Cómo los Modelos Abiertos Están Impulsando la Investigación en IA

Cada año, la Conferencia Internacional sobre Machine Learning (ICML) revela dónde miles de investigadores de IA han decidido enfocar su trabajo.

Los artículos aceptados este año revelan una dirección clara: los modelos de frontera abiertos y la infraestructura de IA abierta se han vuelto fundamentales para la forma en que se hace la ciencia moderna de IA.

NVIDIA tuvo 74 artículos aceptados en ICML 2026. Aproximadamente 2,000 artículos aceptados citan GPUs NVIDIA, y 145 citan <a href=»https://www.nvidia.com/en-us/ai-data-science/foundation-models/nemotron/»>NVIDIA Nemotron</a> — una familia de modelos abiertos, incluidos conjuntos de datos abiertos — como base para nuevas investigaciones. Cientos más se basan en NVIDIA <a href=»https://www.nvidia.com/en-us/ai/cosmos/»>Cosmos</a>, NVIDIA <a href=»https://developer.nvidia.com/isaac/gr00t»>Isaac GR00T</a>, <a href=»https://nvidianews.nvidia.com/news/nvidia-launches-bionemo-agent-toolkit-giving-ai-agents-the-tools-to-accelerate-scientific-discovery»>BioNeMo</a> y otras familias de modelos abiertos de NVIDIA, que abarcan IA física, robótica, vehículos autónomos e investigación biomédica.

<h2>Los Temas que Definen la Investigación de Este Año</h2>

Áreas como la generación de visión y video, el <a href=»https://www.nvidia.com/en-us/glossary/reinforcement-learning/»>reinforcement learning</a> para grandes modelos de lenguaje (<a href=»https://www.nvidia.com/en-us/glossary/large-language-models/»>LLMs</a>) y el entrenamiento de <a href=»https://www.nvidia.com/en-us/glossary/ai-agents/»>agentes</a>, así como <a href=»https://www.nvidia.com/en-us/glossary/ai-inference/»>AI inference</a>, siguieron siendo temas destacados en los artículos de este año, reflejando la inversión sostenida que estos campos demandan — mientras que varias nuevas áreas también surgieron.

Los <a href=»https://www.nvidia.com/en-us/glossary/world-models/»>world models</a> para robots atrajeron una atención significativa, con artículos como <a href=»https://arxiv.org/abs/2602.06949″>DreamDojo</a> que amplían los límites de cómo los sistemas de IA aprenden a razonar y actuar en entornos físicos. DreamDojo aprende cómo se comporta el mundo físico a partir de videos humanos y se basa en los modelos de frontera abiertos NVIDIA Cosmos para predecir cómo un robot manejaría objetos y operaría en entornos para los que nunca fue entrenado. Permite a los investigadores evaluar políticas, planificar acciones y teleoperear un robot virtual, acelerando el desarrollo sin los costos y riesgos del despliegue físico.

La IA para ciencias de la vida fue impulsada por los modelos abiertos NVIDIA BioNeMo y contribuciones de investigación que ayudan a los investigadores a comprender la función de las proteínas, el comportamiento molecular y el código genético. Artículos como <a href=»https://www.biorxiv.org/content/10.64898/2026.02.23.707496v4″>FLIP2</a> introducen benchmarks públicos para probar qué tan bien la IA predice los efectos de las mutaciones de proteínas. <a href=»https://github.com/NVIDIA-BioNeMo/KERMT»>KERMT</a> es un nuevo modelo abierto BioNeMo para predecir propiedades moleculares importantes para el descubrimiento de fármacos.

La <a href=»https://www.nvidia.com/en-us/glossary/synthetic-data-generation/»>generación de datos sintéticos</a> (SDG) despertó especial interés en el ICML de este año con varios conjuntos de datos abiertos de Nemotron e <a href=»https://huggingface.co/collections/nvidia/physical-ai»>IA física</a>, reflejando un cambio más amplio en cómo los investigadores piensan sobre el entrenamiento a escala sin depender únicamente de datos etiquetados por humanos.

<h2>El Stack de Investigación Abierta</h2>

La infraestructura abierta proporciona a los investigadores las herramientas para acelerar los avances.

