NVIDIA build.nvidia.com: +100 modelos de IA en API gratuita (se acabaron los modelos locales)

NVIDIA acaba de eliminar el mayor obstáculo de la IA local: el hardware. Con build.nvidia.com, accedes a más de 100 modelos de IA de vanguardia (Llama, Nemotron, DeepSeek, GLM-4, gpt-oss…) a través de una API gratuita compatible con OpenAI. Ya no necesitas descargar 200 GB de pesos, ni un GPU de 2 000 $, ni «disco lleno». Cambias dos líneas en tu código y ejecutas en los GPU de NVIDIA, en la nube. Desglosamos todo, con código real copiable.

flowchart LR
    A["Tu código / IDE"] --> B["OpenAI SDK"]
    B --> C["Endpoint NVIDIA
integrate.api.nvidia.com/v1"]
    C --> D["NIM · GPU cloud"]
    D --> E["100+ modelos
Llama · Nemotron · DeepSeek"]

¿Qué es build.nvidia.com (NVIDIA NIM)?

Desde 2024, NVIDIA despliega NIM (NVIDIA Inference Microservices): una capa que sirve modelos de IA optimizados para sus GPU. Hay dos mitades: contenedores que puedes alojar tú mismo, y un catálogo de inferencia alojada —este último es el que está causando revuelo hoy en build.nvidia.com.

La idea genial: el endpoint es compatible con la API de OpenAI. En la práctica, cualquier herramienta, framework o app que sepa apuntar a una «base URL» personalizada puede dirigirse a NVIDIA sin ninguna otra modificación de código. Streaming, function calling, tool use: todo funciona igual que con OpenAI.

Por qué es una bomba: se acabaron los modelos en local

Ejecutar un modelo grande en casa es un verdadero desafío: descargar decenas (o cientos) de gigabytes, tener suficiente VRAM, gestionar los drivers CUDA y aceptar que tu portátil se caliente como un radiador. El endpoint en la nube resuelve todo esto de golpe.

Comenzar en 3 minutos: tu clave nvapi-

El único requisito es una cuenta gratuita del programa para desarrolladores de NVIDIA. Sin tarjeta de crédito.

Los pasos: (1) entra en build.nvidia.com e inicia sesión, (2) abre cualquier modelo, (3) haz clic en Get API Key, (4) copia la clave que empieza por nvapi- —solo se muestra una vez. Luego, expórtala e instala el SDK:

# 1. Almacena tu clave en una variable de entorno
export NVIDIA_API_KEY="nvapi-xxxxxxxxxxxxxxxxxxxxxxxx"

# 2. Instala el SDK de OpenAI (sí, el de OpenAI)
pip install openai

Tu primera llamada (Python)

Aquí tienes el ejemplo más corto que funciona. Observa las dos únicas cosas específicas de NVIDIA: base_url y la clave.

from openai import OpenAI

client = OpenAI(
    base_url="https://integrate.api.nvidia.com/v1",
    api_key="nvapi-VOTRE_CLE",   # ou os.environ["NVIDIA_API_KEY"]
)

resp = client.chat.completions.create(
    model="deepseek-ai/deepseek-v4-pro",
    messages=[{"role": "user", "content": "Explique le RAG en 3 phrases."}],
    temperature=0.7,
    max_tokens=1024,
)
print(resp.choices[0].message.content)

El RAG (Retrieval-Augmented Generation) combina una búsqueda documental
con un modelo de lenguaje. Primero recuperamos los pasajes relevantes en
una base de conocimientos, luego los inyectamos en el prompt para que el
modelo responda con hechos actualizados en lugar de solo con su memoria.

