> ## 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 defiende con Vera la velocidad por hilo para los agentes de IA
- URL: https://fomoera.com/nvidia-vera-velocidad-hilo-agentes/
- Published: 2026-10-19T16:20:00.000Z
- Updated: 2026-10-19T16:20:00.000Z
- Description: Vera prioriza el rendimiento por hilo para acortar las tareas que los agentes ejecutan entre llamadas al modelo.
- Author: Gerardo Pavez
- Tags: Tecnología y Ciencia, Hardware

El equipo de Vera de Nvidia defiende que los agentes de IA están devolviendo prioridad a la velocidad de cada hilo de ejecución en los procesadores para centros de datos. En una entrevista publicada por Wccftech el 18 de octubre, explicó que acelerar las tareas secuenciales de la CPU permite al agente volver antes al modelo que corre en la GPU.

Su argumento apunta al trabajo que rodea a la inferencia, la ejecución del modelo: un agente puede correr código, consultar datos o usar herramientas antes de continuar con el siguiente paso. Cada espera de esa cadena afecta al tiempo de respuesta.

## Más núcleos y pasos más rápidos resuelven problemas distintos

Nvidia distingue dos necesidades en su [documentación técnica](https://developer.nvidia.com/blog/nvidia-vera-cpu-boosts-ai-factory-throughput-to-accelerate-agentic-workloads/?ref=fomoera.com): más núcleos permiten atender más flujos a la vez; núcleos más rápidos ayudan a que cada flujo avance. Propone medir el rendimiento por hilo con todo el procesador bajo carga, cuando los agentes comparten memoria y otros recursos.

En un centro de datos saturado, la GPU puede atender otras solicitudes mientras espera a la CPU. Si esa pausa se alarga, aumenta la presión para desalojar la caché KV, que conserva cálculos del contexto del modelo. Retomar al agente puede exigir procesarlos de nuevo: la GPU dedica entonces parte de su capacidad a reconstruir contexto, según Nvidia.

## Vera concentra sus 88 núcleos en un bloque de cómputo

La arquitectura descrita por Nvidia reúne 88 núcleos Olympus y 176 hilos de hardware. Su memoria LPDDR5X ofrece hasta 1.2 TB/s de ancho de banda. El objetivo declarado es sostener el avance de cada agente cuando hay muchas tareas activas.

Los núcleos comparten un bloque de silicio monolítico, con una interconexión interna de hasta 3.4 TB/s de ancho de banda de bisección, una medida del tráfico que puede cruzar entre sus dos mitades. Nvidia busca así reducir los saltos entre piezas de silicio al intercambiar datos entre núcleos.

En la entrevista, el equipo habla de un rendimiento de hasta el doble frente a procesadores x86 líderes en tareas de agentes. El artículo técnico de Nvidia sobre Olympus presenta hasta 1.8 veces el rendimiento en esas cargas. Los dos valores aparecen en materiales distintos del fabricante; compararlos requiere las configuraciones y la metodología de cada prueba.

Nvidia mantiene abierta la posibilidad de usar chiplets, pequeños bloques de silicio separados, en futuros diseños. Para Vera defiende concentrar el cómputo y acelerar los pasos de CPU que determinan cuándo puede continuar cada agente.

*Fuentes:* [1](https://developer.nvidia.com/blog/inside-nvidia-vera-cpu-olympus-cores-built-for-maximum-single-threaded-performance-in-agentic-ai/?ref=fomoera.com), [2](https://developer.nvidia.com/blog/nvidia-vera-cpu-boosts-ai-factory-throughput-to-accelerate-agentic-workloads/?ref=fomoera.com), [3](https://wccftech.com/exclusive-nvidia-vera-team-says-chiplet-designs-sacrificed-single-threaded-performance-for-core-counts-and-agentic-ai-is-now-forcing-a-reversal/?ref=fomoera.com)