Cada ano, la Conferencia Internacional sobre Aprendizaje Automatico (ICML) muestra hacia donde deciden dirigir su trabajo miles de investigadores de inteligencia artificial. Los papers aceptados en esta edicion revelan una direccion nitida: los modelos de frontera abiertos y la infraestructura de IA abierta se convirtieron en la base sobre la que se hace la ciencia moderna del sector.
NVIDIA tuvo 74 papers aceptados en ICML 2026. Alrededor de 2.000 trabajos aceptados citan GPUs de la compania y 145 se apoyan en NVIDIA Nemotron, una familia de modelos abiertos que incluye datasets abiertos, como cimiento de nueva investigacion. Cientos mas recurren a NVIDIA Cosmos, NVIDIA Isaac GR00T, BioNeMo y otras familias abiertas, que abarcan IA fisica, robotica, vehiculos autonomos e investigacion biomedica.
Que temas definieron la investigacion de este ano
Areas como la generacion de imagen y video, el aprendizaje por refuerzo para grandes modelos de lenguaje (LLMs), el entrenamiento de agentes y la inferencia siguieron siendo temas dominantes, senal de la inversion sostenida que reciben. Al mismo tiempo, irrumpieron varias lineas nuevas.
Los modelos de mundo para robots concentraron atencion. Papers como DreamDojo empujan el limite de como los sistemas de IA aprenden a razonar y actuar en entornos fisicos. DreamDojo aprende el comportamiento del mundo fisico a partir de video humano y se construye sobre los modelos de frontera abiertos de NVIDIA Cosmos para predecir como un robot manipularia objetos y operaria en entornos para los que nunca fue entrenado. Permite evaluar politicas, planificar acciones y teleoperar un robot virtual, acelerando el desarrollo sin los costos ni los riesgos del despliegue fisico.
La IA para ciencias de la vida se apoyo en los modelos abiertos de NVIDIA BioNeMo y en aportes que ayudan a entender la funcion de las proteinas, el comportamiento molecular y el codigo genetico. Trabajos como FLIP2 introducen benchmarks publicos para medir que tan bien la IA predice el efecto de las mutaciones en proteinas, mientras que KERMT es un nuevo modelo abierto de BioNeMo para predecir propiedades moleculares clave en el descubrimiento de farmacos.
La generacion de datos sinteticos desperto especial interes este ano, con varios datasets abiertos de Nemotron y de IA fisica. Refleja un cambio mas amplio en como los investigadores piensan el entrenamiento a gran escala sin depender solo de datos etiquetados por humanos.
El stack de investigacion abierto
La infraestructura abierta entrega a los investigadores las herramientas para acelerar sus avances. Los papers muestran a Nemotron usado menos como el lanzamiento de un unico modelo y mas como un stack de investigacion: pesos abiertos contra los cuales evaluar, datasets abiertos para entrenar y adaptar, y recetas abiertas para razonamiento, uso de herramientas, seguridad, curacion de datos e inferencia eficiente.
Junto a los modelos, NeMo Curator y los datasets abiertos que soporta ofrecen una base reproducible para la curacion de datos de entrenamiento. Las herramientas de datos sinteticos permiten crear conjuntos de entrenamiento de alta calidad a una escala y velocidad que hace pocos anos habrian sido impracticables.
La familia Cosmos 3 de omnimodelos abiertos de frontera da a investigadores y desarrolladores un salto generacional para construir robots, vehiculos autonomos y vision por IA que perciben, razonan, planifican y actuan en el mundo fisico. A esto se suman la familia abierta NVIDIA Alpamayo para vehiculos autonomos, Isaac GR00T para robotica y BioNeMo para el area biomedica.
Quien esta construyendo sobre estos modelos
El impulso se extiende mas alla de los propios laboratorios de NVIDIA. Basecamp Research desarrollo un nuevo modelo fundacional de ADN, EDEN, que ayuda a interpretar y disenar secuencias geneticas. Merck & Co. usa KERMT para predecir como se comportarian en el cuerpo posibles moleculas de farmacos, incluida su probable eficacia y seguridad.
Sakana AI construyo sus modelos Fugu y Fugu-Ultra directamente sobre Nemotron 3 Ultra, apoyandose en la base abierta para avanzar en automatizacion de la investigacion. KiloCode integro Nemotron en su arquitectura de enrutamiento de codigo y reporta reducciones de costo por token de hasta 90%, un resultado con implicancias reales para la economia de desplegar IA en produccion. NAVER desarrollo su propio modelo con la arquitectura Nemotron para extender la investigacion en coreano, y Together AI aloja modelos Nemotron en su plataforma para dar acceso mas simple a la inferencia abierta.
En robotica, empresas como LG Electronics, NEURA Robotics y Noble Machines estan adoptando modelos Isaac GR00T para acelerar despliegues industriales de humanoides, mientras que 1X, Agility, Agile Robots, Boston Dynamics, Hexagon Robotics y Mentee construyen la proxima generacion de humanoides con los modelos de mundo Cosmos, Isaac Sim e Isaac Lab para acelerar el desarrollo y la validacion de sus robots.
