Nemotron 3.5 Super 対 Claude Opus 5.5：120億のアクティブパラメータ 対 メーター

この比較を決める数字はここにあり、それはどちらのベンチマーク表にも載っていない。N​VIDIA N​emotron 3.5 Super — N​VIDIA がより正式な名称 N​VIDIA N​emotron 3.5 Super VL で公開しており、Ollama ライブラリには nemotron-3.5-super/ として登録されている — は、トークンを生成するごとに、その 1200 億パラメータのうち約 120 億を活性化する。Claude Opus 5.5はパラメータ数を一切公表しておらず、入力 100 万トークンあたり 4 ドル、出力 100 万トークンあたり 20 ドルを課金する。したがって、これらのモデルの一方はトークンあたりの限界費用が電気料金の関数であり、もう一方はトークンあたりの限界費用が予算の一行項目である。どちらの数字も本物だ。しかし、どちらもどちらのモデルの運用コストが安いかは教えてくれない。なぜなら、両者は異なる通貨で値付けされているからだ。

これについて今書く価値がある理由はこうだ。NVIDIAの重みは2026年10月12日、Hugging Faceにひっそりと公開された。リポジトリ名はNVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16。これは、10月15日のNVIDIA自身のニュースルーム投稿によって正式発表される、3日前のことだった。その発表以前に、Nemotron 3.5 Superが実行可能なものとして存在することを公に裏付けていた唯一のものは、一連のレジストリ成果物だった——そして、そうした成果物に記載された仕様の一部が、ベンダーのカードに記載された仕様と一致していないという事実である。リポジトリから分かることはかなりの量に上る。バイト数、量子化フォーマット、バージョンゲート、ライセンス。だが、どのリポジトリからも分からないのは、あなたのワークロード上でホスト型のフロンティアモデルに対してどう振る舞うかだ。このページが扱うのは、そのギャップである。

何よりも先に、リポジトリに実際に含まれているもの

10月12日、3つの使用可能なチェックポイントが互いに60秒以内に相次いで公開された。BF16参照重み、Baseバリアント、NVFP4ビルドである。別のLiLiCorrドラフターリポジトリはその1日前の10月11日に公開されており、これがこのティアの最も早い公開痕跡である。カードには、MoE層ごとに512のルーティングエキスパートを備えたMamba-2とTransformerのハイブリッドMixture of Experts、C-RADIO視覚エンコーダと視覚言語コネクタ、総パラメータ1200億でアクティブ120億、最大100万トークンのコンテキスト、テキスト・画像・動画を入力してテキストを出力、Multi-Token Predictionヘッドによるネイティブな投機的デコーディングが記載されている。ライセンスはOpenMDW-1.1で、商用利用が許可されている。デプロイはBF16の場合、H100 4台またはGB200 2台と指定されている。

Ollamaのリスティングは、ほとんどの人が最初に目にするバージョンであり、仕様がずれ始める場所でもあります。9つのタグが公開されています。そのうち4つ — :latest/、:120b/、:120b-a12b/、:120b-a12b-q4_K_M/ — は同じq4_K_Mレイヤーに解決されるため、デフォルトのpullは4ビット量子化であり、「120b」という名前は実際に取得されるファイルではありません。最も小さいものも含め、すべてのタグが1.6 GiBのビジョンプロジェクターを伴います。画像パスがオプションではないからです。出荷時のデフォルトサンプリングはtemperature 1.0、top_p 0.95で、これはカードのテキスト推奨設定です — カードのビジョン設定はtemperature 0.6です。そしてランタイムゲートは強制されます。設定はrequires: 0.40.5/を宣言しているため、古いOllamaではpullがまったく機能しません。

そうしたものはどれも不具合ではない。ベンダーのリリースノートと、それをコミュニティがまとめたものとの間に生じる、ごく当たり前の隔たりにすぎない。そしてまさにそれが、一方だけでなく両方の文書に目を通すべき理由なのだ。

12Bアクティブの正直な計算

スパース活性化こそがこのモデルの商業的論拠のすべてであり、それが何をもたらし、何をもたらさないかについては正確を期す価値がある。

それがもたらすもの：推論時、1つのトークンが触れるのはネットワークのおよそ10分の1にすぎない。したがって、固定ハードウェア上でのスループットは、120Bモデルよりも12Bの密なモデルにはるかに近く、全1200億パラメータが姿を現すのはメモリフットプリントだけである。N​VIDIA自身のカードは、同クラスの他製品より最大5倍高速なスループットを謳い、ベンダーのDynamoスタック上で提供した場合は、レイテンシを85%削減して同時ユーザー数を最大8倍にできるとしている。これらはベンダーのハードウェア上で出されたベンダー公表の数値であり、監査ではなく仕様である——しかし、その主張の方向性はこのアーキテクチャの直接的な帰結であり、少なくとも筋の通った話ではある。

