NVIDIA NemoClaw: Arquitectura, Costos Reales y Agentes Autónomos Seguros (Guía 2026)

Un agente de IA autónomo que opera durante horas sin supervisión es, a la vez, el sueño y la pesadilla de cualquier CTO. NemoClaw es la apuesta de NVIDIA por quedarse con la mitad buena de esa ecuación.

NVIDIA NemoClaw es un framework de agentes autónomos que ejecuta un modelo de lenguaje grande dentro de un sandbox de seguridad llamado OpenShell. Un agente autónomo es un programa que recibe un objetivo de alto nivel —»audita este repositorio y abre los pull requests necesarios»— y decide por sí mismo qué pasos dar, qué comandos ejecutar y qué APIs llamar, sin que un humano apruebe cada acción.

El problema que resuelve es concreto: cuando das a un agente acceso real a una terminal, a internet y a tu sistema de archivos, también le das la capacidad de filtrar secretos, borrar datos o llamar a endpoints que no debería. NemoClaw envuelve al modelo en una capa de interceptación que decide, en tiempo real, qué tiene permitido tocar.

NemoClaw vs OpenClaw: la diferencia en una frase

OpenClaw es el runtime de agentes open source sobre el que se construye todo. NemoClaw es OpenClaw más el sandbox OpenShell, el modelo Nemotron afinado y el stack de seguridad empresarial de NVIDIA.

Dicho de otro modo: con OpenClaw puro tienes el motor; con NemoClaw tienes el coche con airbags, ITV y caja negra. Para un proyecto personal, OpenClaw basta. Para poner agentes a tocar producción, la diferencia importa.

El modelo detrás: Nemotron-3-Super-120B

El cerebro de NemoClaw es Nemotron-3-Super-120B, un modelo de lenguaje de 120.000 millones de parámetros que NVIDIA optimizó para razonamiento agéntico y uso de herramientas. Está afinado específicamente para encadenar llamadas a funciones, mantener planes de varios pasos y operar dentro de las restricciones del sandbox.

Si solo tienes dos minutos, esto es lo que necesitas para decidir si NemoClaw entra en tu hoja de ruta.

Qué resuelve: pone agentes autónomos a trabajar sobre sistemas reales sin que un error o una alucinación se convierta en un incidente de seguridad. El setup: se instala con un comando, pero afinar las políticas de seguridad lleva entre 2 y 5 días de trabajo real, no 20 minutos.

El coste real: alrededor de 236.000 USD de coste total de propiedad (TCO) a tres años para una flota de 10 agentes, con un ahorro estimado de unos 30.000 USD por agente y año frente a equipos humanos en tareas repetitivas. Por qué importa: el cuello de botella ya no es la inteligencia del agente, es la confianza para soltarlo.

OpenShell es la capa de interceptación de NemoClaw que se sienta entre el modelo y el mundo real. Cada vez que el agente intenta una acción —abrir un socket, leer un fichero, llamar a la nube— OpenShell la intercepta y la valida contra tu política antes de dejarla pasar.

Funciona sobre tres pilares: red, sistema de archivos e inferencia. Veamos cada uno.

Capa de red: allowlist e interceptación de endpoints

OpenShell aplica una allowlist —lista blanca— de endpoints: el agente solo puede conectarse a los dominios y puertos que tú declares explícitamente. Todo lo demás se bloquea por defecto.

Esto corta de raíz el escenario más temido: un agente comprometido o alucinando que intenta exfiltrar datos a un servidor externo. Si el dominio no está en la lista, la conexión ni siquiera sale de la máquina.

Sistema de archivos: sandbox de solo lectura y /sandbox

Por defecto, el agente ve el sistema de archivos en modo solo lectura. Puede leer el código y la configuración, pero no modificar nada fuera de un único directorio de trabajo: /sandbox.

Toda escritura, todo artefacto temporal y todo resultado del agente vive en /sandbox. Si algo sale mal, borras ese directorio y el host queda intacto. Es la diferencia entre un agente que ensucia su mesa y uno que incendia la cocina.

Inferencia: el router de privacidad local vs nube

El tercer pilar es un router de privacidad que decide dónde se ejecuta cada inferencia. Las peticiones con datos sensibles se enrutan al modelo local en tu clúster H100; las tareas genéricas pueden ir a la nube de NVIDIA para ahorrar coste.

Tú defines la regla. Por ejemplo: «todo lo que toque tablas con PII se queda en local». Así combinas el ahorro de la nube con la soberanía del dato cuando importa.

NemoClaw se instala con un solo comando, pero la verdad incómoda es que el comando es lo fácil. El trabajo real está en escribir las políticas. Aquí tienes ambos.

El comando de instalación real

El instalador despliega el runtime, descarga los pesos de Nemotron y levanta el broker de OpenShell. Necesitas Docker y los drivers de NVIDIA con el Container Toolkit ya configurados.

# Instalar el CLI de NemoClaw
curl -fsSL https://nemoclaw.nvidia.com/install.sh | sh

# Inicializar el sandbox y descargar el modelo
nemoclaw init --model nemotron-3-super-120b --gpu h100

# Levantar el broker OpenShell con tu política
nemoclaw up --policy ./openshell-policy.yaml

Definir la política YAML (ejemplo completo comentado)

Esta es la pieza que el resto de guías deja vacía. La política declara qué red, qué ficheros y qué inferencia tiene permitida el agente. Léela de arriba abajo: cada bloque corresponde a uno de los tres pilares de OpenShell.

