Ventajas de ejecutarlos localmente

• Privacidad total: el código nunca sale del dispositivo
• Sin suscripciones: acceso gratuito sin límites de uso
• Rendimiento acelerado: hasta 6 veces más rápido que en CPU gracias a los Tensor Cores de RTX
• Disponibilidad constante: sin latencia ni dependencia de la nube

Herramientas recomendadas

• Continue.dev: extensión para VS Code que conecta con modelos locales vía Ollama o LM Studio
• Tabby: asistente seguro y transparente compatible con múltiples IDEs
• OpenInterpreter: interfaz experimental para tareas automatizadas y edición de archivos
• LM Studio: entorno gráfico para probar modelos antes de integrarlos en IDEs
• Ollama: motor de inferencia local para modelos como Code Llama, StarCoder2 y DeepSeek

Modelos optimizados para RTX

• Gemma 12B: ideal para explicar código y sugerir mejoras
• Meta Llama 3.1-8B: ofrece hasta 5-6 veces más rendimiento en laptops RTX frente a CPU
• Compatibles con frameworks como llama.cpp, Ollama y NIM microservices

Aplicaciones educativas y profesionales

• Asistentes como Continue.dev actúan como tutores virtuales, explicando algoritmos, comentando código y sugiriendo mejoras
• Ideales para bootcamps, proyectos académicos y desarrollo profesional
• Integración con IDEs como Visual Studio Code y JetBrains Pycharm

Iniciativas comunitarias

NVIDIA organiza el hackathon Plug and Play: Project G-Assist, donde los participantes pueden crear plug-ins personalizados para su asistente IA experimental. También ofrece recursos en Discord y redes sociales para desarrolladores y entusiastas.

Los asistentes de codificación IA locales en PCs RTX ofrecen una experiencia rápida, privada y personalizada, transformando la forma en que se aprende y se desarrolla software. Con herramientas accesibles y modelos optimizados, NVIDIA democratiza el acceso a la IA generativa para todos los niveles de experiencia.

El artículo puede contener imprecisiones y/o errores, consulte la web del fabricante para obtener la principal información.

¿Qué es G‑Assist y por qué es relevante?

Project G‑Assist es un asistente de IA local que utiliza un pequeño modelo de lenguaje compacto y ejecuta inferencias directamente en la GPU GeForce RTX. Esto permite optimizar el rendimiento del sistema, gestionar configuración, supervisar métricas y controlar periféricos desde una cómoda superposición tipo overlay, sin necesidad de cambiar de aplicación.

“Con simples comandos de voz o texto, G‑Assist puede maximizar el rendimiento, ajustar la eficiencia energética y controlar periféricos… todo localmente”

Este enfoque ofrece privacidad, rapidez y comodidad, ya que no requiere conexión a la nube y se integra directamente con nuestras tareas cotidianas en el PC.

Hackathon: cómo participar y qué ganarás

La competición está abierta desde el 18 de junio hasta el 16 de julio y se inscribe de forma virtual. Para participar necesitas:

• Un repositorio en GitHub con el código del plug‑in (plugin.py), archivos de configuración y manifiesto.
• Un vídeo de demostración de entre 30 segundos y 2 minutos mostrando el plug‑in en acción.
• Promoción en redes sociales usando el hashtag #AIonRTXHackathon en X, TikTok o Instagram.

Se valorará la originalidad, calidad técnica (integración y escalabilidad) y utilidad para la comunidad. Los ganadores se anunciarán el 20 de agosto:

• Primer lugar: portátil con GeForce RTX 5090
• Segundo lugar: tarjeta gráfica RTX 5080
• Tercer lugar: tarjeta gráfica RTX 5070

Además de prestigio, visibilidad en redes sociales de NVIDIA, crédito para un curso del Deep Learning Institute y una reunión con el equipo de G‑Assist.

¿Cómo se crean los plug‑ins?

Los plug‑ins son complementos ligeros que amplían la capacidad de G‑Assist. Pueden desarrollarse en:

• Python: ideal para desarrollo rápido.
• C++: para casos donde se requiere alto rendimiento.
• Herramientas sin código: usando el **G‑Assist Plug‑In Builder**, una herramienta basada en ChatGPT que permite crear plug‑ins mediante lenguaje natural.

El plug‑in define comandos y su lógica en un archivo JSON, se instala en una carpeta dedicada y G‑Assist lo carga automáticamente al iniciarse. Desde allí, el asistente puede controlar funciones tanto del sistema como de otras apps o servicios.

Plug‑ins ejemplo: inspiración para crear el tuyo

En GitHub puedes encontrar ejemplos útiles y originales:

• Spotify: control de música mediante voz o texto.
• Google Gemini: permite hacer búsquedas web directamente desde G‑Assist, sin interrumpir tu flujo.
• Discord: compartir clips o mensajes dentro de canales sin salir del juego.
• IFTTT: controlar dispositivos inteligentes del hogar mediante acciones automatizadas.
• Twitch: verificar si tu streamer favorito está en directo y obtener información del canal.

