Nemotron 3.5 Super VL 対 Nemotron 3 Ultra：フラッグシップより安いのか、それともただ小さいだけなのか？

NVIDIAにはNemotron 3.5の3つのティアがあり、そのうちの1つはプランナーにとっての罠だ。NVIDIA Nemotron 3 Ultra 550B-A55Bは2026年6月4日にリリースされたファミリーのフラッグシップだ。総パラメータ5500億、トークンあたりのアクティブパラメータ550億、Multi-Token Predictionを備えたLatentMoE層、100万トークンのコンテキスト、そして最低16台のH100または8台のGB200という要件が明記されている。NVIDIA Nemotron 3.5 Super VLは、2026年10月12日にHugging Faceで重みが公開され、10月15日にNVIDIAの発表が続いた、その1つ下のティアだ。総パラメータ120B、アクティブ12B、同じ100万トークンのコンテキスト、C-RADIOビジョンエンコーダを備え、最低4台のH100または2台のGB200で動く。Super VLに関するNVIDIA自身のカードは、これをUltraと直接ベンチマーク比較し、およそ5分の1のパラメータでUltraの近傍の精度を主張している。その主張はベンダーによる報告であり、再現されておらず、この比較全体がそこに懸かっているたった1つの文である。

実際に展開を決める算術

予算責任者が承認する数字は、2つのチェックポイントが物理的に必要とするものから始めましょう。

• 総パラメータ数 — Super VLは120B、Ultraは550B。重みのフットプリントは約4.6倍で、GPUを埋め尽くすのはこの重みです。

• トークンあたりのアクティブパラメータ — 12B 対 55B。トークンあたりの計算量は、総パラメータ数ではなくこの値に比例する。だからこそ両モデルは、そのサイズから想像されるよりはるかに安価に実行でき、両者の差がメモリで 4.6×、トークンあたりの演算量でも 4.6×になる理由でもある。

• 最小構成のハードウェア — Super VL なら 4×H100 または 2×GB200、Ultra なら 16×H100 または 8×GB200。実用上は、1ノード 対 1ラックということになる。

• モダリティ — Super VL はテキスト・画像・動画を入力可能、Ultra はテキスト入力・テキスト出力。Ultra には視覚経路がまったくありません。

• アテンション設計 — Super VL は、Mamba-2、mixture-of-experts、アテンションをインターリーブしたハイブリッドで、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ています。Ultra は NVIDIA の LatentMoE 構成を採用しています。どちらも投機的デコーディング用の MTP ヘッドを搭載しています。

• ライセンス — OpenMDW-1.1、両方とも商用利用可能、重みとレシピも両方で公開。

これら6行に共通するパターンは、Super VLがUltraを切り詰めたものではないということだ。それは別の形のモデルである。視覚に対応し、メモリ上ではるかに小さく、そして決定的なことに、中規模のチームがすでに持っているかもしれないハードウェアで展開できる。Ultraの下限はデータセンターの話だ。Super VLの下限は、本格的な推論ノードである。

余分な430億のアクティブパラメータが何をもたらすのか

一般的な推論ケース

Ultraは、純粋なテキスト推論においてNVIDIAのスタックの最上位に位置するよう構築されており、NVIDIAの6月のリリースでは、知識、数学、コーディング、長文コンテキストの各スイートにわたって、同時代のフロンティアモデル6つと比較するベンチマークが示されています。これらの数値は、この比較におけるあらゆる数値と同様に、独立した評価者ではなくNVIDIAのハーネスから得られたものであり、したがって、第三者ならどう測定するかではなく、NVIDIAが何を測定したかを示すものにすぎません。

マルチモーダルケース

ここで比較は逆転する。Ultraはページを読むことができない。作業が文書、表、グラフ、スクリーンショット、動画フレームを扱うのであれば、フラッグシップは単に候補にならず、ファミリー最大のモデルは、その推論指数がどれほど優れていても、あなたの問題には無関係だ。Super VLのビジョンエンコーダーとコネクターは、まさにその作業負荷のために存在しており、その公表されている強み——OCR、視覚的文書からの構造化抽出、多段階のビジネスワークフロー——は、Ultraがチューニングされた仕事とは異なる仕事を表している。

