Step 5 Preview vs Nemotron 3.5 Super：2つのウェイト公開、大きく異なる2つのライセンス

2026年10月15日、StepFunはStep 5 Previewのチェックポイントを公開し、NVIDIAはNemotron 3.5 Superのチェックポイントを公開した——1200億パラメータ、アクティブ120億のビジョン言語モデルで、リーダーボード上の正式名称はNemotron 3.5 Super VL。2つのフラッグシップとなるオープンウェイトのリリースが同じ日に行われ、共通点はほとんどない。一方は長期的なエージェント作業のために作られた600BのスパースMoEで、StepFun独自の条件でライセンスされている。もう一方はハイブリッドMamba-Transformerで、アクティブ計算量の5分の1で約2.5倍の出力速度を実現し、会話を必要とせず商業利用できるように設計されたライセンスの下にある。本日Artificial Analysisが公開しているインデックスでは、それぞれ29と14を示している。

そのスコアの差は、両者の間でいちばん面白みのない違いにすぎません。より重大な違いはライセンスページにあり、その2つのうちどちらを、誰の許可も事前に取らずに製品へ組み込めるかを決めます。

10月15日、2回

二つのリリース履歴は異例なほど並行しており、だからこそこの比較はいつも競争として枠づけられる。しかし競争ではない——両モデルは異なる用途のために作られ、出荷日だけが一致している。

• ステップ5 プレビュー — APIは2026年9月20日に運用開始、BF16およびFP8チェックポイントは10月15日に公開。StepFun自身の発表では、この遅延を意図的なものと位置づけていた。すなわち、エンドポイントを提供し、トラフィックを収集してから、重みを公開するというものだ。

• Nemotron 3.5 Super VL — 重みは2026年10月15日にBF16およびNVFP4として公開。NVIDIAは同じリリースで、チェックポイント、トレーニングレシピ、データセット、投機的デコーディング用のドラフトモデルを提供し、自社の技術レポートでは、このモデルがアクティブパラメータ数約4.6分の1ながらSWE-bench ProでNemotron 3 Ultraを上回ると主張している。

• 同シリーズの兄弟モデルとは異なります。同じリリースで公開された小型のテキスト専用モデル Nemotron 3.5 Lightning は別製品であり、ここでの対象ではありません。また、本稿の対象は Nemotron 3 Ultra でもありません。これは Step 5 Preview と別途比較したもので、性能曲線上で異なる位置にあります。

ライセンスの方がより大きな違いです。

どちらも「オープンウェイト」と呼ばれている。2つのライセンスのうち、閾値なしで使用できるように書かれているのは一方だけだ。

• Step 5 Preview — StepFunモデルライセンス1.0。これは帰属表示を伴うApacheスタイルの寛容型許諾のように読め、さらに非常に大規模な展開で発効する商業条件も含んでいます。公表された条件では、製品が月間アクティブユーザー約1億人または月間収益2,000万ドルを超えると、別途ライセンスの義務が付帯します。

• Nemotron 3.5 Super VL — OpenMDW-1.1。商用利用を全面的に許可。ユーザー数による制限も、売上を条件とするトリガーも、個別交渉も不要です。

• 重み形式 — Step 5 Preview は BF16 と FP8 を提供します。Nemotron 3.5 Super VL は BF16 と NVFP4 を提供します。NVFP4 は Blackwell ハードウェア向けに設計された 4 ビット形式で、NVIDIA は 36 のベンチマーク全体において BF16 ベースラインに対する中央値精度回復率 99.62% を報告しています。

• 重みとともに何が提供されるか — Step 5 Preview は、アーキテクチャと学習アプローチを説明する技術ブログを公開しました。NVIDIA はチェックポイントと併せて、データセット、レシピ、ドラフターを公開しました。

ほとんどのチームにとって、実務的な解釈はシンプルです。StepFun のしきい値を下回っていれば（そしてほとんど誰もがそうですが）、日常利用においてこの2つのライセンスは同様に振る舞います。違いが現れるのはデューデリジェンスです。Nemotron 3.5 Super VL の法務レビューは「商用利用可」で終わります。Step 5 Preview の法務レビューは、しきい値に関する一節で終わり、誰かがそれを自社の成長計画に照らしてモデル化しなければなりません。それは実際のコストであり、一度だけ支払うものではありますが、エンジニアリング作業が始まる前に知っておく価値があります。

再スコア後のボード

ここで得られる最も有用な修正は、両モデルについて広く引用されている数値が古くなっているという点です。ローンチ時の報道では、Step 5 Preview を44、Nemotron 3.5 Super VL を26としていました。Artificial Analysis はその後インデックス版を差し替えており、現在のボードでは同じ2モデルが29と14を示しています。古い数値から導かれたものはすべて、それらに連動して変わっています。

同じ実行、次元ごとに1行：

• Intelligence Index — Step 5 Preview 29 対 Nemotron 3.5 Super VL 14。

• AA-Briefcase v1.1 — 1,423 対 999。

• AutomationBench-AA — 51% 対 15%。

• Terminal-Bench 4.0 — 33% 対 0%。

• FrontierCode 2.0 — 12% 対 6%。

• AA-Omniscience — 16 対 −3。負の値は、棄権よりも自信のある誤答のほうが多いことを示す。

• Humanity's Last Exam（Diamond）— 24% 対 9%。

• 出力速度 — 179.1 対 450.6 トークン/秒。

• インデックスタスクあたりのコスト — $2.35 対 $0.56。

• 100万トークンあたりの混合価格 — $0.54 対 $0.1375。

結果の形は、すべてのサブベンチマークで一貫している。能力面ではStep 5 Previewがリードし、スループットと価格ではNemotron 3.5 Super VLがリードしている。Terminal-Bench 4.0の読み取りは、もう一度見る価値がある。なぜならそれはゼロであり、これほど広く使われているベンチマークでのゼロは通常、タスクを遂行する能力がまったくないことを意味するのではなく、何か具体的なことを意味しているからだ。

