NVIDIA acelera Gemma 4 para ejecución local en RTX, DGX Spark y dispositivos edge

NVIDIA ha anunciado nuevas optimizaciones para la familia Gemma 4 de Google, una serie de modelos abiertos pensados para ejecutar tareas de inteligencia artificial de forma local en distintos tipos de hardware. La colaboración entre ambas compañías busca llevar estos modelos desde centros de datos hasta equipos mucho más cercanos al usuario, como PC con gráficas RTX, estaciones de trabajo, el sistema DGX Spark y módulos edge como Jetson Orin Nano.

La propuesta gira en torno a un concepto cada vez más importante en el sector: la IA agéntica ejecutada en local. En lugar de depender por completo de la nube, Gemma 4 está diseñado para trabajar con contexto en tiempo real directamente en el dispositivo, algo especialmente útil en asistentes personales, automatización de tareas, flujos de desarrollo y herramientas multimodales que necesitan acceso rápido a archivos, aplicaciones o entradas del usuario.

Qué aporta Gemma 4 y qué modelos entran en juego con la tecnología de NVIDIA

La nueva familia incluye variantes E2B, E4B, 26B y 31B, distintos niveles según el hardware disponible. Los modelos E2B y E4B están orientados a entornos con recursos más limitados y priorizan baja latencia y ejecución eficiente incluso sin conexión. Por su parte, las versiones 26B y 31B apuntan a tareas más exigentes, como razonamiento avanzado, generación de código y flujos centrados en agentes.

Según NVIDIA, Gemma 4 está preparado para abordar razonamiento, programación, uso estructurado de herramientas y tareas multimodales. Eso incluye visión, audio, vídeo, reconocimiento de objetos, transcripción de voz y análisis de documentos, además de entrada multimodal intercalada, es decir, combinar texto e imágenes en cualquier orden dentro de un mismo prompt. También ofrece soporte multilingüe para más de 35 idiomas de forma nativa.

RTX y DGX Spark ganan peso en la IA local

Para facilitar el despliegue, NVIDIA ha trabajado con herramientas como Ollama y llama.cpp, dos de las plataformas más populares para ejecutar modelos en local. También menciona compatibilidad con Unsloth para ajuste fino y despliegue optimizado desde el primer día. La idea es que los usuarios puedan descargar y poner en marcha Gemma 4 con menos fricción, aprovechando las capacidades de Tensor Cores y la pila CUDA para mejorar rendimiento y latencia.

Te interesa 👉 Mejores portátiles para IA

La compañía también vincula este anuncio al auge de asistentes locales y proyectos como OpenClaw, que buscan crear agentes persistentes capaces de interactuar con archivos personales, aplicaciones y flujos de trabajo sin salir del equipo. En ese contexto, Gemma 4 se perfila como otra pieza dentro de la carrera por hacer que la inteligencia artificial no solo sea más potente, sino también más cercana, privada y dependiente del hardware local.

En la práctica, el movimiento refuerza una tendencia clara en 2026: la IA abierta y local sigue ganando terreno, y fabricantes como NVIDIA quieren asegurarse de que sus plataformas estén entre las primeras en ofrecer compatibilidad y rendimiento desde el primer día.