La IA de Nvidia gana el oro en los campeonatos mundiales de matemáticas y programación, con el mismo modelo base

Un mismo modelo, dos medallas de oro completamente distintas

Hay un detalle en los últimos resultados de Nvidia que merece detenerse: es el mismo modelo base el que está detrás de ambos logros. Según Hugging Face Blog, Nvidia, partiendo de Nemotron 3, ha entrenado variantes especializadas que han alcanzado el nivel de oro tanto en la Olimpiada Internacional de Matemáticas (IMO) como en la Olimpiada Internacional de Informática (IOI) de 2026.

Puede parecer un dato técnico más, pero la implicación es importante en principio. Las dos competiciones miden capacidades fundamentalmente distintas.

La IMO consiste en formular demostraciones matemáticas rigurosas en lenguaje natural; exige razonamiento abstracto, creatividad y la capacidad de construir cadenas lógicas desde cero. La IOI es algo totalmente distinto: aquí se trata de escribir algoritmos y código eficientes que superen casos de prueba ocultos dentro de límites estrictos de tiempo y de envío. Es ingeniería de precisión bajo presión.

Lograrlo en ambas, con la misma arquitectura subyacente, es un argumento sólido de que las últimas generaciones de modelos base han aprendido algo más general de lo que quizá nos atrevíamos a creer.

Cómo se hizo: un método reutilizable

El enfoque de Nvidia está bien estructurado y, curiosamente, es relativamente accesible en su lógica. Son cuatro pasos: un modelo base sólido, datos de entrenamiento específicos del dominio y de alta calidad, métodos de entrenamiento probados —ajuste fino supervisado combinado con aprendizaje por refuerzo— y un bucle de inferencia iterativo en el que el modelo genera, evalúa y mejora sus propias respuestas.

Para la especialización en IOI, el equipo reunió 22 000 problemas de programación competitiva. El resultado es elocuente: la variante más pequeña, con 30 mil millones de parámetros, mejoró su puntuación de 130 puntos antes del entrenamiento a 468 puntos después, y el umbral de oro estaba en 438,3 puntos. La variante más grande llegó a 535,4 de los 600 puntos posibles.

Conviene añadir que el resultado en IOI se obtuvo en una ejecución no oficial, algo que la propia Nvidia reconoce con transparencia. Esto no afecta a la validez del principio, pero es importante tenerlo presente al interpretar las cifras.

Qué dice sobre la dirección

Llevo tiempo siguiendo la evolución de los modelos de lenguaje, y lo que me llama la atención de este resultado en particular es la velocidad del aumento de capacidades. Hace unos años, las demostraciones matemáticas de nivel olímpico eran uno de los ejemplos clásicos de lo que la IA no podía hacer. Ahora es un capítulo cerrado.

Lo importante no es que la IA haya «vencido» a jóvenes matemáticos: esa competición es un mal foco de atención. Lo importante es lo que dice sobre las posibilidades. Si un modelo puede especializarse en razonamiento matemático riguroso y en resolución algorítmica de problemas con la misma arquitectura base y métodos de entrenamiento relativamente estandarizados, se abren puertas en la investigación, la educación y el desarrollo de software que antes estaban cerradas.

Piensa en lo que supone para un investigador en un campo matemático estrecho, o para un desarrollador independiente que quiere abordar problemas algorítmicos complejos sin un equipo completo detrás. Ahí es donde empieza a hacerse visible el verdadero beneficio.

El método —modelo base sólido, datos de calidad, retroalimentación iterativa— no es mágico. Es repetible. Quizá eso sea lo más interesante del resultado de Nvidia: no es una hazaña aislada, sino un plano.