NVIDIA自身の数字は別のことを示している

NVIDIAが公表した数値は、独立した実行で確認されたモデルよりもはるかに強力なモデルを示している。同社はSWE-bench Proで51.78%、「同等のオープンモデルの最大5倍」のエージェントスループット、GB200ハードウェア上でGPUあたり毎秒4,632〜4,856出力トークンを報告している。これらはベンダー報告値であり、NVIDIA自身のハーネスで生成されたもので、上記のインデックススコアを算出したテストとは異なる。

これは矛盾ではなく、矛盾とみなすことがこの2つを扱う報道でよくある誤りだ。SWE-bench ProとTerminal-Bench 4.0は異なるスキャフォールディング上で異なるものを測定しており、自社モデル向けに調整されたベンダーのハーネスはそのモデルを良く見せがちだ。率直にまとめると、NVIDIAは2者の中で最も完全な開示パッケージ（レシピ、データ、ドラフター）を公開しつつ、同時に最も独立に裏付けられていない性能主張を行っている。Step 5 Previewは逆で、独立系ラボが実際に挙動を測定したモデルを巡る、より薄い開示パッケージだ。

この2つのどちらかをベンチマークの評判で選ぶなら、そのトレードオフのどちら側に自分が心地よくいられるかを見ておきましょう。再実行できるレシピは、再現できないスコアより価値があります。

それぞれを自分で運用するのにどれくらいの費用がかかるか

パラメータ数は、メモリの請求額が完全には再現しない形でNemotronをよく見せるが、方向性は正しい。

• Step 5 Preview — 合計600B、アクティブ27B。FP8ビルドは、B300を4基またはH200を8基搭載した単一ノードに収まります。BF16ビルドには約1.2 TBのGPUメモリが必要で、これはB300を8基、または8-GPU構成のH200ノード2台に相当します。

• Nemotron 3.5 Super VL — 総パラメータ120B、アクティブ12B、さらにNVFP4でも提供。これはStep 5 Previewの総パラメータ数の5分の1であるため、同じハードウェア予算で、よりずっと小規模なクラスタか、よりずっと高い同時実行性のどちらかを得られます。

アクティブパラメータ数は推論コストを決め、総パラメータ数はそもそもそのモデルをロードできるかどうかを決める。Step 5 Previewの27Bというアクティブパラメータ数により、トークンあたりの計算量はそれよりはるかに大きなモデルにも引け劣らない水準に保たれるが、その前にまず600Bという総パラメータ規模をメモリに収める必要がある。Nemotronの12Bというアクティブパラメータ数と120Bという総パラメータ規模はどちらも十分小さく、単一ノードでの現実的なデプロイが可能であり、調達プロジェクトにはならない。

NVIDIAの公表価格は100万トークンあたり入力0.225ドル、出力0.575ドルで、Step 5 Previewの1.00ドルと2.70ドルと比べると、ホステッド経路は十分に安いため、Nemotron 3.5 Super VLのセルフホスティングは主にデータ居住性の判断であり、コストの判断ではない。Step 5 Previewの場合、トークンあたり4～5倍高い料金を避ける唯一の方法はセルフホスティングだ。

スタックの残りをルーティングする

これらの2つのモデルはいずれも現在OrcaRouterのカタログには含まれていないため、これはどちらか一方について安価なエンドポイントを提供できるような記事ではありません。この判断においてルーターが真に役立つのは、その周辺の部分です。カタログに収められている200以上ものモデルは、マークアップなしでプロバイダーの定価どおりに請求されるため、ベンダーの値下げはその当日に請求書へ反映されます。そして、自動フェイルオーバーは、スタック内のStep-5以外かつNemotron以外のトラフィックが、いずれかのプロバイダーが不安定になったときにも稼働を続けることを意味します。

こうしたモデルのいずれかを選ぶチームにとって現実的な構成はハイブリッドです。大量のワークロードにはオープンウェイトをセルフホストし、ホスト型モデルはルーティングDSLの背後に維持して、クラスターが飽和している場合や、リクエストがデプロイしていない機能を必要とするロングテールのケースに対応します。複数のモデルを実行して統合された回答を返すOrcaRouterのフュージョンモードは、そのロングテールを緊急時のフォールバックとしてではなく、意図的に活用する方法です。

次に見るもの

ここで答えを変える要因は3つある。第二の独立系ラボが、インデックス実行ではなくNVIDIA自身のSWE-bench数値に似たNemotron 3.5 Super VLの結果を公表すれば、29対14の差は見出しではなくなり、ライセンスが唯一の実質的な差別要因になる。StepFunが自社ライセンスの商用閾値を緩和または明確化すれば、もう一方側のデューデリジェンスコストは消える。そして、いずれかのモデルのホステッド価格が動けば、4～5倍のトークン差が最も影響を受けやすい数値になる——Nemotronのリスト価格はすでに十分低く、さらなる値下げがあれば、セルフホスティングは戦略ではなく趣味のように見えるだろう。

そのいずれかが実現するまでは、正直な使い分けは次のとおりだ。Nemotron 3.5 Super VL は、スループットが必要で、条件なしの商用ライセンスが必要で、1ノードに収まるフットプリントが求められる場合に導入すべきモデルだ。Step 5 Preview は、タスクが長く、コンテキストが大きく、誤答のコストがトークン代を上回り、しかも大規模利用かどうかを問うライセンスを許容できる場合に導入すべきモデルだ。