# openshell-policy.yaml — política de seguridad del agente
version: "1.0"
agent: "code-auditor"

# --- Pilar 1: RED (allowlist estricta) ---
network:
  default: deny          # todo bloqueado salvo lo declarado
  allow:
    - "api.github.com:443"
    - "registry.npmjs.org:443"

# --- Pilar 2: FILESYSTEM (read-only + /sandbox) ---
filesystem:
  mode: read-only
  writable:
    - "/sandbox"        # único directorio con escritura
  deny:
    - "/etc/**"
    - "**/.env"         # nunca leer secretos

# --- Pilar 3: INFERENCIA (router de privacidad) ---
inference:
  route:
    - match: "contains_pii"
      target: local      # datos sensibles -> clúster propio
    - match: "default"
      target: cloud      # el resto -> nube NVIDIA
  max_tokens: 8192

El coste de NemoClaw no es la licencia: es el hardware NVIDIA que necesita para correr. Aquí están las tres rutas de despliegue comparadas con cifras concretas, no eslóganes.

Local con clúster H100 vs Cloud NVIDIA vs OpenClaw puro

El mínimo por agente del sandbox es modesto —4 vCPUs y 8 GB de RAM— pero esa cifra engaña: lo caro es la GPU H100 que sirve la inferencia compartida entre agentes. El sandbox es barato; el cerebro no.

Cálculo de TCO y ROI a 3 años

Para una flota de 10 agentes, el coste total de propiedad a tres años ronda los 236.000 USD incluyendo hardware, energía y mantenimiento. Frente a eso, cada agente desplaza trabajo repetitivo por un valor estimado de unos 30.000 USD al año.

Los agentes de larga ejecución fallan de formas que un script normal no conoce. Estos son los tres problemas que verás antes y cómo atacarlos.

Token context bleeding en agentes de larga ejecución

El token context bleeding ocurre cuando un agente que lleva más de 24 horas vivo arrastra contexto irrelevante de tareas anteriores, lo que degrada sus decisiones y aumenta el coste de cada inferencia.

Cómo detectarlo: el agente empieza a repetir acciones ya hechas o a referenciar objetivos que ya cerró. Cómo mitigarlo: reinicia la ventana de contexto por tarea con checkpoints —guarda el estado en /sandbox y arranca un contexto limpio— en lugar de mantener una sola sesión infinita.

Fricción de configuración de políticas empresariales

El segundo dolor no es técnico, es de proceso: definir las allowlists y los permisos de escritura para un equipo real se convierte en un ida y vuelta de días con seguridad y compliance.

Cómo reducirla: empieza con una política mínima en modo observación, deja correr al agente y deriva los permisos de los bloqueos reales que registra OpenShell. Es más rápido reaccionar a logs concretos que adivinar todos los accesos por adelantado.

Fallos de permisos del broker OpenShell

Si el broker no arranca o el agente queda colgado, casi siempre es porque la política deniega un acceso que el runtime necesita para sí mismo, no para el agente.

Causa típica: bloquear un endpoint interno o el directorio temporal del broker. Mitigación: revisa los logs de OpenShell —indican exactamente qué regla disparó el bloqueo— y añade el permiso mínimo, acotado a ese recurso.

NemoClaw es excelente para un perfil concreto y desproporcionado para muchos otros. Reconocer cuándo no encaja te ahorra una factura de seis cifras.

No lo uses si no tienes ni planeas tener hardware NVIDIA, si tu caso no maneja datos sensibles que justifiquen el sandbox, o si solo necesitas un agente para un prototipo. En esos casos pagas el foso de NVIDIA sin recibir el valor del paracaídas de compliance.

Para un equipo en LatAm que factura en moneda local pero paga la GPU en dólares, la conversación sobre NemoClaw cambia por completo. El coste de hardware NVIDIA quema capital más rápido de lo que parece en la tabla.

La ruta sensata para una startup no es comprar un clúster H100: es alquilar inferencia por horas y pagar solo por lo que usas mientras validas el caso de negocio.

¿Qué es NemoClaw?

NemoClaw es el framework de agentes autónomos de NVIDIA que combina el runtime OpenClaw, el modelo Nemotron-3-Super-120B y el sandbox de seguridad OpenShell. Permite poner agentes a operar sobre sistemas reales con interceptación de red, disco e inferencia.

¿Necesito GPUs H100 sí o sí?

Para correrlo en local, sí: el modelo de 120B necesita una GPU de clase H100 para servir inferencia con latencia razonable. Pero puedes evitar la compra usando la Cloud de NVIDIA o alquilando GPUs por horas en proveedores como RunPod mientras validas tu caso.

¿Cuánto cuesta correr NemoClaw al mes?

Depende de la ruta. En local, el TCO ronda los 236.000 USD a tres años para 10 agentes, lo que reparte el coste en hardware amortizable. En cloud pagas por uso, sin inversión inicial, con una factura proporcional a las horas de inferencia que consumas.

¿NemoClaw evita las alucinaciones?

No. NemoClaw no impide que el modelo alucine; impide que una alucinación cause daño real. OpenShell bloquea las acciones peligrosas —exfiltrar datos, borrar ficheros, llamar a endpoints no permitidos— aunque el modelo decida intentarlas por error.

¿Cuál es la diferencia entre NemoClaw y OpenClaw?

OpenClaw es el runtime de agentes open source y desnudo. NemoClaw lo envuelve con el sandbox OpenShell, el modelo Nemotron afinado y el stack de seguridad empresarial de NVIDIA. OpenClaw es el motor; NemoClaw es el vehículo completo con sistemas de seguridad.

¿Sirve para una startup?

Sí, pero rara vez en su versión local. Para una startup tiene sentido empezar con inferencia alquilada por horas o con la Cloud de NVIDIA, validar que los agentes generan valor y solo entonces evaluar hardware propio. Comprar GPUs antes de validar es el error más caro.