Nemotron 3.5 Super VL 対 Nemotron 3.5 Lightning：同一ファミリーの2つのティア、そしてどちらを選ぶかを決めるトークン

これら2つのモデルは競合関係にはなく、両者を同一視することこそが、スペックシートが誘い込む誤りだ。NVIDIA Nemotron 3.5 Super VLは120Bパラメータ、アクティブ12Bの視覚言語モデルで、フル精度で動かすにはH100が4基、あるいはGB200が2基必要となる。NVIDIA Nemotron 3.5 Lightning 30B-A3Bは30Bパラメータ、アクティブ3Bのテキストモデルで、DGX Spark 1台またはH100 1基に収まる。両者はライセンスを共有しており——OpenMDW-1.1、商用利用可、オープンウェイトにオープンレシピ——Mamba-2とスパースエキスパートでトークンあたりの計算量を抑えるという設計哲学も共有している。だが、入力モダリティも、ハードウェアの下限も、役割も共有していない。Lightningのほうが約2か月古く、2026年8月11日に出荷された。Super VLのウェイトは2026年10月12日に公開され、NVIDIAの発表が10月15日に続いた。つまり、一方はすでに落ち着いたリリースであり、もう一方は生まれてまだ1日ということになる。

ゲートとは、平たく言えば

どちらのモデルも、評価レシピが公開されたダウンロード可能なチェックポイントとして存在します。両者はいずれもベンダーによる評価です。以下の表にある数値はすべてNVIDIA自身のNeMo GymまたはNeMo Evaluatorハーネスから得られたもので、第三者によるものではなく、どちらも独立したスループットや精度の監査に裏付けられていません。この注意点は比較全体に当てはまるものであり、各行に繰り返し記載してはいません。

Lightning がより優位に立つ点：NVIDIA によると、Lightning 30B-A3B NVFP4 チェックポイントは Hugging Face で約907,000回ダウンロードされているのに対し、公開から1日目の BF16 Super VL チェックポイントは約142回だ。これは品質のシグナルではない——ノートPCクラスのアクセラレータで実行できるモデルと、実行できないモデルとの違いである。

2つのチェックポイントに含まれるもの

Nemotron 3.5 Lightning 30B-A3Bは、インターリーブされたMamba-2とMoEレイヤーに少数のアテンションレイヤーを組み合わせて構築されたハイブリッドなMixture-of-Expertsであり、総パラメータ数30B、トークンあたりのアクティブパラメータ3B、コンテキスト長1Mトークン、入力はテキストのみです。NVIDIAは、NVFP4の事前学習レシピを用いて20兆トークン以上で訓練し、Multi-Token Predictionヘッドを追加した後、合成コード、数学、科学、ツール呼び出し、指示追従のデータでファインチューニングを行い、その後GRPO強化学習段階を経ました。これには3つの別個の投機的デコーディング戦略が搭載されています — 低同時実行のデータセンターおよびDGX Spark作業向けのDSpark、さらにMTPとDFlash — これは30Bモデルとしては異例なほどの推論エンジニアリングであり、想定ユーザーが誰であるかを示しています：ローカルでエージェントを実行し、ウォールクロックを気にする人です。

NVIDIA Nemotron 3.5 Super VL は骨格を共有し、目を追加している。同じインターリーブされた Mamba-2、MoE、アテンションのハイブリッドを採用するが、MoE 層ごとに 512 のルーティングされたエキスパートを備え、C-RADIO 視覚エンコーダと視覚言語コネクタを持ち、総パラメータ数 120B、アクティブパラメータ 12B で、テキスト、画像、動画を入力とする。その言語バックボーンは Nemotron 3 Super Base から初期化され、その後、継続的な事前学習、1M コンテキストへの 350 億トークンの拡張、ソフトウェアエンジニアリング中間トレーニング、長コンテキスト回復段階の前に、Nemotron 3 Ultra Base から 1 兆トークンにわたって蒸留された。この 2 つのリリースは技術レポートも共有している — NVIDIA は Super と Lightning の研究を一緒に公開した。

• アクティブパラメータ — Super VLはトークンあたり12B、Lightningは3B。視覚エンコーダを数に入れる前で、生成される各トークンの計算量は4倍。

• モダリティ — Super VL にはテキスト、画像、サンプリングされた動画フレームを入力。Lightning はテキスト入力・テキスト出力。Lightning が対応する言語は英語、スペイン語、フランス語、ドイツ語、イタリア語、日本語です。

• ハードウェア最低要件 — Super VL向けにはBF16で4×H100または2×GB200、さらに本番用のNVFP4ビルドとNIMマイクロサービス。Lightning向けには、DGX Spark 1台、H100 1台、RTX 5090、またはW4A16経由のAmpereクラスシリコン。

• コンテキスト — どちらも100万トークンで、単一の宣伝上の最大値ではなく、公開されたレシピを備えている。

• 投機的デコーディング — Super VLは独自のMTPヘッドをネイティブに使用するため、ドラフターのダウンロードは不要です。LightningはDSpark、MTP、DFlashの各バリアントを個別のチェックポイントとして提供します。

