Nemotron 3.5 Super VLは無料で使えますか？

モデルの重みはOpenMDW-1.1ライセンスでHugging Faceから無料でダウンロードできます。ただし商用利用にはライセンスの詳細確認が必要です。NVIDIA NIM経由のAPI利用は従量課金（約$0.20/百万入力トークン）になります。

Nemotron 3.5 Super VLはどのくらいのGPUが必要ですか？

120Bパラメータモデルですが、MoEアーキテクチャにより1推論あたりのアクティブパラメータは12Bです。NVIDIA公式によると単一H100 80GBでの動作が確認されています。Bolt 74B-A9Bは2ビット量子化で24GBに収まりRTX Sparkでも動作します。

Nemotron 3.5 Super VLとClaude Sonnet 5.5を比較したらどちらが優れていますか？

用途によります。Artificial Analysisのスコアではオープンウェイト40〜150Bクラスで首位ですが、クローズドモデルのClaude Sonnet 5.5とは直接比較データがありません。SWE-bench VerifiedではNemotron（71.1）に対しClaude系は80以上の値が報告されており、コーディングエージェントでは差があります。コストを抑えてオンプレ運用したい場合はNemotronが有力な選択肢です。

Bolt E4Bとは何ですか？

Nemotron 3.5 Bolt E4Bは4GBで動作する小型会話エージェント向けモデルです。2026年10月23日にリリース予定とされていました。Ollama、LM Studio対応で、エッジデバイスやPC上のローカルエージェントを想定しています。

AI News 2026年10月26日 12分で読める

Nemotron 3.5 Super VL速報｜120Bオープンモデルでエンタープライズエージェントは変わるか

#NVIDIA #Nemotron #オープンウェイト #エンタープライズAI #AIエージェント #MoE #LLM #NVIDIA NIM #オープンソースAI #推論コスト

「オープンモデルって結局スケールしないんですよね。エンタープライズで使おうとするとコストか性能のどちらかで詰まる」。エンタープライズAI導入の現場では、こうした懐疑論が根強く残っている。

NVIDIAは2026年10月15日（一部報道では19日）、その批判に応えるようにNemotron 3.5 Super VLを公開した。120Bパラメータながら推論時アクティブは12Bというスパース設計で、エンタープライズ向けAIエージェントの「推論コストとオープン性の両立」を狙う（NVIDIA公式プレスリリース, 2026年10月）。

同時にPC向けのBolt 74B-A9B（24GB）、会話エージェント向けのBolt E4B（4GB）も発表。ローカルからクラウドまで一気通貫のモデル群だ。

この記事はこんな人におすすめ

エンタープライズAIエージェントの推論コストを最適化したいMLエンジニア・アーキテクト
オープンウェイトモデルをオンプレで運用したい企業のAI担当者
NVIDIA NIMやvLLMでのデプロイを検討している開発者

Nemotron 3.5ファミリー：3モデルの役割

今回のリリースは1つのモデルではなく、用途別に分かれた3ラインナップだ。

モデル	パラメータ	アクティブ	メモリ目安	主な用途
Super VL	120B	12B/トークン	H100 80GB×1	エンタープライズエージェント・マルチモーダル
Bolt 74B-A9B	74B	9B/トークン	24GB（2bit量子化）	PC・RTX Spark上のローカルエージェント
Bolt E4B	非公開	非公開	4GB	会話エージェント・エッジデバイス

Super VLは前世代（Nemotron 3 Super）に**視覚・言語（VL）**を追加した後継モデルで、テキストと画像・チャート・Webページを同時に処理できる。BoltはPC上でのオンデバイス推論を主眼に置き、Ollama・LM Studio・vLLMに対応する（The Decoder, 2026年10月）。

ライセンスはOpenMDW-1.1。Hugging Faceからウェイトを直接取得でき、NVIDIA NIM経由でのマネージドAPI利用も可能だ。

ベンチマーク：5倍スループットの実態

NVIDIAが発表した主な数値をまとめる。

NVIDIAの自己申告値（NVIDIA公式, 2026年10月）:

同クラスの他オープンモデルと比べアジェンティックワークロードで最大5倍スループット（1GPU比）
Scale AI: ベンダークレジット処理タスクで40倍のコスト削減（パートナー報告値）
SWE-bench Verified: 71.1（競合GPT-4系は78〜80台）

