NVIDIA Nemotron 3.5 Super VL 登場：120B オープンウェイト、5倍の主張、そして 249 GB の落とし穴

NVIDIA Nemotron 3.5 Super VLが登場した。そして、あなたがそれに手を出すかどうかを決めるべき仕様は、発表が最初に前面に押し出すものではない。このモデルは120Bパラメータの視覚言語システムで、12Bのアクティブパラメータ、100万トークンのコンテキスト、ネイティブの投機的デコーディングを備え、テキスト、画像、文書、動画をサポートする。NVIDIAのローンチ投稿は2026年10月15日付で、同クラス最速のオープンなエージェント型モデルとして売り込み、「同クラスの他モデルと比べて最大5倍高速なスループット」をArtificial Analysis Intelligence Indexリーダーボード上で測定したとしている。その投稿があなたの目の前に差し出さないのは、このリリースが2つのチェックポイントであること、両者の違いが174 GBのVRAMであること、そして小さいほうがその節約の代償を不均等に払っていることだ。

10月15日に実際に出荷されたもの

2つの出来事は別々の日に起きており、デプロイの日付を特定したいなら、そのずれは重要だ。重みは10月12日15:32 UTCにHugging Faceで公開された。発表は10月15日に続いた。NVIDIA自身のモデルカードでは、リリースは10/15/2026、バージョン1.0 GAと記載されている。つまりベンダーは15日を出荷日と見なしているが、リポジトリのタイムスタンプはそうではないと示している。どちらの日付も1週間以上前ではなく、どちらも十分に最近のことで、このリリースについて独立に再現されたものはまだ何もない。

このリリースは、発表の名前の由来となったモデルよりも広範です：

• Nemotron 3.5 Super VL — フラッグシップモデル。総パラメータ120B／アクティブ12B、BF16ビルドとNVFP4ビルドの2種類があり、いずれも10月12日に公開。

• Nemotron 3.5 Super VL Base — ポストトレーニング前のチェックポイントであり、instruct ビルドと同時に公開されています。ライセンスにより独自のポストトレーニングを実行できるため、これが重要な意味を持ちます。

• Nemotron 3.5 Bolt 74B-A9B 24GB — ネイティブ2ビット量子化により24GBに収まるエッジモデル。10月7日公開。

• Nemotron 3.5 Bolt E4B 4GB — ファミリーの中で最も小さく、10月23日付。

アーキテクチャは、Multi-Token Prediction を備えた Mamba-2/Transformer ハイブリッドの Mixture-of-Experts で、MoE 層ごとに 512 個のルーティングされたエキスパート、C-RADIO ビジョンエンコーダー、視覚言語コネクターを備えている。マルチモーダル処理は OCR、表、グラフ、複数ページ文書、視覚的グラウンディングをカバーし、動画は MP4 として最大 2 分まで受け付け、2 FPS かつ最大 256 フレーム、または 1080p で 1 FPS かつ 128 フレームでサンプリングされる。ライセンスは OpenMDW-1.1 で、モデルカードには商用利用にも非商用利用にも対応可能と記載されている — 真に許容的な条件群であり、このリリースが注目を集めた理由の実際の一端でもある。

2つのチェックポイント、そしてその間の174 GB

ここが、GPU の費用を負担しなければならない人にとって、このリリースが興味深くなるポイントです。NVIDIA は同じモデルを 2 つの精度で 2 回公開しており、その 2 つのビルドはサイズが近いわけではありません。以下のどちらの数値も、個々の重みシャードのサイズを報告している Hugging Face リポジトリのファイル一覧から読み取ったものです。

• BF16チェックポイント — 63個のシャードにわたって248.94 GB。safetensorsヘッダーによると、パラメータ数は1244億5000万です。

• NVFP4チェックポイント — 88個のシャードで合計75.06 GB。推論はBlackwellではW4A4、それより古いハードウェアではW4A16で実行されます。