ロングコンテキストのケース

両方とも1Mトークンに到達する。NVIDIAはSuper VLのコンテキストを、専用の350億トークンのステージとそれに続くロングコンテキスト回復パスで拡張した。これは最大長だけよりも強いシグナルである。つまり、長い入力は宣伝用のバッファではなく、保持すべき能力として扱われたことを意味する。Ultraは独自のトレーニングパイプラインを通じて同じウィンドウに到達した。両方の独立したロングコンテキスト評価がない場合、これは引き分けと見なし、あなた自身の検索トレースが200kを超えても持ちこたえると言うモデルに、もっともらしい優位性があると考える。

片方または両方を提供すること、そしてティアの罠

罠は、このファミリーを登っていくはしごだと想定することにある。それはどちらかといえば仕切りに近く、その仕切りは能力ではなくタスクあたりのコストによって引かれる。2台の GB200s を必要とし、NVIDIA のスループット主張が正しければ、文書タスクを同クラスより5倍速く終える 12B-active モデルは、どちらがより賢いかに関係なく、そのタスクでは 55B-active モデルを上回る。なぜなら、より賢い方は、より速い方のキューがさばけるのを待って遊んでいるからだ。タスクを、ピクセルが一切関係しない長期的なコーディングや数学の問題に切り替えれば、Ultra の余分なパラメータが実際に仕事をしている。

これらのどちらも当社のカタログにはありません。曖昧な一文でそうでないかのように示唆するのではなく、明確にしておく価値があります。OrcaRouter は NVIDIA Nemotron 3.5 Super VL も、Nemotron 3 Ultra 550B-A55B も、その他の NVIDIA チェックポイントも提供していません。それらはあなたがデプロイする重みです。このような意思決定に対してルーティングレイヤーが貢献するのは、アクセスではなく測定です。ルーティング DSL を使えば、同じプロンプトを 2 つの上流モデルに送り、回答を並べて確認できます。したがって、12B アクティブの候補を 55B アクティブの現行モデルと比較評価するのは、2 つの統合プロジェクトではなく設定変更です。自動フェイルオーバーが重要なのは逆の理由です。ルーティング先のホスト型モデルがパイプラインの途中で劣化した場合、リクエストは失敗せずに移動します。これにより、Super VL をセルフホストで主要なものとして維持しているチーム向けのフォールバック経路が生き続けます。そして、セルフホスト層が吸収すべきではないワークロードの部分 — バースト、まれなモダリティ、単発の大規模コンテキストジョブ — については、1 つのキーの背後にあるカタログ、つまりプロバイダー定価に対する 0% のマークアップで 200 を超えるモデルが、そうしたリクエストの行き先です。

その段落を正直に言い表すなら、私たちはここではどちらのモデルのベンダーでもない。私たちは、比較を低コストで実行できるようにし、エスカレーション経路を低コストで維持できるようにするレイヤーだ。

コミットする前に検証すべき主張

以上のすべては、一つの未検証の文に帰着する。すなわち、12Bがアクティブな120Bパラメータモデルが、パラメータ数およそ5分の1でNVIDIA最大の推論モデルに匹敵する、という文だ。これが成り立つなら、混在ワークロードにはSuper VLがより良いデフォルトであり、Ultraは本当にそれを必要とするごく一部の問題のために取っておかれる。成り立たないなら——そしてリリースから1日後、NVIDIAの外部で測定した者はいない——2つのティアは単に同じもののサイズ違いにすぎず、選択はタスクに必要なものへと立ち戻る。ピクセルありかピクセルなしか、1ノードか1ラックか。

テストは安価で具体的だ。自分のキューから、検証可能な答えのある実タスクを50件取り、両方に対して実行し、ベンチマークスコアではなく完了率で採点する。その数値こそ、NVIDIAの数値ではなく、どのティアのハードウェアを買うかを決めるものであり、次のNemotronリリースがこのページをリセットしてもなお正しいままでいる数値だ。