Tras presentar Rubin como la nueva base física de la computación de IA, NVIDIA dedicó una parte sustancial de su mensaje en el CES 2026 a una capa igual de estratégica, aunque menos visible: los modelos abiertos, los datos y las herramientas que se ejecutan sobre esa infraestructura.
La idea que atraviesa todos los anuncios es consistente. La IA ya no avanza solo por la fuerza bruta del cómputo, sino por la capacidad de activar ecosistemas completos de desarrolladores, empresas e investigadores que construyen sobre modelos compartidos, adaptables y verificables. En palabras de Jensen Huang, la inteligencia digital solo puede escalar de verdad cuando la innovación abierta se produce de forma simultánea en compañías, industrias y países.
Modelos abiertos como acelerador industrial, no como gesto ideológico
NVIDIA presentó una expansión significativa de su universo de modelos abiertos que cubre seis dominios clave:
Nemotron para IA agéntica y multimodal, Cosmos para IA física, Alpamayo para conducción autónoma, Isaac GR00T para robótica humanoide y Clara para biomedicina y ciencias de la vida.
No se trata únicamente de publicar pesos o arquitecturas. La compañía acompaña estos modelos con datasets a una escala poco habitual incluso para grandes laboratorios, además de frameworks de entrenamiento y “blueprints” operativos. El volumen es revelador: 10 billones de tokens de lenguaje, medio millón de trayectorias robóticas, 455.000 estructuras de proteínas y más de 100 terabytes de datos de sensores de vehículos.
Ese enfoque responde a una limitación estructural que Huang subrayó en su intervención: los modelos solo pueden aprender aquello para lo que existe representación suficiente, y en ámbitos como la robótica, la autonomía o la biología, los datos reales son escasos, costosos o imposibles de obtener a gran escala.
Nemotron: la base de los agentes de IA empresariales
La familia Nemotron se consolida como el núcleo de la estrategia de NVIDIA para IA agéntica, es decir, sistemas capaces de razonar, planificar, utilizar herramientas y operar sobre información heterogénea.
La compañía amplía Nemotron con nuevos modelos abiertos para voz, RAG multimodal y seguridad. En el caso de Nemotron Speech, los modelos de reconocimiento de voz en tiempo real se sitúan en lo alto de los benchmarks por latencia y velocidad, con un rendimiento hasta diez veces superior al de alternativas comparables. No es un detalle menor en un contexto donde la interacción natural se perfila como la interfaz dominante del software.
Nemotron RAG introduce modelos de embedding y reranking que combinan texto, imagen y visión por computador, una pieza crítica para extraer valor de documentos complejos, PDFs técnicos o repositorios empresariales. Por su parte, Nemotron Safety refuerza un aspecto cada vez más relevante: la detección de datos sensibles, el filtrado de contenidos y la trazabilidad del comportamiento del modelo.
Empresas como ServiceNow, Palantir o CrowdStrike ya están integrando estos modelos en productos y plataformas que operan en producción, lo que refuerza la idea de que los modelos abiertos no son experimentales, sino una base industrial.
Cosmos y la IA física: cuando el mundo se convierte en dato
Uno de los bloques más ambiciosos es Cosmos, el conjunto de modelos fundacionales de NVIDIA para IA física. A diferencia de los modelos lingüísticos, Cosmos está entrenado para comprender cómo funciona el mundo: movimiento, causalidad, trayectorias y respuesta a acciones.
La nueva generación incluye Cosmos Reason 2, un modelo de razonamiento vision-language que permite a sistemas y robots interpretar escenas físicas con mayor precisión, y Cosmos Transfer 2.5 y Cosmos Predict 2.5, orientados a la generación de grandes volúmenes de vídeo sintético en múltiples entornos.
Este enfoque conecta directamente con una de las ideas más repetidas por Huang: la simulación no es un complemento, sino el mecanismo central para entrenar sistemas que deben operar en el mundo real. Convertir computación en datos, mediante generación sintética físicamente plausible, permite recorrer virtualmente millones de escenarios que serían inviables en la realidad.
Empresas como Uber, Salesforce o Hitachi ya utilizan Cosmos para agentes de tráfico, productividad o análisis de vídeo, mientras que fabricantes de robots como Franka Robotics o NEURA Robotics lo emplean para entrenar comportamientos antes de llevarlos a producción.
Isaac GR00T: robótica humanoide entrenada en simulación
Sobre Cosmos se apoya Isaac GR00T, el modelo VLA abierto de NVIDIA para robótica humanoide. La versión GR00T N1.6 incorpora razonamiento visual y control de cuerpo completo, una combinación que permite pasar de movimientos preprogramados a comportamientos adaptativos.
El mensaje de fondo es coherente con el resto del anuncio: entrenar robots directamente en el mundo físico es lento, caro y peligroso. La simulación, combinada con modelos abiertos, permite escalar el aprendizaje antes de que el hardware toque el suelo.
Alpamayo: modelos abiertos para conducción autónoma razonada
En el ámbito de la autonomía, NVIDIA presentó Alpamayo, una familia de modelos abiertos, herramientas de simulación y datasets orientados a vehículos autónomos basados en razonamiento.
El elemento central es Alpamayo 1, descrito como el primer modelo VLA abierto a gran escala capaz no solo de percibir y actuar, sino de explicar por qué toma una decisión. Esta capacidad de razonamiento explícito apunta directamente a uno de los grandes problemas de la conducción autónoma: la larga cola de situaciones raras e impredecibles.
Junto a ello, AlpaSim introduce un marco de simulación en bucle cerrado que permite entrenar y evaluar modelos en entornos complejos, apoyado por más de 1.700 horas de datos de conducción recogidos en múltiples geografías y condiciones. La lógica es la misma que en Cosmos: sin simulación masiva, la autonomía no escala.
Clara: IA abierta para biomedicina y ciencias de la vida
La expansión de los modelos abiertos se extiende también a la salud con Clara, donde NVIDIA presentó nuevos modelos para diseño de proteínas, síntesis de fármacos, seguridad computacional y medicina personalizada.
Modelos como La-Proteina, ReaSyn v2, KERMT o RNAPro buscan reducir el tiempo y el coste de llevar tratamientos desde la fase digital hasta la práctica clínica, incorporando restricciones de fabricación y seguridad desde las primeras etapas. El dataset de 455.000 estructuras proteicas sintéticas refuerza esta apuesta por datos abiertos en un sector tradicionalmente cerrado.
Un ecosistema que empieza a comportarse como plataforma
Más allá de los modelos concretos, el anuncio deja una lectura estratégica clara. NVIDIA no compite con los desarrolladores de modelos, sino que intenta convertirse en el plano común sobre el que se construyen múltiples inteligencias especializadas.
La disponibilidad de estos modelos en GitHub, Hugging Face, plataformas cloud y como microservicios NIM apunta a una estrategia de distribución que busca reducir fricción y acelerar adopción, desde el edge hasta el centro de datos.
En continuidad con Rubin, los modelos abiertos funcionan como la capa lógica que da sentido a una infraestructura diseñada para razonamiento, agentes y simulación a gran escala. La siguiente pieza de este relato, como anticipabas, será BlueField-4, donde esta inteligencia empieza a convertirse en operación estable, segura y compartida.