• ハードウェア、フル精度 — NVIDIAのカードには、テキスト、画像、動画向けに4× H100または2× GB200が記載されています。

• ハードウェア、量子化済み — 1× H200、2× H100、1× GB200、または単一のDGX Spark。Sparkの経路では、投機的デコーディング用のLiLiCorrドラフターが必要です。

• その削減量173.88 GB、つまりディスク上で約3.3倍小さくなり、4基のGPUノードと単一アクセラレータの違いに相当します。

それを経済学の問いとして読んでほしい。なぜなら、それはまさにそういうものだからだ。4台のH100から1台のH200へ移行することは、チューニング上の判断ではない。今四半期に製品の背後に置けるモデルと、そうできないモデルとの違いなのだ。NVIDIAが使った量子化レシピも、通常より慎重だ。ビジョンエンコーダ、コネクタ、Mamba畳み込み、埋め込みはBF16のままにし、MoEルーターはFP32のままにし、残りはBF16モデルからの量子化認識蒸留によって生成され、その上にSFTベースの蒸留を200イテレーション重ねている。

量子化ビルドが犠牲にするもの

NVIDIAは、他のすべての設定を固定したまま2つのチェックポイントを比較する対照表を公開した。これはこの比較を行うための誠実な方法であり、本来よりも珍しいものである。以下のペアは、NVFP4モデルカードにあるNVIDIA自身の数値であり、すべてが同じ方向を示しているわけではない。

量子化ビルドが劣る点：

• Terminal-Bench 2.1 — BF16では66.70、NVFP4では60.80。5.9ポイントの低下で、この表における最大の単一の退行です。

• WebVoyager、オフライン — 77.72 対 66.31。ブラウザエージェント作業における11.4ポイントの低下。

• DeepSWE、オフライン — 24.65 対 18.20。

• MMLU-ProX — 76.91 対 73.76。

• tau3-bench banking — 18.88 対 17.78。

それが利益を得る場合、あるいは維持する場合：

• GPQA-Diamond — 89.52 対 89.90.

• APEX候補リスト — 88.36 対 89.36。

• AA-Omniscience ハルシネーション率 — 30.0 対 27.7、つまり NVIDIA 自身の指標では量子化ビルドのほうがハルシネーションがわずかに少ない。

• tau2-bench telecom — 両側とも73.19、同一。

• OCRBench v2 EN — 68.12 対 68.34。

• MMLongBench-Doc — 双方とも62.82。

このパターンは、統計学者でなくても読み取れる。文書、OCR、知識想起のワークロードはほとんど動かず、一部は改善する。長期的なエージェント的ワークロードは大きく動く。あなたのアプリケーションが申請書類、レシート、ページ画像を読み取って構造化出力を返すのであれば、提供すべきなのは75 GBのチェックポイントであり、ほとんど何も犠牲にしていない。あなたのアプリケーションが、端末を実行したりブラウザを操作したりすることを何十ステップも連続して行うエージェントであれば、Terminal-Benchのおよそ9パーセントをGPU費用の4分の3と引き換えにしていることになり、それはベンダーの表ではなく、自分自身の評価で判断する価値のある決定だ。

5xと、それが何を基準に測られているか

NVIDIAの見出しはスループットであり、それは軽視したりそのまま繰り返したりするのではなく、正確に読まれるべきものだ。主張は「同クラスの他モデルと比べて最大5倍高速なスループット」であり、その「クラス」は投稿内で定義されていない。測定はNVIDIA自身によるもので、NVIDIAのサービングスタック上で、レシピが選んだ任意の並行度とシーケンス構成で行われている——モデルカード自体のデプロイ表は、ハードウェアに応じて32の並行シーケンスと5または3の投機的ドラフトトークンを指定しており、20ターンのエージェント型プロキシでのスループットは、単発プロンプトでのスループットとはまったく異なる数値なのだ。