• ライセンス — 両方ともOpenMDW-1.1、商用利用可能、Hub上のオープンデータセットとRL環境を伴う。

数字が語ることと語らないこと

NVIDIA自身のハーネス上では両者の差は大きく、それは想定どおりだ。12Bアクティブのモデルは3Bアクティブのモデルを上回るはずだ。NVIDIAが公開した表でこの差を裏付けると、GPQA-DiamondはSuper VLが89.52、Lightningが75.44。HLE text-onlyは31.79対11.72。SWE-bench Verifiedは71.10対51.56。Terminal-Bench 2.1は66.70対24.58。AA-LCRは68.62対52.00。

それらの行の中にあるパターンは、行そのものよりも有用だ。Super VLのリードは、ロングコンテキストとエージェント実行のベンチマークでは圧倒的で、一般知識では比較的控えめだ——MMLU-ProはLightningの81.94に対して76.91で、これは小さいモデルが行の1つで勝つ珍しいケースだ。それは、ソフトウェアエンジニアリングのデータで意図的に中間訓練され、ロングコンテキスト回復段階を与えられたモデルの形だ。事実を思い出すことよりも、タスクを最後まで遂行することの方が得意なのだ。あなたのワークロードが短いテキストに対する事実質問応答なら、30Bモデルの不利はほとんど消え、しかもトークンあたりの計算量は4分の1で済む。

NVIDIAはLightningのカードに、実質的にそのまま繰り返す価値のある注意書きを載せている。数値は公式のNVFP4チェックポイントを用いて測定されたものであり、そのチェックポイントに適用されるもので、NVIDIAは自社の評価が競合モデルのベンダーが報告する数値と異なる可能性があると述べている。これは異例なほど正直な一文であり、Super VLの表にも等しく当てはまる。

ティアの選択と、その上で起こること

決定ルールは、インデックスではなく、モダリティとフロアから自ずと導かれる。ページを読み取る必要があるもの——請求書、グラフ、スキャンしたフォーム、アプリケーションのスクリーンショット、動画のフレーム——は、Super VL にしか回せない。Lightning にはピクセルを扱う経路が一切ないからだ。テキスト入力・テキスト出力で、継続的に稼働し、すでに所有しているハードウェア上で動くものは、Lightning の担当になる。単一のアクセラレータ上で NVFP4 の 3B アクティブモデルを動かすのと、4 基の GPU にまたがる 120 億のアクティブパラメータとでは、コスト基盤がまったく異なるからだ。

その両者の上に位置するのがNVIDIA Nemotron 3 Ultra 550B-A55Bであり、Super VLカードはこれと直接ベンチマーク比較を行い、GB200を8基またはH100を16基必要とする。3つの階層、3つのハードウェアクラス、ライセンスは1つ。このファミリーは、単一の組織が3つすべてを導入し、それらの間でワークロードを移行できるように設計されており、興味深いエンジニアリング上の課題はどれか1つを選ぶことではなく、どのリクエストをどこへ送るかを決めるルーターにある。

そうしたルーティング層こそ、チェックポイントではなくプラットフォームがその真価を発揮する場所であり、ここで私たちが何をし、何をしないのかを正確に述べておく価値があります。OrcaRouter は NVIDIA Nemotron 3.5 Super VL、Nemotron 3.5 Lightning 30B-A3B、Nemotron 3 Ultra 550B-A55B を提供していません。この3つのいずれも当社のカタログにはなく、セルフホスト型のチェックポイントは定義上、API プロバイダーが手渡せるものではありません。私たちが提供するのは、ローカルとホスト型が混在するフリートを取り囲む部分です： 複数のモデルを1つの呼び出しに組み合わせるルーティングDSLにより、パイプラインは機械的なページを小型で安価なモデルに送り、難しいページだけをエスカレーションできます。さらに、上流プロバイダー間の自動フェイルオーバーにより、ホスト型の依存先が劣化してもパイプラインが道連れで停止しないようにします。その等式のカタログ側 — 現在、1つのキーの背後に200を超えるモデルが、プロバイダー定価に対するマークアップ0%で用意されています — が、エスカレーション分岐の呼び出し先です。量をさばくセルフホストの Lightning と、例外を処理するルーティングされたホスト型モデルという組み合わせは、どちらか片方だけよりも小さく安全なシステムです。

何を見るべきか

Lightningの相対的な成熟度こそ、過小評価されている変数だ。8月から公開されており、サードパーティによる量子化、llama.cpp、Ollama、LM Studio、vLLMの対応があり、失敗モードが知られるほど十分に大きなダウンロード基盤を持つ。Super VLにはモデルカード、テクニカルレポート、vLLMのday-zeroレシピ、そして公開から1日のダウンロード数がある。今月それを本番環境で動かすということは、荒削りな部分を見つける人間になることを意味する。

特に注目すべきは、NVFP4 Super VLビルドがハードウェア格差を問題になるレベルまで埋めるかどうかだ。量子化された120B-A12Bモデルが少数のアクセラレータ — 1基ではなく、4基未満 — で実用的に動作するなら、ティアの境界が動き、3モデルファミリー全体を一体として展開するコストが下がる。それが実現するまでは、分け方はモダリティによる。大量のテキストを自前のハードウェアで処理するならLightning、ピクセルを1つでも含むものなら何でもSuper VL、タスクがNVIDIAが販売する最大モデルを本当に必要とするならUltraだ。