¿Qué es NVIDIA NeMo Guardrails?
NeMo Guardrails envuelve una aplicación de LLM en rails: los input rails revisan los mensajes del usuario, los output rails revisan las respuestas, los retrieval rails revisan el contenido de RAG, los execution rails revisan las llamadas a herramientas y los dialog rails guían las conversaciones por flujos escritos en Colang, el lenguaje de NVIDIA para la lógica conversacional (la versión 1.0 es la predeterminada; la 2.0 está soportada). La configuración es YAML más Colang, ampliable con Python.
Los controles pueden usar el propio LLM principal para revisarse a sí mismo, o modelos dedicados: los modelos NemoGuard de NVIDIA para seguridad del contenido, control de temas y detección de jailbreaks, Llama Guard de Meta, y servicios como Cisco AI Defense, ActiveFence, F5 Guardrails y Microsoft Presidio para PII. Funciona como biblioteca de Python, como servidor con un endpoint al estilo de OpenAI o como microservicio de NVIDIA para Kubernetes.
Tiene licencia Apache 2.0. La versión 0.24.0 (26 de agosto de 2026) amplió el motor IORails, más rápido, a 59 de los 67 controles de entrada y salida de la biblioteca, y la 0.24.1 llegó el 16 de septiembre de 2026.
¿Merece la pena NVIDIA NeMo Guardrails?
NeMo Guardrails es el kit abierto más amplio para controlar una app de LLM en tiempo de ejecución. Cubre todos los puntos donde algo puede salir mal: lo que envía el usuario, lo que devuelve la recuperación, lo que reciben las herramientas y lo que responde el modelo. Los execution rails para llamadas a herramientas lo hacen más relevante para agentes que la mayoría de sus rivales, y el desarrollo es ágil, con commits casi a diario y tres versiones menores entre julio y septiembre de 2026.
Conviene tener claro lo que detectan los guardrails. Los controles con clasificadores como Llama Guard 4 (un modelo de 12B que etiqueta texto e imágenes según 14 categorías de riesgo) y Prompt Guard 2 de Meta (detectores de inyección de 86M y 22M) detectan bien el contenido dañino explícito y los patrones de jailbreak conocidos. Se les escapan cosas más sutiles. La ficha de la propia Meta dice que Prompt Guard 2 puede ser burlado por ataques adaptativos y pierde precisión con prompts específicos de una aplicación, y las categorías de Llama Guard para difamación, propiedad intelectual y elecciones necesitan datos que no tiene. Una inyección de prompt indirecta y decidida, oculta en un documento recuperado, todavía puede colarse. Los guardrails reducen el riesgo; los permisos mínimos para las herramientas siguen siendo la defensa real.
La latencia es el coste operativo, y la respuesta de NVIDIA es IORails, un motor que ejecuta en paralelo los controles de entrada y salida de NemoGuard en modo sin streaming, con un control de admisión que devuelve una respuesta de sobrecarga en lugar de encolar indefinidamente. Desde la 0.24.0 cubre 59 de 67 controles, pero las configuraciones fuera de ese conjunto vuelven en silencio al motor LLMRails anterior salvo que pases require_iorails=True, y el control en paralelo de la salida en streaming sigue necesitando LLMRails. Solo la versión 0.24.0 enumeraba seis cambios incompatibles, así que fija las versiones.
Hay un valor por defecto que sorprende. La biblioteca envía telemetría anónima a NVIDIA cuando arranca un objeto de rails y después latidos periódicos; NVIDIA dice que la carga contiene versiones y recuentos de los rails configurados, nunca prompts ni claves, y DO_NOT_TRACK=1 o NEMO_GUARDRAILS_NO_USAGE_STATS=1 la desactivan si se definen antes del arranque. Guardrails AI es más ligero para validar salidas estructuradas; esto se parece más a un motor de políticas, y pide el tiempo de ingeniería que merece un motor de políticas.
Dónde se gana su sitio
Un ingeniero de plataforma de un banco minorista con un asistente de cara al cliente
Bloquear jailbreaks y respuestas fuera de tema o inseguras antes de que lleguen a los clientes
Ejecutar nemoguardrails server con input y output rails respaldados por los modelos NemoGuard de seguridad del contenido y de jailbreak, con IORails y require_iorails=True para que los controles vayan en paralelo. La biblioteca es gratuita; los costes son una GPU para los clasificadores y un viaje de ida y vuelta adicional al modelo por cada rail.
Un equipo de agentes que da a un LLM acceso de escritura a API internas
Revisar los argumentos y resultados de las herramientas antes de que el agente actúe
Los execution rails inspeccionan lo que recibe y devuelve cada herramienta, y los retrieval rails pueden enmascarar PII mediante Presidio antes de que los fragmentos lleguen al prompt. Esto reduce, pero no elimina, el riesgo de inyección indirecta; las credenciales de API con alcance limitado siguen importando más.
