> ## Content Index > Fetch the complete content index at: https://fomoera.com/llms.txt > Use this file to discover other available public pages before exploring further. # NVIDIA lanza PAIR, una beta que reparte IA local entre computadoras compatibles - URL: https://fomoera.com/nvidia-lanza-pair-una-beta-que-reparte-ia-local-entre-computadoras-compatibles/ - Published: 2026-09-04T18:30:16.000Z - Updated: 2026-09-04T18:30:16.000Z - Description: La beta de NVIDIA PAIR conecta computadoras compatibles en una misma red para repartir solicitudes de IA local entre sus recursos disponibles, con Ollama y LM Studio como motores compatibles. - Author: Patricia Rodriguez - Tags: Tecnología y Ciencia, IA **TL;DR:** - NVIDIA lanzó el 3 de septiembre de 2026 la beta de PAIR, un software gratuito y de código abierto que descubre computadoras compatibles en una misma red. - La herramienta reparte solicitudes independientes entre Windows, Linux y macOS mediante Ollama o LM Studio. - PAIR no suma la VRAM de varias máquinas ni acelera por sí sola una respuesta individual: su ventaja aparece cuando un agente divide un trabajo en tareas paralelas. --- NVIDIA lanzó el 3 de septiembre de 2026 la beta de Personal AI Router (PAIR), un software gratuito y de código abierto que conecta computadoras compatibles en una misma red local para repartir solicitudes de inferencia entre ellas. La herramienta está pensada para agentes de IA que dividen una tarea compleja en varios trabajos independientes: mientras Ollama o LM Studio ejecuta cada solicitud en un equipo, PAIR puede elegir otro nodo disponible cuando el principal está ocupado, incluso si alguien empieza a jugar o a usarlo para creación de contenido. El sistema funciona en Windows, Linux y macOS con hardware compatible, y NVIDIA lo presenta como una forma de mantener prompts, archivos y contexto dentro de la red local. Su límite es importante: no combina GPUs ni VRAM en un acelerador mayor; su beneficio depende de que el trabajo pueda ejecutarse en paralelo. ## PAIR reparte solicitudes, no convierte varias GPUs en una sola El nombre puede sonar a un router físico, pero PAIR es software. Un router de inferencia decide en qué computadora se ejecuta cada solicitud de un modelo, mientras Ollama o LM Studio sigue encargándose de ejecutar el modelo en el equipo elegido. NVIDIA diseñó la herramienta como un proxy con un punto de conexión local, para que las aplicaciones y los agentes no tengan que configurarse por separado para hablar con cada máquina. Después de instalar PAIR en los equipos participantes, el sistema puede descubrirlos mediante mDNS o una dirección IP. El emparejamiento requiere autorización con un código de seis dígitos y NVIDIA señala que la comunicación entre nodos se protege con mTLS, una forma de cifrado autenticado en ambas direcciones. Para cada solicitud, el programador revisa condiciones como estas: - si el nodo está conectado y listo; - si Ollama o LM Studio está habilitado; - si el modelo exacto que pide la aplicación está disponible; - y qué carga tienen el motor y la GPU en ese momento. Cada solicitud se asigna a un solo equipo y permanece allí hasta terminar. Por eso, conectar dos computadoras con 16 GB de memoria gráfica no crea un conjunto de 32 GB para cargar un modelo más grande. Tampoco hace que una respuesta individual sea automáticamente más rápida. La ganancia llega cuando hay varias solicitudes que pueden correr al mismo tiempo. ## Qué equipos y programas son compatibles La beta funciona en Windows, Linux y macOS, con interfaces gráfica y de terminal. NVIDIA publica como configuraciones compatibles las siguientes: - GeForce RTX de la serie 20 o posterior; - GPUs profesionales RTX PRO basadas en la arquitectura Turing o posterior; - sistemas NVIDIA DGX Spark; - y equipos Mac con Apple M4 o un chip más reciente. PAIR es compatible con Ollama y LM Studio. Cada nodo debe tener un motor habilitado y contar con el modelo solicitado. Si solo una computadora tiene ese modelo, el grupo elegible para esa tarea seguirá limitado a ese equipo; instalar el mismo modelo en más nodos amplía las opciones del programador. NVIDIA también lista 8 GB de RAM o más y recomienda al menos 20 GB de almacenamiento. La conexión a internet no es necesaria para operar PAIR, aunque sí hace falta para descargar modelos. La herramienta tampoco exige cables especiales, racks ni una instalación de clúster dedicada. ## La ventaja aparece cuando un agente puede trabajar en paralelo Los agentes suelen dividir una tarea amplia en solicitudes más pequeñas. Un asistente que revisa documentos, clasifica mensajes o prepara un plan puede lanzar varios trabajos independientes y reunir los resultados después. Sin un router, todos pueden terminar esperando turnos en la misma GPU; con PAIR, algunos se envían a otros equipos disponibles de la red. NVIDIA mostró esta idea con Hermes Desktop, Ollama y el modelo Qwen 3.6 35B A3B. En su demostración, cinco subagentes analizaron una bandeja de entrada sintética para preparar un plan de organización. El trabajo tardó **18 minutos en promedio** cuando se ejecutó en una laptop RTX Spark. Al repartirlo entre esa laptop, un sistema DGX Spark y una RTX 5090, el tiempo promedio bajó a **8 minutos y 48 segundos**. La compañía califica la comparación como una demostración no oficial y específica de esa configuración. El resultado depende del grado de paralelismo, el modelo, los ajustes del motor, el hardware, la red y la disponibilidad de cada nodo. No representa una promesa de que añadir computadoras produzca una mejora proporcional en cualquier carga. ## El escenario más realista es combinar una laptop y una PC The Verge reportó que NVIDIA imagina un uso más común con una laptop Mac o Windows y una PC de escritorio para gaming. La idea es que la computadora principal pueda seguir disponible para jugar, editar contenido o trabajar mientras el otro equipo ejecuta solicitudes locales, siempre que tenga el motor y el modelo adecuados. La aplicación es gratuita y su código está abierto, pero eso no elimina los costos del hardware, la electricidad ni el almacenamiento de los modelos. Tampoco convierte una computadora vieja en una máquina capaz de ejecutar cualquier modelo: cada nodo sigue necesitando memoria y recursos suficientes para el motor y la tarea que reciba. NVIDIA afirma que los prompts, archivos y el contexto de los agentes permanecen en la red local. Esa ventaja corresponde a los flujos que realmente se ejecutan de forma local; si una aplicación, un modelo o una función adicional envía información a la nube, PAIR no cambia por sí solo ese comportamiento. PAIR tiene un alcance concreto: reducir colas y liberar una computadora cuando ya existe otro equipo listo para atender solicitudes independientes. Para una sola consulta pesada o para aumentar la memoria disponible para un modelo, la beta no sustituye una GPU con más VRAM. *Fuentes:* [1](https://www.nvidia.com/en-us/ai-on-rtx/personal-ai-router/?ref=fomoera.com), [2](https://developer.nvidia.com/blog/nvidia-pair-virtual-inference-router-expands-available-compute-on-your-local-network/?ref=fomoera.com), [3](https://www.theverge.com/ai-artificial-intelligence/989435/nvidia-pair-personal-ai-router-home-local-llm-compute-tool-rtx-macbook?ref=fomoera.com)