それらのどれも、その主張が虚偽であることにはしない。それは、ベンダーが構成したワークロードに関するベンダー主張にするだけであり、まさにラベルが言っているとおりだ。注目すべきは、このリリースには対抗する裏付けがないことだ。これらのチェックポイントについて独立したスループット測定は公表されておらず、出回っている数字はNVIDIAのものだけである。ベースラインモデルの名前、明示された同時実行数、明示されたハードウェア構成がないスループット値では、容量計画を立てることはできない。5xがあなたの意思決定を支える根拠なら、GPU予約に署名する前に、自分のトラフィックでそれを再現せよ。

NVIDIA自身の表で見る、モデルが強いところ

単一モデルのカードには、BF16チェックポイントが同種のモデルと比べてどうなのかも記載されている。NVIDIA自身の列の右側にある列も読む価値がある。それらもまたNVIDIAのものだからだ。Qwen3.5-122B-A10B、Qwen3.8-Flash-Next、DeepSeek-V4-Flash、Nemotron 3 Ultra、Inkling-Small、GLM-5.3-Flashとの比較：

• Video-MME v2 — 32.85。Qwen3.8-Flash-Next の 45.1、GLM-5.3-Flash の 14.8 との比較です。中位に位置し、どの行よりもばらつきが最も大きくなっています。

• OCRBench v2 EN — 68.12、Qwen3.8-Flash-Nextの67.9、Qwen3.5-122B-A10Bの68.3とほぼ同水準です。

• CharXiv推論 — 80.82、両Qwenモデルに後れを取っています。

• MathVision — 78.16、87.5のQwen3.8-Flash-Nextに後れを取る。

• MMLU-ProX — 76.91で、その行の同業他社のどの列よりも低い値です。

• AA-Omniscience ハルシネーション率 — 30.0 で、Qwen3.5-122B-A10B の 84.5、DeepSeek-V4-Flash の 95.9 に対する値です。この行では低いほど優れており、その差は小さくありません。

• Terminal-Bench 2.1 — 66.70、Qwen3.8-Flash-Nextは85.8、GLM-5.3-Flashは82.7。

• SWE-bench Verified — 71.10、GLM-5.3-Flash は 79.10。

• OSWorld-Verified — 51.14、GLM-5.3-Flashの14.78に対して。

その全体像は、NVIDIAがこのモデルの用途として述べていることと一致している。純粋な推論やコーディングではトップではなく、そう主張してもいない——発表では、フロンティアとではなく、パラメータ数が約5分の1でありながら自社最大モデルと比べた位置づけを与えている。ハルシネーションの抑制、文書抽出、デスクトップエージェント作業では強く、動画では中位で、最も難しいエージェント型ターミナルベンチマークでは後れを取っている。発表の最初の行に「動画理解」があったからこのリリースに来たのなら、注意深く見るべきは動画の数値だ。

運営にかかる費用

定価は存在せず、それはNVIDIA側の省略ではありません——オープンウェイト公開というものの形なのです。NVIDIAはこのモデルを公開レートでトークン単位で販売しているのではなく、OpenMDW-1.1のもとで重みを公開し、検証済み構成のNIMコンテナを公開しており、支払うのはGPUに対してです。したがってコストの問いはGPU時間の問いであり、許容できる答えは2つ、BF16なら4× H100、NVFP4ならH200 1台またはDGX Spark 1台です。

それが、オープンモデルとホステッドAPIを比較するときに、多くのチームが計算を間違える部分だ。ホステッド側が示すトークンあたりの料金には、すでに他者の利用率カーブが含まれている。オープン側が示すのはチェックポイントと最小ハードウェアのリストであり、実際のコストは、GPUを稼働させ続けられるかどうかに完全に左右される。75GBのチェックポイントを動かす単一のH200で、社内ワークフロー1つを1日に数百回処理する場合、呼び出しあたりのコストは、共有デプロイ上の同じチェックポイントよりも桁違いに高くなる。買う前に借りて、代理ワークロードではなく自社のプロンプトで毎秒トークン数を測定しよう。

