Si te dedicas al desarrollo, conoces de sobra el mayor punto ciego de los asistentes de texto: en cuanto toca maquetar una interfaz, ajustar una animación compleja o arreglar una pantalla móvil descuadrada, el chatbot tradicional se queda vendido. Puedes escribir diez párrafos explicando dónde se solapa una ventana emergente, y el modelo seguirá proponiéndote el selector CSS equivocado.
El equipo de NVIDIA ha decidido cerrar esa brecha entre el código y lo visual presentando el modelo abierto Nemotron 3.5 Super VL. Es una red neuronal multimodal especializada, diseñada para acelerar la refactorización, el análisis de interfaces gráficas y la lectura de documentación técnica.
Vamos a mirar qué hay bajo el capó de esta novedad y por qué los ingenieros califican su arquitectura de modélica.
Arquitectura: híbrido de MoE y Mamba-2
En la base del modelo hay una estructura dispersa Mixture-of-Experts (MoE) con un volumen total de 120 000 millones de parámetros, de los cuales solo se activan dinámicamente 12 000 millones por cada token generado (120B-A12B). Es decir, durante la inferencia trabaja apenas el 10 % del peso total de la red.
Los ingenieros han combinado capas de atención de transformer con capas Mamba-2 (State Space Model). Eso resuelve de golpe los dos grandes cuellos de botella del contexto largo:
- Aceleración x4: la velocidad de generación de tokens se multiplica por cuatro frente a modelos densos de nivel equivalente.
- Contexto largo de hasta 1 millón de tokens: puedes cargar en la memoria del modelo un repositorio completo junto con todos sus diagramas, diseños y logs.
De la percepción visual se encarga el avanzado codificador C-RADIO. Reconoce con gran precisión diagramas de clases, archivos PDF multicolumna, capturas de errores de renderizado e incluso breves grabaciones de pantalla reproduciendo un bug. El modelo mira la captura del fallo, la cruza con el código fuente de los componentes y señala directamente la línea culpable.
Ya habíamos visto cómo las soluciones abiertas transformaban el ecosistema del análisis de interfaces y documentación técnica, y Nemotron 3.5 Super VL lleva ese enfoque a escala industrial.
Requisitos de hardware y ejecución local
No hay milagros: 120 000 millones de parámetros exigen un hardware serio, aunque gracias al nuevo formato de cuantización NVFP4 para la microarquitectura NVIDIA Blackwell el listón de entrada ha bajado bastante.
Para ejecutarlo en precisión original BF16 hace falta un clúster de servidores con cuatro aceleradores NVIDIA A100 o H100 (80GB). Sin embargo, en formato cuantizado NVFP4 o INT4 el modelo puede correr en una estación de trabajo potente con dos tarjetas gráficas de clase RTX 4090 o 5090 y suficiente memoria unificada.
El modelo está totalmente integrado con el stack TensorRT-LLM y el framework NeMo, lo que permite a los equipos corporativos ajustarlo con seguridad sobre repositorios privados sin exponer secretos comerciales.
Nemotron 3.5 Super VL deja muy claro hacia dónde va la IA práctica: la época de las indicaciones textuales a ciegas cede paso a entornos visuales integrales donde el algoritmo ve la pantalla igual que un ingeniero humano.

