, y revisar la licencia OpenMDW 1.1 antes de integrarlo.
A tener en cuenta: Las recetas y capacidades son las documentadas por sus autores; no se han ejecutado comparativas propias. No se acredita compatibilidad equivalente entre Ollama y los despliegues de NVIDIA.
Estado en esta versión: Contrastada con fuentes.
Herramientas relacionadas: ollama, vllm, sglang
Fuentes conservadas
- NVIDIA: modelo BF16, fecha y arquitectura
- NVIDIA: variante NVFP4 y configuraciones
- Ollama: modelo, tamaño y entradas admitidas
Claves de contexto conservadas
- Parámetros activos y memoria son medidas distintas
- El trabajo activado por token ayuda a describir el cálculo, pero no equivale al tamaño completo de los pesos. La decisión de despliegue requiere además reservar memoria para el contexto y el runtime.
- Un contexto máximo no es una configuración universal
- Los límites publicados dependen de la receta y del hardware. No basta con elegir el mismo nombre de modelo para reproducir una configuración de centro de datos en un equipo de escritorio.
Glosario conservado
- Nemotron 3.5 Super VL
- Modelo de NVIDIA que combina procesamiento de lenguaje y visión para producir respuestas de texto.
- MoE
- Mixture of Experts: arquitectura que activa una parte de sus expertos por token, manteniendo un conjunto total mayor de parámetros.
- BF16
- Formato numérico de 16 bits empleado en los pesos de referencia de esta publicación.
- NVFP4
- Formato de baja precisión empleado en una variante optimizada; requiere un motor y una configuración compatibles.
- DGX Spark
- Sistema de NVIDIA para desarrollo y ejecución de IA que dispone de recetas específicas para este modelo.
- Concurrencia
- Número de solicitudes que el servidor procesa simultáneamente; afecta a capacidad y memoria.
Consultar la noticia vigente. Las versiones anteriores documentan la evolución editorial y pueden contener información corregida posteriormente.