NVIDIA abre su enfoque de especialización Nemotron: medallas de oro en IOI e IMO, con pesos y recetas publicados
Según el blog oficial de NVIDIA del 7 de octubre de 2026, su equipo usó Nemotron 3 como base y, mediante SFT, RL y un ciclo de inferencia de generación-verificación-refinamiento, obtuvo 535,4/600 en IOI 2026 y 30/42 en IMO 2026, resultados que según el reporte superan la línea de medalla de oro; los checkpoints, conjuntos de datos y la canalización de evaluación están abiertos en Hugging Face y NeMo-Skills.
Qué ha cambiado
Según el blog oficial publicado por el equipo de NVIDIA el 7 de octubre de 2026, se construyeron dos tipos de sistemas especializados sobre Nemotron 3: en programación competitiva, Nemotron-3-Ultra-CC (550 mil millones de parámetros totales, 55 mil millones activos, con SFT) junto con la estrategia iterativa de generación-evaluación-refinamiento GenCorrect obtuvo 535,4/600 en una ejecución prospectiva de IOI 2026 en tiempo real, no oficial y no contabilizada en el ranking oficial, por encima de la línea de oro reportada de 361,12 y del mejor puntaje humano de 498,27; el acompañante Nemotron-3-Nano-CC (30 mil millones de parámetros totales, 3 mil millones activos, con SFT y RL) también se usó en experimentos de comparación, y el reporte menciona que Nano pasó de 130 puntos antes del postentrenamiento a 280 tras SFT y 291 tras RL, y a 468 con GenCorrect. En matemáticas, se formó un sistema de generación-verificación-refinamiento con los checkpoints general, SFT y RL de Nemotron 3 Ultra; el corpus de SFT contiene 414.890 muestras que cubren 15.818 problemas de demostración no repetidos, el entrenamiento RL usó 9.597 problemas cercanos al límite de capacidad, el sistema opera completamente en lenguaje natural, sin demostradores formales, herramientas externas ni internet, y finalmente obtuvo 30/42 según la calificación de evaluadores oficiales de IMO. El blog también afirma que los modelos relevantes, los dos conjuntos de datos de entrenamiento, Nemotron-IMO-Bench (200 problemas de nivel olímpico) y la canalización de inferencia y los prompts en NeMo-Skills ya están abiertos.
Impacto para desarrolladores
La implicación directa para los desarrolladores es que este resultado aclara mejor la división de tareas entre base, postentrenamiento y ciclo de inferencia: el reporte muestra que una misma base puede adaptarse a dos tipos de tareas de alta dificultad, código y demostración, mediante diferentes escalas y combinaciones de postentrenamiento, y que la mejora no depende solo del ajuste fino ni solo del muestreo. Si recetas similares se replican en escenarios empresariales, el objeto de evaluación pasará de la salida de un solo modelo a toda la canalización: generación de candidatos, puntuación, crítica, refinamiento y selección final determinan conjuntamente el resultado. Hay que distinguir entre pesos abiertos y licencia de código abierto: el blog afirma que los modelos y datos están abiertos en Hugging Face y ofrece una canalización reproducible, pero la fuente no especifica los términos de licencia concretos, por lo que poder descargar no equivale a poder usar comercialmente; antes de adoptarlos hay que verificar por cuenta propia la licencia del modelo y los términos de uso de los datos. Además, el resultado de IOI se declara explícitamente como una ejecución de referencia no oficial y sin supervisión, ajena al ranking oficial, mientras que en IMO se indica que fue calificado por evaluadores oficiales, por lo que la comparabilidad de ambos tipos de resultados es distinta. En cuanto a recursos, los datos muestran que Nano con SFT y RL, y Ultra con una sola época de SFT, pueden superar a un Nano con postentrenamiento completo, lo que sugiere que el presupuesto de cómputo para la especialización no es lineal entre escalas, y que el costo de ajuste fino y el de inferencia deben contabilizarse por separado.