Los artículos muestran que Nemotron se utiliza menos como un lanzamiento de modelo único y más como un research stack: pesos abiertos para evaluar, conjuntos de datos abiertos para entrenar y adaptar, y recetas abiertas para razonamiento, uso de herramientas, seguridad, curación de datos e inferencia eficiente.

Junto con los modelos, NeMo Curator y los conjuntos de datos abiertos que admite <a href=»https://blogs.nvidia.com/blog/nemotron-open-source-ai/»>proporcionan a los investigadores una base reproducible para la curación de datos de entrenamiento</a>. Las herramientas de SDG permiten crear conjuntos de entrenamiento de alta calidad a una escala y velocidad que habrían sido impracticables hace apenas unos años.

La familia <a href=»https://www.nvidia.com/en-us/ai/cosmos/»>Cosmos 3</a> de omnimodels de frontera abiertos ofrece a investigadores y desarrolladores un salto generacional en la capacidad de construir robots, vehículos autónomos y IA de visión que perciben, razonan, planifican y actúan en el mundo físico.

Además, la familia de modelos abiertos <a href=»https://www.nvidia.com/en-us/solutions/autonomous-vehicles/alpamayo/»>NVIDIA Alpamayo</a> para el desarrollo de vehículos autónomos, NVIDIA Isaac GR00T para robótica y <a href=»https://github.com/NVIDIA-BioNeMo»>NVIDIA BioNeMo</a> para biomedicina ayudan a acelerar la investigación y el desarrollo en diversas industrias.

<h2>El Ecosistema Construido sobre Esta Base</h2>

El impulso se extiende más allá de los propios <a href=»https://research.nvidia.com/research-labs»>laboratorios de investigación</a> de NVIDIA.

Basecamp Research desarrolló un nuevo modelo de fundación para ADN, <a href=»https://basecamp-research.com/wp-content/uploads/2026/01/BCR_Designing-programmable-therapeutics-with-the-EDEN-family-of-foundation-models.pdf»>EDEN</a>, que ayuda a los investigadores a interpretar y diseñar secuencias genéticas.

Merck & Co. utiliza <a href=»https://www.merck.com/stories/our-ai-model-kermt-is-helping-to-advance-drug-discovery/»>KERMT</a> para predecir cómo las posibles moléculas de fármacos pueden comportarse en el cuerpo, incluido si es probable que sean eficaces, seguras y desarrollables.

Sakana AI — presente en el ICML de este año — construyó sus modelos <a href=»https://sakana.ai/fugu/»>Fugu y Fugu-Ultra</a> directamente sobre Nemotron 3 Ultra, utilizando la fundación abierta para impulsar su trabajo en automatización de investigación en IA.

<a href=»https://kilo.ai/models/by/nvidia»>KiloCode</a> integró Nemotron en su arquitectura de enrutamiento de código, reportando reducciones de costos de tokens de hasta un 90% — un resultado con implicaciones reales para la economía del despliegue de IA en producción.

<a href=»https://nvidianews.nvidia.com/news/naver-ai-infrastructure»>NAVER</a> desarrolló su propio modelo utilizando la arquitectura Nemotron, extendiendo la base para la investigación de IA en idioma coreano.

<a href=»https://www.together.ai/models/nvidia-nemotron-3-ultra»>Together AI</a> aloja modelos Nemotron en su plataforma, haciéndolos más accesibles para los investigadores que necesitan un acceso confiable y fluido a la inferencia abierta.

Humanoid, <a href=»https://blogs.nvidia.com/blog/nvidia-and-lg-group-ai-factory/»>LG Electronics</a>, NEURA Robotics y Noble Machines están adoptando modelos NVIDIA Isaac GR00T para acelerar los despliegues industriales de sus humanoides, mientras que 1X, Agility, Agile Robots, Boston Dynamics, Hexagon Robotics y Mentee están construyendo la próxima generación de humanoides utilizando Cosmos world models, Isaac Sim e Isaac Lab para acelerar el desarrollo y la validación de sus robots.

Explore los modelos abiertos de NVIDIA en <a href=»https://huggingface.co/nvidia»>Hugging Face</a>.

Explore la investigación en genómica y biología en el <a href=»https://genbio-workshop.github.io/2026/»>GenBio Workshop</a> del ICML el viernes 10 de julio.