Una responsable de riesgos de IA de una aseguradora que necesita soporte del proveedor para auditorías
Poner un servicio de guardrails con soporte delante de varias apps internas
Desarrollar los rails en local con la biblioteca abierta y después desplegar el mismo YAML y Colang en el microservicio NeMo Guardrails de NVIDIA dentro de NVIDIA AI Enterprise, con un precio de lista de 4.500 $ por GPU al año para sistemas autogestionados.
Antes de decidirte
- Puesta en marcha
- pip install nemoguardrails en Python 3.10 a 3.13, escribir una carpeta de configuración con YAML y Colang, y después nemoguardrails server --config ./config --port 8000 para un endpoint /v1/chat/completions al estilo de OpenAI.
- Integraciones
- Wrapper para LangChain; NemoGuard, Llama Guard, Cisco AI Defense, ActiveFence, F5 Guardrails, Fiddler, Cleanlab y Presidio; trazas de OpenTelemetry hacia tu propio backend; microservicio desplegado con Helm para Kubernetes.
- Datos y privacidad
- La telemetría está activada por defecto y también se escribe en ~/.config/nemoguardrails/usage_stats.json; se desactiva con DO_NOT_TRACK=1. Los rails que llaman a modelos alojados envían texto a esos proveedores, y NVIDIA dice que sus endpoints de build.nvidia.com son solo para evaluación, no para producción ni datos personales. No aparecen avisos para el paquete en la base de datos de avisos de GitHub.
- Coste a escala
- La biblioteca es gratuita bajo Apache 2.0. El coste real es la inferencia adicional: cada rail basado en un modelo añade una llamada por mensaje, los rails de autocomprobación usan tu LLM principal y los clasificadores NemoGuard necesitan capacidad de GPU. NVIDIA AI Enterprise, que cubre el microservicio, tiene un precio de lista de 4.500 $ por GPU al año.
- Límites
- Unas 270 incidencias y pull requests abiertas; IORails admite 59 de 67 controles y no admite output rails en paralelo con streaming; las versiones menores traen cambios incompatibles; los clasificadores no detectan las inyecciones adaptativas e indirectas.
Lo bueno
- Cubre controles de entrada, salida, recuperación, herramientas y diálogo
- Admite Llama Guard, NemoGuard, Presidio y detectores comerciales
- IORails ejecuta en paralelo los controles de NemoGuard para reducir la latencia añadida
- Biblioteca, servidor al estilo de OpenAI o microservicio para Kubernetes
Lo malo
- La telemetría anónima a NVIDIA está activada por defecto
- Cambios incompatibles en versiones menores
- Colang añade una curva de aprendizaje
- Los mejores detectores te empujan hacia los modelos de NVIDIA
Ideal para
Equipos que construyen agentes o asistentes de cara al cliente y necesitan una capa de políticas configurable alrededor de cada llamada al modelo y a las herramientas.
Alternativas a NVIDIA NeMo Guardrails
NVIDIA NeMo Guardrails: preguntas frecuentes
- ¿Merece la pena NVIDIA NeMo Guardrails?
- NeMo Guardrails es la capa de políticas abierta más amplia para agentes, y esa amplitud se paga en configuración, latencia y un changelog lleno de cambios incompatibles. Le damos un 4.0 sobre 5.
- ¿Cuánto cuesta NVIDIA NeMo Guardrails?
- Gratuito y de código abierto bajo Apache 2.0. Los modelos NemoGuard y los microservicios NIM de NVIDIA se distribuyen por separado.
- ¿Qué inconvenientes tiene NVIDIA NeMo Guardrails?
- La telemetría anónima a NVIDIA está activada por defecto; cambios incompatibles en versiones menores; colang añade una curva de aprendizaje; los mejores detectores te empujan hacia los modelos de NVIDIA.
- ¿Para quién es NVIDIA NeMo Guardrails?
- Equipos que construyen agentes o asistentes de cara al cliente y necesitan una capa de políticas configurable alrededor de cada llamada al modelo y a las herramientas.
- ¿Cuánto cuesta NVIDIA NeMo Guardrails para un equipo o en producción?
- La biblioteca es gratuita bajo Apache 2.0. El coste real es la inferencia adicional: cada rail basado en un modelo añade una llamada por mensaje, los rails de autocomprobación usan tu LLM principal y los clasificadores NemoGuard necesitan capacidad de GPU. NVIDIA AI Enterprise, que cubre el microservicio, tiene un precio de lista de 4.500 $ por GPU al año.
- ¿Es NVIDIA NeMo Guardrails seguro para los datos de la empresa?
- La telemetría está activada por defecto y también se escribe en ~/.config/nemoguardrails/usage_stats.json; se desactiva con DO_NOT_TRACK=1. Los rails que llaman a modelos alojados envían texto a esos proveedores, y NVIDIA dice que sus endpoints de build.nvidia.com son solo para evaluación, no para producción ni datos personales. No aparecen avisos para el paquete en la base de datos de avisos de GitHub.
- ¿Cuáles son las mejores alternativas a NVIDIA NeMo Guardrails?
- Las alternativas más cercanas que hemos analizado son Guardrails AI, vLLM Semantic Router y promptfoo.
Respuestas comprobadas el 26 oct 2026.