Streaming, Node.js y cURL

El streaming (mostrar la respuesta palabra por palabra) funciona igual que con OpenAI:

stream = client.chat.completions.create(
    model="meta/llama-3.3-70b-instruct",
    messages=[{"role": "user", "content": "Ecris un haiku sur le GPU."}],
    stream=True,
)
for chunk in stream:
    print(chunk.choices[0].delta.content or "", end="")

En Node.js, es exactamente el mismo SDK:

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://integrate.api.nvidia.com/v1",
  apiKey: process.env.NVIDIA_API_KEY,
});

const r = await client.chat.completions.create({
  model: "openai/gpt-oss-120b",
  messages: [{ role: "user", content: "Salut depuis Node !" }],
});
console.log(r.choices[0].message.content);

Y en puro cURL, sin ningún SDK:

curl https://integrate.api.nvidia.com/v1/chat/completions \
  -H "Authorization: Bearer $NVIDIA_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "nvidia/nemotron-3-ultra-550b-a55b",
    "messages": [{"role": "user", "content": "Bonjour !"}]
  }'

Conectar Cursor, Claude Code y LangChain

Como el endpoint es compatible con OpenAI, puedes conectarlo a cualquier lugar que acepte una base URL personalizada. Para Cursor: en la configuración de modelos, introduce la base URL https://integrate.api.nvidia.com/v1 y tu clave nvapi- —el chat, el autocompletado y el agente cambian a modelos alojados por NVIDIA. La misma lógica aplica para Claude Code, LangChain, CrewAI o AutoGen: solo cambias la base URL y el ID del modelo.

from langchain_openai import ChatOpenAI

llm = ChatOpenAI(
    base_url="https://integrate.api.nvidia.com/v1",
    api_key="nvapi-VOTRE_CLE",
    model="meta/llama-3.3-70b-instruct",
)
print(llm.invoke("Donne-moi 3 idees de projets IA pour debuter.").content)

curl -s https://integrate.api.nvidia.com/v1/models \
  -H "Authorization: Bearer $NVIDIA_API_KEY" | jq '.data[].id'

Los modelos disponibles + las Agentic Skills

El catálogo supera los 100 modelos: familias Llama y Nemotron (NVIDIA), DeepSeek, GLM-4 (Zhipu AI), gpt-oss (OpenAI en pesos abiertos), MiniMax, sin contar los modelos de embeddings, reconocimiento de voz y simulación. Cada ficha de modelo muestra su tarifa: algunos son totalmente gratuitos, otros consumen tus créditos.

NVIDIA también impulsa las Agentic Skills: capacidades listas para usar que tu agente puede invocar, organizadas por dominio —AI & Machine Learning, Accelerated Computing, Physical AI, Developer Tools. Con esto puedes armar un agente que actúe, no solo que converse.

Los límites del plan gratuito (para conocer)

El nivel gratuito es generoso para prototipar, pero tiene límites claros:

Si superas el límite de tasa, la API devuelve un error 429 Too Many Requests. La solución clásica: espaciar las llamadas y reintentar con un retraso creciente (backoff).

import time
from openai import OpenAI

client = OpenAI(base_url="https://integrate.api.nvidia.com/v1", api_key="nvapi-VOTRE_CLE")

def chat_avec_retry(messages, model="meta/llama-3.3-70b-instruct", essais=5):
    for i in range(essais):
        try:
            return client.chat.completions.create(model=model, messages=messages)
        except Exception as e:
            if "429" in str(e) and i < essais - 1:
                time.sleep(2 ** i)   # 1s, 2s, 4s, 8s...
                continue
            raise

Cuándo seguir en local a pesar de todo

El endpoint no elimina el uso local —lo complementa. Quédate en local cuando: (1) tus datos son sensibles y no deben salir, (2) trabajas sin conexión, (3) necesitas una latencia ultraestable, o (4) estás a gran escala y el autoalojamiento resulta más económico. Para todo lo demás —prototipado, demostraciones, proyectos personales, aprendizaje— el endpoint gratuito es imbatible. Y el día que quieras pasar a producción autoalojada, NVIDIA ofrece una licencia R&D gratuita (hasta 16 GPU) y una prueba de 90 días de AI Enterprise.

FAQ

📬 ¿Quieres recibir este tipo de guía cada semana? Suscríbete gratis —código real, cero relleno.