第三者評価 — Artificial Analysis Intelligence Index:

オープンウェイト40〜150Bクラスでスコア26.5、67モデル中1位（Artificial Analysis, 2026年10月）
出力速度196トークン/秒、初回トークン応答0.73秒

実務的なテスト — Plotlyによるデータ分析試験:

43問中30問正解（70%、C評価）
全試験コスト$0.46、1問あたり約12秒（Plotly, 2026年10月）

「5倍スループット」の数字は自社測定であり、独立再現はまだ少ない。SWE-benchでは同クラスのオープンモデルに後れを取るケースもある。コーディングエージェントとして使う場合は、自社ワークロードでの検証が必須だ。

エンタープライズ採用事例：Salesforceが最も具体的

現時点で最も詳細な採用事例はSalesforceだ。同社はNemotron 3 Super（前世代）を使ってKoaという社内モデルを構築。自社のCRM Benchで評価したところ、大手クローズドモデルと同等の精度を達成しながらエラー率を3分の1に抑えたと報告している（Salesforce公式, 2026年）。

Salesforceが重視したのは「モデルウェイトの管理権」だ。クローズドAPIでは不可能な、ポストトレーニングを自社のトラストバウンダリー内で完結させる運用を選んだ。金融・医療・法律といった規制産業では、このオンプレ完結の優位性が重要になる。

NVIDIAが名前を挙げた他の採用企業としてSkydance、EY、Ramp、Agentforceパートナーとしての用途が報告されているが、3.5世代の具体的な導入詳細はまだ公開情報が少ない。

価格：$0.20/$0.57で使える現実

NVIDIA NIM経由のAPIコストは現時点での報告値として以下の通りだ（複数ソース平均、確定値ではない）。

区分	単価
入力トークン	$0.20/百万トークン
出力トークン	$0.57/百万トークン

OpenRouterでは$0.10/$0.40という安い値も報告されているが（Artificial Analysis, 2026年10月）、ソースによって差がある。Claude Sonnet 5.5（$3/$15）と比べると圧倒的に安い。ただしオンプレ運用ならH100のGPUコストも加算される。

光と影：素直に評価すると

光（メリット）:

オープンウェイトでウェイト管理権を自社保持できる
MoEにより120Bパラメータを単一H100で動かせる
視覚・テキスト対応でマルチモーダルエージェントに使える
NVIDIA NIM経由でゼロからのセットアップ工数を削減
API料金はクローズドモデルの10〜15分の1程度

影（デメリット）:

ベンチマーク数値の多くがNVIDIA自己申告。SWE-benchではGPT系より低い
「5倍スループット」の独立検証はまだ薄い
Plotlyの実務テストでは70%止まり。本番用途の幻覚率は別途検証必要
Boltシリーズのハードウェア最適化がRTX Spark/DGX Spark向けに偏っている
「オープンにしても最終的にはNVIDIAハードを買わせる」という批判は継続

Artificial Analysisのレビューも指摘する通り、NVIDIAはモデルを「オープン」にしながらも自社製品向けに最適化する戦略を取っている。NVIDIA以外のハードを使っているなら、乗り換え前に自社ワークロードでのベンチを先に取ること。

対応フレームワーク・プラットフォーム

推論フレームワーク: vLLM、llama.cpp、Ollama、LM Studio対応
クラウド: AWS SageMaker JumpStart、NVIDIA NIM経由でAzure/GCP/AWSから利用可
コンテキスト長: 最大100万トークン（Super VL）
ファインチューニング: NeMo Gymを通じてSFT・RL・蒸留レシピが公開済み

Nemotron 3.5 Super VLのウェイトはHugging Faceで公開中（nvidia/Nemotron-3.5-120B-A12B-Instruct）。vLLMでの動作確認手順はNVIDIA公式ドキュメントを参照のこと。

詳しく見る

免責事項: 本記事に記載のベンチマーク数値はNVIDIA公式・第三者サイト等の公開情報を元にしています。価格・仕様は変更される場合があります。投資判断の根拠には使用しないでください。本記事はNVIDIAとは無関係の独立した評価です。