Inicia 23 novCohorte 3 en vivo de Vibe Coding y Agentes IA: 3 semanas, 9 clases en directoCohorte 3 (23.11) →
LanzamientoAnálisis · En radarAWS Machine Learning Blog→ original

NVIDIA Nemotron 3 Nano 30B MoE ya está disponible en Amazon SageMaker

NVIDIA ha incorporado Nemotron 3 Nano 30B MoE al catálogo de Amazon SageMaker JumpStart. El modelo usa una arquitectura Mixture of Experts (MoE) en la que solo 3.000 millones de sus 30.000 millones de parámetros están activos. Así logra un alto rendimiento con un coste de cómputo mínimo. Los desarrolladores ya pueden integrar Nemotron en sus aplicaciones a través del entorno gestionado de AWS, sin lidiar con la configuración de la infraestructura. El paso acerca las herramientas de IA avanzadas de NVIDIA al sector empresarial y permite a las compañías pasar más rápido de los prototipos a las soluciones en producción.

Procesado por IA desde AWS Machine Learning Blog; editado por Hamidun News
NVIDIA Nemotron 3 Nano 30B MoE ya está disponible en Amazon SageMaker
Fuente: AWS Machine Learning Blog. Collage: Hamidun News.
Escuchar artículo

NVIDIA ha facilitado a los desarrolladores empresariales el acceso a sus modelos de lenguaje más avanzados. La compañía anunció el lanzamiento de Nemotron 3 Nano 30B MoE en el catálogo de Amazon SageMaker JumpStart, la plataforma gestionada de AWS para desplegar rápidamente modelos de aprendizaje automático. No es solo una actualización técnica, sino un paso clave hacia la democratización de las herramientas de IA de alto nivel, que permitirá a miles de empresas sin experiencia profunda en MLOps llevar soluciones potentes a producción.

Nemotron 3 Nano 30B MoE funciona con Mixture of Experts, una solución de ingeniería que en los últimos años se ha convertido en el estándar para optimizar los grandes modelos de lenguaje. La idea es sencilla: el modelo contiene 30.000 millones de parámetros, pero al procesar cada solicitud solo están activos 3.000 millones. El resto permanece «dormido», lo que reduce drásticamente los requisitos de cómputo y la latencia. En la práctica, ofrece la calidad de modelos con decenas de miles de millones de parámetros usando una infraestructura pensada para modelos mucho más pequeños.

¿Por qué importa precisamente ahora? Desplegar grandes modelos de lenguaje ha exigido tradicionalmente una sólida preparación técnica. Las empresas debían ocuparse de la contenerización, la optimización de GPU, la gestión de memoria y el escalado. Algunas organizaciones simplemente aplazaban ese trabajo por temor a los costes y a la complejidad de la infraestructura. SageMaker JumpStart cambia esa dinámica al ofrecer soluciones listas para usar, con toda la complejidad oculta tras la interfaz del servicio en la nube. El desarrollador obtiene el modelo con un clic, listo para integrarlo en su aplicación, y paga únicamente por el cómputo que realmente usa.

La integración de Nemotron en el ecosistema de AWS es especialmente relevante para el sector empresarial, donde las pilas en la nube ya son el estándar. Una compañía que ya usa SageMaker para otras tareas de ML puede añadir ahora capacidades de IA generativa sin construir una infraestructura paralela. NVIDIA entrenó Nemotron específicamente para extracción de información, clasificación de texto y síntesis de contenido, escenarios típicos de las aplicaciones corporativas. Esto significa que el modelo ofrece de serie resultados relevantes para casos de negocio, y no es solo un generador de texto universal.

La arquitectura MoE también influye en el coste total de propiedad. Los modelos tradicionales de 30.000 millones de parámetros requieren GPU potentes y una cantidad considerable de memoria para su despliegue. Nemotron 3 Nano necesita bastantes menos recursos gracias a la activación dinámica de expertos, lo que se traduce directamente en facturas de cómputo en la nube más bajas. Para las empresas que procesan grandes volúmenes de texto, el ahorro puede ser considerable.

La disponibilidad de Nemotron en SageMaker JumpStart también apunta a una alianza estratégica entre NVIDIA y AWS. Ambas compañías parecen reconocer que el futuro de la IA no está solo en crear modelos cada vez más potentes, sino en integrarlos sin fricciones en los ecosistemas existentes. La ventaja competitiva se desplaza cada vez más de crear modelos a saber desplegarlos con eficacia y optimizarlos para tareas reales de negocio.

Para la industria, esto refleja una tendencia más amplia: los grandes modelos de lenguaje dejan de ser una rareza y pasan a ser una herramienta habitual en el kit del desarrollador, como en su día las redes neuronales convolucionales para el procesamiento de imágenes. Las empresas que retrasaban la adopción de IA generativa por su complejidad técnica obtienen ahora un camino claro. Eso sugiere que en los próximos meses veremos una oleada de aplicaciones corporativas que usan IA para automatizar el procesamiento de texto, la atención al cliente y el análisis de contenidos.

Historia
ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…