製品に賭ける前に試しておく

ドキュメントができてまだ1日しか経っていないモデルに対して、正直な最初の一手は移行ではなく評価であり、まさにそこが、ゲートウェイがレトリックではなく実質的な仕事をする場面です。1つのキーで、プロバイダーの定価のまま0%のマークアップで200以上ものモデルにアクセスできるということは、本当にやりたい比較——Nemotron 3.5 Super VL と、現在運用しているテキストまたはビジョンモデルとの比較——が、2つ目のベンダーとの関係を築くことではなくモデル文字列の変更で済むということであり、プロバイダー間の自動フェイルオーバーがあれば、テストしているだけのワークロードを本番トラフィックと並行して実行でき、どちらかが他方に依存することもありません。これはここでは通常以上に重要です。この2つのチェックポイントはエージェント的な作業において挙動が十分に異なるため、有用な実験は「このモデルは優れているか」ではなく、「この2つのビルドのどちらを、自分のどのベンチマークで、どのGPUコストで使うか」という問いになるからです。

GPU 1か月分を無駄にしないための手順はこうだ。まずドキュメント型のワークロードを選ぶ。そこが BF16 と NVFP4 の差が最も小さく、モデル自身の数値が最も良いからだ。それをより小さいチェックポイントに対して実行する。自分で書いた評価でスコアを付ける。そうして初めて、エージェント型ワークロード——量子化ビルドが Terminal-Bench で 5.9 ポイント、WebVoyager で 11.4 ポイント失うもの——が 249 GB のビルドと 4 基の GPU を正当化するかどうかを判断する。

まだ何が答えられていないのか

3つのギャップは、マーケティングではなく意思決定を変えるものだからこそ、注視に値する。

第一点は独立した評価だ。この記事にあるNVIDIA由来の数値はすべてそのように明示されており、今回のリリースでは数値はすべてNVIDIA由来だ。どちらのチェックポイントについても、サードパーティがスループット測定、精度の再現、評価ハーネスの比較を公開したことはない。5倍のスループット主張と対をなす量子化表は内部的に整合しており、明らかに注意深く作られているが、依然としてベンダー報告であり再現されていない。NVIDIA外部の誰かが同じ実験を公開するまでは、それらを上限として扱うこと。

2つ目は動画のパスです。このモデルはMP4を受け付け、発表では動画理解を前面に打ち出していますが、NVIDIA自身の表にある唯一の動画ベンチマークでは32.85にとどまり、一方でQwen3.8-Flash-Nextは45.1に位置しています。学習データは1万時間から100万時間までの動画をカバーしており、これは広い範囲ですが、密度やドメインについては何も教えてくれません。動画がユースケースなら、これは最初にテストすべき行であり、発表から作られた調達用のプレゼン資料を最も失望させそうな行です。

三つ目はベースチェックポイントだ。同じライセンスでのその公開は、今回のリリースの中で最も長い尾を引く部分になる。自前のデータを持つチームが、ベンダーのモデルの周りでプロンプトを工夫するのではなく、ポストトレーニングを実行できるようにするからだ。NVIDIA自身のこのファミリー向けポストトレーニングコーパスも公開されており、NVIDIAの報告にある効果量は、NVIDIAのハーネス内で数十ポイントに達する。そのベースを起点にした、信頼に足る独立系のファインチューニングをまだ誰も公開していない。誰かがそうすれば、それはこのモデルの本当の天井について、ローンチ記事よりも多くのことを教えてくれるだろう。

重みは今日ダウンロードでき、ライセンスは商用利用を認めている。ダウンロードできない2つのものは、独立したベンチマークと、名前の明記されたベースラインを伴うスループットの数値だ——そしてそのどちらも、現在4日しか経っていないモデルに本番経路をコミットする前に必要になるものだ。