それで得られないもの：重みは依然として完全に常駐していなければならない。BF16 GGUFレイヤーは230.4 GiB。q4_K_Mのデフォルトは82.3 GiBにプロジェクターを加えたものだ。トークンごとに発火するのは120億パラメータだけだからといって、どちらの数値も小さくなるわけではない。つまり、ハードウェアの下限はメモリによって決まり、スループットはアクティベーションによって決まる。だからこそ、1枚の96 GBカードで4ビットモデルを余裕をもって保持でき、しかも同じ総サイズのdenseモデルが恥じ入るような速度でトークンを生成できるのであり、同じカードがフル精度モデルをまったく保持できない理由でもある。

では、その隣にO​pus 5.5を置いてみましょう。A​nthropicのモデルはコンテキスト100万トークン、最大出力128,000トークンで、テキスト、画像、ファイル入力に対応し、価格は$4/$20、キャッシュ読み取りは100万トークンあたり$0.20です。ダウンロードも、量子化の判断も、修正すべきサンプリング既定値も、固定すべきバージョンもありません。また、十分に監査されたモデルでもあります。多くの人がこうしたものを比較するために使うサードパーティパネルの最上位に位置し、このN​emotronティアのはるか上にあります。

つまり、この比較は「どちらが優れているか」ではない。測定された汎用能力では、ホスト型のフラッグシップが勝っており、そうでないふりをするのは、購入を決めようとしている読者にとって不誠実だろう。比較すべきなのは、2つのコスト曲線が交差する地点だ。

1200億パラメータのオープンモデルがその地位を確立する場面

3か所、しかも具体的な場所だ。

• 固定費でさばくボリューム。セルフホストのチェックポイントは、限界費用を固定費に変える。トラフィックが少ないうちは従量課金の圧勝だ——H100を4台抱えれば、多くのチームがトークンに費やす額より月々のコストのほうが高くつく。トラフィックが多く安定してくれば、固定費は償却されていき、従量課金はそうならない。ここで意味を持つ計算は分岐点ただ一つであり、それはあなたのトークン量の関数であって、どちらのモデルの品質の関数でもない。

• ページ数がコストを左右するビジョン処理。 N​VIDIAのカードは、MMLongBench-Docで62.82、MathVisionで78.16、CharXiv推論で80.82、OCRBench v2英語で68.12（中国語は59.15）を報告しており、いずれもベンダー報告値です。O​pus 5.5では、同じ入力はトークン単位で課金され、スキャンしたレポート1ページはかなりのトークン数になります。1日数千ページの文書を処理するワークロードなら、品質の差よりも先に算術のほうが変わってしまいます。

• 固定。自分で管理するディスク上のチェックポイントは、勝手に変わることはありません。規制されたパイプラインにおいて、これは実際の金銭的価値があります。そしてこれは、ホスト型モデルがいくら積んでも提供できない特性です。

それがその地位にふさわしくない場面が2つあり、どちらも声に出して言う価値がある。1つ目は長期的なエージェント作業だ。N​VIDIAのカードは、Terminal-Bench 2.1で66.70、SWE-bench Verifiedで71.10、SWE-bench Proで51.78を報告している——立派ではあるが再現されておらず、ホスト型のフロンティアには及ばない。2つ目は、失敗したリクエストの代償が大きいあらゆる場面だ。なぜなら、重みが4日前のモデルは、世界の注目を4日分背負っているだけで、運用履歴がまったくないからだ。

まだ信用すべきではない数字、そしてその理由

Nemotron 3.5 Super について公開されているベンチマーク表はすべてベンダー自身のもので、NVIDIA の NeMo Gym ハーネスを通じて収集されている。GPQA-Diamond 89.52。Humanity's Last Exam テキストのみ 31.79。LiveCodeBench v6 88.22。IFBench 70.86。tau2-bench は小売 69.24、航空 76.50、通信 73.19。BrowseComp 78。LMArena v3 プロキシ 52.67。これらの一つひとつは、再現可能なレシピが添えられたベンダーの主張であり、単なる主張よりはましだが、依然として独立した測定ではない。

独立した評価ははるかに薄いものであり、それ自体がこのページで最も有用な事実だ。これらのモデルを採点する第三者パネルは、このチェックポイントのインテリジェンス指数を20代半ば、およそ26としている。対してOpus 5.5は約58だ。そのパネルはまた、指数測定の実行において異常に高い出力トークン消費を記録しており、それを冗長さと解釈している。そして、トークンごとに支払う、あるいはトークンごとに待つあらゆる展開において、冗長さは脚注ではなくコスト項目である。一つの独立したデータ点は評決ではない。しかし、それはモデルを販売している企業によって生み出されていない唯一のものである。

誰もまだ公表していないこと：4ビット量子化がそれらのスコアをどう動かすのか。Ollamaのデフォルトタグはq4_K_Mだ。公表されている数値はすべてBF16またはNVFP4のものだ。したがって、ほとんどの人が実際に体感することになる数値は測定されておらず、今後数週間で注目すべきものになる。