Integración y evaluación
Recomendación uno (análisis condicional, no un hecho reportado): para tareas que exigen un formato de salida estricto o una tasa de aprobación de pruebas ocultas, se puede verificar primero si el checkpoint postentrenado más el ciclo de retroalimentación supera al enfoque de solo prompts. El criterio de elección se basa en que la fuente reporta que Nano mejora notablemente tras el postentrenamiento y vuelve a mejorar con GenCorrect, lo que indica que el beneficio proviene de la combinación de ajuste fino y refinamiento iterativo; pero si tu tarea no permite construir automáticamente un evaluador fiable, la premisa de esta ruta no se cumple. El criterio de evaluación puede ser: sobre un mismo lote de pruebas ocultas propias, comparar la diferencia en tasa de aprobación entre la base, un único checkpoint postentrenado y tras añadir tres rondas de generación-evaluación-refinamiento, junto con el múltiplo de tiempo de inferencia por tarea. Recomendación dos: en escenarios matemáticos o de razonamiento de cadena larga, considera conservar tanto los checkpoints SFT como los RL y usar muestreo complementario, en lugar de aumentar el número de muestras sobre un solo checkpoint. La fuente afirma que el checkpoint SFT es el más fuerte en la primera ronda de búsqueda y que el checkpoint RL es el mejor en conjunto como checkpoint único, y que el sistema final usa ambos; esto exige que tu canalización admita enrutamiento multimodelo y puntuación unificada. El criterio de evaluación puede ser: con un presupuesto de cómputo total fijo, comparar el muestreo múltiple sobre un solo checkpoint frente al muestreo complementario con dos checkpoints en cuanto a tasa de aprobación de verificación y proporción de errores marcados como completos en tu propio conjunto de problemas de demostración. Recomendación tres: si reutilizas la canalización de NeMo-Skills, confirma primero si sus dependencias y prompts coinciden con tu versión del modelo, y prepárate para reemplazar el presupuesto de cómputo de la etapa de selección final, porque la fuente menciona que esa etapa consume bastante cómputo por sí sola. El criterio de evaluación puede ser: medir en el mismo hardware la latencia de extremo a extremo y el costo por problema de toda la canalización, y confirmar que puede completarse dentro del plazo operativo.
Límites y cuestiones pendientes
El blog fuente se publicó el 7 de octubre de 2026; los resultados de competición fueron reportados por el propio equipo de NVIDIA, la parte de IOI se declara explícitamente como una ejecución no oficial y sin supervisión, no contabilizada en el ranking oficial, y aunque la parte de IMO afirma haber sido calificada por evaluadores oficiales, este artículo no puede verificar de forma independiente las puntuaciones, las versiones de los problemas ni los detalles de calificación. La fuente no revela los términos de licencia concretos de los checkpoints relacionados con Nemotron 3; pesos abiertos y licencia abierta no son lo mismo, y hay que verificar por cuenta propia antes del uso comercial y la redistribución. Versiones como Nemotron-3-Ultra-CC no tienen actualmente una entrada con coincidencia exacta en el catálogo en vivo de KimiSeek, por lo que esa versión no está disponible en KimiSeek en este momento; los canales de acceso abierto mencionados en el reporte se refieren a la ubicación de publicación del propio fabricante; si más adelante aparecen API de terceros o servicios alojados, sus precios y disponibilidad deben regirse por la página de precios del proveedor correspondiente, y este artículo no cita ninguna cifra de precio concreta. Las dos rutas de postentrenamiento y refinamiento iterativo dependen de problemas específicos del dominio, trayectorias de razonamiento de alta calidad y evaluadores fiables; la fuente no indica si son igualmente eficaces en escenarios empresariales generales sin este tipo de datos, y los costos de entrenamiento e inferencia se describen como «no pequeños», pero no se ofrecen datos de costo reutilizables.
Ilustraciones de la noticia original