“Los plug‑ins permiten añadir comandos nuevos, enlazarse con herramientas externas y crear flujos de trabajo personalizados”

Recursos y soporte disponibles

NVIDIA ofrece toda la documentación necesaria en GitHub. Además, el 9 de julio se celebra un webinar titulado **How to Build a G-Assist Plug-In**, donde se explican en detalle los fundamentos del desarrollo e incluye una sesión de preguntas.

También puedes unirte al canal de Discord de NVIDIA Developer, donde encontrarás un espacio de colaboración, soporte del equipo y comunidad de desarrolladores.

Requisitos técnicos para usar G‑Assist

• GPU GeForce RTX 30, 40 o 50 Series con un mínimo de 12 GB de VRAM.
• Sistema operativo Windows 10 o 11.
• CPU compatible (Intel Core i3 o superior; AMD Ryzen 3 o superior).
• Drivers GeForce Game Ready o Studio actualizados.
• Almacenamiento libre para instalar el modelo local (aproximadamente 10 GB).

Una vez instalado desde la pestaña “Discovery” de la app NVIDIA, se activa fácilmente pulsando **Alt + G** desde el overlay.

Ventajas de una IA local y experta

G‑Assist utiliza un modelo local, derivado de LLaMA, con unos 8.000 millones de parámetros. Esto lo hace independiente de la nube, sin costos adicionales ni riesgos de privacidad.

Gracias a ejecutarse en la GPU, los comandos son casi instantáneos, y aunque señales una breve bajada en frames durante su uso, el rendimiento vuelve de inmediato al completar la acción.

Un futuro abierto y comunitario

La filosofía de G‑Assist se basa en la participación colaborativa. NVIDIA anima a los desarrolladores a proponer plug‑ins, compartirlos en GitHub y contribuir a un repositorio que evoluciona gracias a la comunidad.

Semanalmente, la serie **RTX AI Garage** presenta novedades, herramientas de NIM microservices, blueprints para IA, y contenido centrado en agentes AI, flujos creativos, humanos digitales y productividad.

Un primer vistazo a la experiencia

En la práctica, G‑Assist permite tareas como mejorar ajustes de gráficos para ciertos juegos, lanzar aplicaciones con comandos simples o incluso recibir sugerencias sobre combinaciones de armas en juegos como Apex Legends sin interrumpir la partida.

¿Por qué deberías sumarte?

• Para desarrolladores: oportunidad de visibilidad, premios jugosos y contacto con el equipo de NVIDIA.
• Para usuarios avanzados: personaliza tu PC con IA y acceso a herramientas innovadoras.
• Para la comunidad: mejora el ecosistema RTX con plug‑ins útiles y compartidos.

¿Listo para crear?

Si tienes una idea que pueda mejorar la forma de usar el ordenador, este es el momento. El hackathon está activo y las puertas están abiertas para todo aquel que quiera desarrollar, innovar y, por qué no, ganar uno de los grandes premios.

El artículo puede contener imprecisiones y/o errores, consulte la web del fabricante para obtener la principal información.

Stable Diffusion 3.5 más rápida y ligera

Gracias a la optimización con TensorRT y cuantización FP8, Stable Diffusion 3.5 Large reduce en un 40 % el consumo de VRAM (pasa de 18 GB a 11 GB) y duplica su velocidad de generación en comparación con BF16 en PyTorch. Esto significa que ahora puedes ejecutar modelos avanzados de imagen en PCs con GPUs RTX más accesibles.

TensorRT para RTX: compilación JIT sobre la marcha

El nuevo SDK “TensorRT para RTX” permite generar motores optimizados justo al momento en el dispositivo (“JIT”), sin necesidad de precompilación manual. Su tamaño se redujo 8 veces, facilitando su integración con Windows ML y acelerando la adopción global.

NIM microservicios: IA lista para usar en tu PC

En julio llegan los microservicios NIM para RTX PCs, que permiten descargar y ejecutar modelos preajustados como herramientas plug‑and‑play. Esta iniciativa forma parte de la estrategia RTX AI Garage, que ofrece desde LLMs hasta generadores de imágenes y módulos de visión por computadora.

Construye flujos de trabajo inteligentes fácilmente

Los NIM microservicios se integran en frameworks populares como Visual Studio Code, ComfyUI o Langflow. Además, los AI Blueprints serán plantillas que combinan varios microservicios para crear soluciones completas —por ejemplo, convertir PDFs en podcasts o crear imágenes guiadas con escenas 3D—

“Each week, RTX AI Garage features community‑driven AI innovations… helping developers and enthusiasts build the next wave of AI apps and tools locally on RTX PCs.”

Un ecosistema que crece rápido

Los desarrolladores pueden descargar NIM desde build.nvidia.com, y la integración continúa avanzando con soporte para Windows ML, WSL, y herramientas de la comunidad como G‑Assist. Además, RTX 50 Series y GPUs Blackwell aprovechan al máximo esta nueva pila tecnológica.

¿Por qué importa?

• Rentabilidad: IA potente que funciona con menos recursos.
• Accesibilidad: modelos listos para usar en un par de clics.
• Privacidad y control: procesamiento local, sin depender de la nube.
• Comunidad vibrante: plantillas y microservicios compartidos y extensibles.

El artículo puede contener imprecisiones y/o errores, consulte la web del fabricante para obtener la principal información.