今日、電話できるものとできないもの

{{1}}率直に述べておく価値がある{{/1}}。この種のページで最もよくある誤解だからだ。N{{2}}emotron 3.5 Super{{/2}}はOrcaRouterにはない。当社は200を少し超えるモデルをルーティングしており、その中にN{{3}}VIDIA N{{4}}emotron{{/4}}のエントリー{{/3}}は存在しない。したがって、この特定のチェックポイントが必要なら、あなたの入手ルートはベンダー自身のビルドおよび配布チャネルとローカルランタイムからのプルであり、当社ではない。

対照的に、Opus 5.5 は当社のキーで、プロバイダーの定価にトークン単位のマークアップを一切乗せず、そのまま通した価格で提供されている。つまり、ベンダーの価格変更は、次回の契約更新時ではなく、同じ日に当社側で反映される。この非対称性は、目の前の意思決定に本当に役立つ。安上がりな最初の一手は、4 台の H100s で実行するつもりだったワークロードを、調達なしで、まず 1 つの API でホスト型モデルに対して実行することだ。ホスト型モデルが許容できる価格でその仕事をこなせば、クラスタを節約できたことになる。もしこなせなければ — そして、高密度な技術文書を大規模に読み誤ることは、こなせない十分ありうる一因だ — ベンチマーク表ではなく証拠が手に入り、生き残ったケースにダウンロードを費やせる。

デプロイレシピのコストは、具体的にいくらなのか

このカード自体のvLLMレシピは、予算文書として読む価値がある。テンソル並列度4、GPUメモリ使用率0.85、同時実行シーケンス最大32、プロンプトあたり画像1枚と動画1本、動画プルーニング0.5、そしてMTPヘッドによる投機的デコーディングで投機トークン3個。H100を4基、使用率0.85、シーケンス上限32で動かすのは、大規模なサービスではない。これは本格的な単一ノード展開であり、この同時実行数の上限は、ベンダーが単一レプリカで処理することを想定している量を物語っている。

そのレシピには、見た目以上に重要なディテールが2つある。動画設定は1つのプロンプトにつき動画1本を受け入れ、半分のレートでプルーニングを行う。これは、長い入力において視覚の予算がどこに割かれるかを強く示唆している。そして、推論パーサーの名前はnemotron_v3/ であり、ツール呼び出しパーサーはqwen3_coder/ だ — つまりベンダーは、自らが発明したわけではないツール呼び出しフォーマットを再利用している。これは既存のツール呼び出しコードを持つ人にとって朗報であり、新たなパースロジックを書く前に知っておく価値がある。

それに対して、ホスト型モデルの運用面はAPIキーひとつで済む。「H100を4枚とvLLMのレシピ」と「キー1つとメーター」の比較は、労力の面ではまったく釣り合わない。コストの面でかろうじて近づくだけであり、それも規模が大きい場合に限られる。

リポジトリから知り得るのに見落としやすい点がもう一つあります。推奨されるサンプリング設定はモダリティによって異なります。テキストには temperature 1.0 と top_p 0.95 が適しており、視覚には 0.6 と 0.95 が適しています。1つのペアをグローバルに設定してからグラフやスキャンしたページを処理するデプロイは、視覚モデルの視覚側をテキスト側の設定で動かしていることになります。文書に対するこのモデルの第一印象が良くないなら、それが最初に確認すべきつまみです — チェックポイントについて何か結論を出す前に。

で、どれ？

長期的なエージェント型コーディング、あるいは一発目からフロンティア級の推論が求められるような作業に取り組んでいるなら、答えは Claude Opus 5.5 であり、N​emotron の階層はその代わりにはならない。これは僅差の話ではないし、ベンダー自身が公開しているエージェント関連の数値もそう主張してはいない。

あなたの仕事が、推論の難しさではなくページ数がコストを左右するような、大量の文書と画像の理解であるなら、これは今年登場した中でより興味深いオープンチェックポイントの一つだ。総パラメータ1200億・アクティブ120億、寛容なライセンス、後付けではなく本当に備わったビジョン経路、そして単一の96 GBカードに収まる4ビットのデフォルト。注意点は、誰もが実際に動かすことになるバージョン——q4_K_Mデフォルト——には、どこにも公開された評価がなく、モデルは4日前に登場したばかりで、ランタイムが公開している仕様がベンダーが公開している仕様と完全には一致しないことだ。

そのどちらも、それを試す理由ではあっても、信頼する理由ではない。まずそのワークロードをホスト型モデルに載せ、フロンティアモデルなら解けて中位モデルでは解けない類のワークロードかどうかを確かめよう。次に、生き残ったケースが、クラスタやダウンロード、あるいは一晩の設定作業に見合うかどうかを判断する。そして、もし4日前のチェックポイントをリクエスト経路に入れるなら、フォールバックの後ろに配置すること。運用実績のないモデルに対する最も安価な保険は、同じ呼び出しの背後に置く2つ目のモデルなのだから。

数字からは分からないのは、そのいずれかが現場で問題を起こしたかどうかです。このクラスのモデルに関する文書化されたAIインシデントとエージェントの障害は、OrcaRouter AI Incident Archiveにまとめられており、各項目には独自の情報源、深刻度、信頼度グレード、係争中フラグが付されています。