NVIDIA amplía el ecosistema RTX Spark con Nemotron 3.5 Transcribe, modelos de Liquid AI y controles de recursos para agentes

NVIDIA ha anunciado una suite de software de inteligencia artificial local, modelos de pesos abiertos y herramientas para desarrolladores para su plataforma de portátiles con Windows RTX Spark. Las actualizaciones introducen modelos de voz, multimodales y centrados en agentes —encabezados por NVIDIA Nemotron 3.5 Transcribe y la familia LFM3 de Liquid AI—, junto con controles detallados de asignación de recursos de GPU dentro de NVIDIA App.

Los sistemas RTX Spark, fabricados actualmente por ASUS, Dell, HP, Lenovo, Microsoft y MSI con precios a partir de 2.599 dólares, combinan una GPU NVIDIA Blackwell RTX y una CPU NVIDIA Grace en un único superchip. Estos equipos ofrecen hasta 128 GB de memoria unificada, hasta 1 petaflop de rendimiento de IA en FP4 y factores de forma con un grosor de apenas 14 mm y un peso tan ligero como tres libras.

Nemotron 3.5 Transcribe lleva el audio controlable mediante prompts al silicio local

El punto central del lanzamiento de software de NVIDIA es Nemotron 3.5 Transcribe, un modelo de voz de pesos abiertos diseñado para combinar transcripción, identificación de interlocutores, traducción y respuestas a consultas de audio en un único modelo. En lugar de encadenar múltiples flujos de trabajo especializados, los desarrolladores pueden interactuar con el modelo mediante comandos en lenguaje natural, como solicitar una transcripción con etiquetas de los hablantes, traducir audio al inglés o listar las decisiones tomadas en una reunión grabada.

Las especificaciones clave y los resultados en benchmarks de Nemotron 3.5 Transcribe incluyen:

• Escala y eficiencia: Utiliza aproximadamente 4.300 millones de parámetros activos, un 80% menos de parámetros que el modelo de pesos abiertos número 1 actual.

• Benchmarks: Ocupa el puesto n.º 1 en Hugging Face Open ASR y el n.º 2 entre los modelos de pesos abiertos en Artificial Analysis.

• Soporte de idiomas: Admite 40 idiomas, incluidas siete lenguas índicas, con opciones de personalización de vocabulario y formatos específicos para los sectores médico, financiero y de atención al cliente.

• Opciones de despliegue: Ya disponible en Hugging Face, con versiones cuantizadas en NVFP4 programadas para su despliegue a través de NeMo-Speech.cpp y vLLM en RTX Spark, DGX Spark, Jetson AGX Thor y GPUs Blackwell para centros de datos.

Liquid AI LFM3 y modelos compactos de agentes

NVIDIA también lanzó soporte desde el primer día para la familia LFM3 de Liquid Foundation Models de Liquid AI. Al abarcar tareas de texto, visión, audio, omnimodales y de toma de decisiones sobre una arquitectura compartida, estos modelos de pesos abiertos pueden ejecutarse y ajustarse de forma local en RTX Spark utilizando llama.cpp y vLLM. El modelo base de 1.700 millones de parámetros de Liquid AI supera notablemente a su arquitectura anterior de 2.600 millones de parámetros, permitiendo que agentes autónomos en Hermes Agent, Pi y OpenClaw procesen entradas en pantalla, gestionen correos electrónicos y calendarios, y analicen documentos técnicos.

Para ampliar las implementaciones locales de agentes ligeros, NVIDIA también destacó:

• Nemotron 3.5 Bolt E4B: Requiere tan solo 4 GB de memoria para acciones de agentes de múltiples pasos y tareas conversacionales en herramientas como Ollama, Unsloth, LM Studio y vLLM. Una versión mayor, Nemotron 3.5 Bolt 74B-A9B (24 GB), está diseñada para cargas de trabajo locales más pesadas.

• FLUX 3 Image Klein: Un modelo de generación y edición de imágenes de pesos abiertos con 5.600 millones de parámetros desarrollado por Black Forest Labs, desplegable en GPUs RTX con 8 GB de VRAM y personalizable mediante recetas de NVIDIA NeMo AutoModel.

División de recursos del sistema y flujos de trabajo de simulación

Para dar soporte a sistemas que ejecutan agentes autónomos en segundo plano mientras atienden tareas activas del usuario, la NVIDIA App ha introducido una función de gestión de recursos en Sistema > Avanzado. Los usuarios pueden inclinar el balance de cómputo de la GPU hacia el software activo en primer plano o conceder mayor prioridad a los agentes que se ejecutan en segundo plano. Esta función requiere que la Programación de GPU acelerada por hardware de Windows esté activa.

En robótica, NVIDIA detalló cómo se utilizó RTX Spark durante una demostración en la conferencia magistral de GTC Berlin para entrenar al robot Microduck de Hugging Face. En dicho flujo de trabajo, Hermes Agent y Nemotron 3.5 Bolt planificaron una pista de obstáculos, Astra generó los elementos 3D, NVIDIA Isaac Lab entrenó la política de navegación y RTX Spark se encargó de la validación de la política dentro de NVIDIA Isaac Sim.

Para estaciones de trabajo independientes, NVIDIA confirmó que los fabricantes asociados también están distribuyendo el equipo de escritorio DGX Spark 64GB, equipado con el GB10 Grace Blackwell Superchip ejecutando DGX OS para ajuste fino e inferencia en el borde.