Nemotron: el modelo pequeño que gana a uno 18 veces mayor

El mismo modelo abierto debajo de tres productos distintos

En cinco semanas, tres organizaciones distintas han llegado al mismo sitio por su cuenta. El 11 de agosto de 2026, Fastino Labs publicó dos modelos especializados, uno de finanzas y otro de sanidad. El 10 de septiembre, Nvidia y Palantir enseñaron en AIPCon un modelo que reparte componentes escasos entre las fábricas de Nvidia. El 15 de septiembre, Salesforce presentó Koa, el motor de razonamiento de sus agentes.

Palantir es la empresa estadounidense de software de análisis de datos para gobiernos y grandes compañías, y aquí Nvidia figura como su cliente. Salesforce es la estadounidense de software de gestión de clientes, y anunció Koa en Dreamforce, su congreso anual. De Fastino Labs solo consta lo que publica.

Nvidia publica el modelo pidiendo que lo modifiquen

La ficha oficial de Nemotron 3.5 Lightning describe sus pesos como «los pesos de referencia del modelo, pensados principalmente como punto de partida para la personalización: post-entrenamiento —SFT, aprendizaje por refuerzo, destilación— y adaptación a un dominio». Nvidia no publica un producto terminado, sino un material de construcción.

El permiso viene de serie: la Nvidia Nemotron Open Model License deja usar, modificar y desplegar comercialmente los modelos y sus derivados; es perpetua, gratuita e irrevocable, y Nvidia no reclama la propiedad de lo que generen. Solo pide incluir un aviso al redistribuir. Qué gana con ello, no lo explica.

Un modelo de 30.000 millones acierta más que uno de 550.000

El caso de Nvidia y Palantir trae la única comparación limpia. La tarea es repartir las piezas que escasean —CPU Grace, GPU Blackwell y memoria HBM3e— entre las plantas de montaje, con un rack Vera Rubin de 1,3 millones de piezas y una disponibilidad que cambia cada semana. El modelo evalúa el riesgo, recomienda un rango y explica su razonamiento.

Cuidado con la autoría: no es un modelo de Palantir. Es el modelo abierto de Nvidia, post-entrenado por las dos empresas juntas sobre Palantir Foundry, la plataforma de datos de Palantir, y quien se beneficia es la cadena de suministro de Nvidia. No tiene nombre propio, y si publicarán sus pesos, tampoco se dice.

Los números son de una prueba retrospectiva propia, sin auditoría externa: el Lightning afinado acierta el 86,7 %, frente al 55,5 % del Ultra generalista de 550.000 millones y al 17,5 % del Lightning sin afinar. Sobre cuántos casos se midió, no lo dicen.

Salesforce ha metido casi treinta años de despliegues dentro del modelo

Koa no es un agente: es el modelo que razona por debajo de ellos, hecho «para ayudar a los agentes a razonar en flujos de trabajo complejos y de varios pasos». Se construyó post-entrenando Nemotron 3 Super con datos sintéticos propios, modelados sobre casi tres décadas de implantaciones. Cuántos parámetros tiene, no lo dice.

Su cifra pide pinzas: Salesforce dice que Koa «iguala o supera el rendimiento de los modelos punteros en acciones de CRM con tres veces menos errores», pero la medida es suya, sobre un banco de pruebas propio, sin auditoría externa y sin decir contra quién compite. Hay pilotos desde octubre en Agentforce y disponibilidad general prevista para el invierno de 2026 en Estados Unidos. Los pesos no se publican.

Solo uno de los tres ha abierto lo que construyó

Fastino Labs cierra el patrón por el extremo contrario: sus dos modelos están en Hugging Face con los pesos abiertos bajo Apache 2.0, y todo el post-entrenamiento lo ejecutó un agente autónomo en menos de diez horas. Sus cifras, también propias, van del 15,86 % al 59,23 % en FinQA, preguntas sobre informes financieros, y llegan al 64,98 % en MEDEC, errores en textos clínicos.

El remate lo puso Amazon el 16 de septiembre: SageMaker AI añadió el afinado sin servidor de Nemotron 3.5 Lightning. No es una cuarta empresa con su modelo, es un proveedor que industrializa el proceso: lo que exigía un equipo capaz de post-entrenar pasa a ser un formulario.