Nvidia Nemotron 3.5 Super VL、5倍の速度の公開モデル

モデルが処理する視覚とエージェントのタスク

Nvidia Nemotron 3.5 Super VLは、企業の文書にある光学文字認識、表、グラフ、構造化された視覚情報を処理します。視覚と言語のアーキテクチャにより、ウェブページを読み、テキストを抽出し、グラフを分析し、複雑なPDFファイルを直接処理します。視覚の理解とテキストの分析を1つのシステムに統合することで、ソフトウェアエージェントは、別々のモデルの間で文脈を受け渡さずにワークフローを実行できます。Atlassian、CrowdStrike、Dassault Systèmes、Salesforce、Perplexityなどのソフトウェアプラットフォーム企業が、このモデルを組み込んでいます。JiraやConfluenceなどのアプリをまたぐエージェント型検索、ブルーチームのサイバーセキュリティ運用、エンジニアリングシミュレーション、Missionforce Operationsを通じた複雑な政府のワークフローを自動化するためです。

フロンティアモデルと比べたNemotron 3.5 Super VLのベンチマーク性能

Artificial Analysis Intelligence Indexのリーダーボードで、このモデルは同クラスのほかのシステムより最大5倍高いスループットを達成しています。Nemotron 3.5 Super VLのベンチマーク試験では、1200億パラメータのオープンモデルが、指示の遵守、ツールの利用、視覚の理解、複数段階の業務ワークフローで、Nvidiaの最大の推論モデルに匹敵する精度を、およそ5分の1のパラメータ数で実現しています。フラッグシップのモデルに加え、2つのエッジ向けモデルも登場します。ローカルのエージェントタスク向けのNemotron 3.5 Bolt 74B-A9B(24GB)は、PinchBenchで同クラスのオープンモデルの1位、BrowseCompで2位に入っています。高速な対話型インターフェース向けのNemotron 3.5 Bolt E4B(4GB)は、2026年10月23日に登場します。

企業チームがオープンウェイトを追加学習してカスタマイズする方法

組織は、Nvidia NeMoのパイプラインを使い、独自のデータセット、社内ツール、社内の方針、カスタムのワークフローでオープンウェイトを追加学習できます。事前学習と継続事前学習はおよそ26兆トークンに及び、その後に380万サンプルでの追加学習と、NeMo Gym環境での強化学習を行いました。ツールの利用、金融、指示の遵守、長い文脈、公平性、視覚と言語の理解を扱うオープンなデータセットは、Nemotron 3.5 Super VL Hugging Faceのリソースとして、Hugging Faceで公開されています。Scale AIは、Skydanceのベンダー与信金融エージェントと、EYのM&Aデューデリジェンスエージェント向けにアーキテクチャをカスタマイズしました。TrainLoopは、AIが最初の患者の処方箋を書くことを初めて承認された企業であるNollaの皮膚科データで、モデルを追加学習しました。

金融、サイバーセキュリティ、探索分野での広がり

さまざまな業界の数十の組織が、特化した導入に向けてオープンなアーキテクチャを微調整しています。AfterQueryはHebbia向けに、与信契約の分析を行うようモデルをカスタマイズし、AI21とAliceはサイバー攻撃への耐性のために追加学習しました。Mercorは、計画、コードの記述、デバッグを行うエージェント向けに、コーディングのベンチマークAPEX-SWEでモデルを微調整しました。ModelScopeは、ms-swiftフレームワークで微調整を可能にしています。ほかにモデルをカスタマイズしている組織には、金融文書のインテリジェンスのRamp、ソブリンAIのサイバーセキュリティ研究のDream、科学的な発見のLila Sciences、医療請求の分析と収益サイクル管理のR1があります。

ローカルのハードウェアの選択肢とNemotron 3.5をローカルで動かす方法

モデルファミリーをローカルで動かす方法は、データセンター、デスクトップのワークステーション、エッジデバイスという導入の階層によって決まります。Nemotron 3.5をローカルで動かす方法を探す開発者は、Nemotron 3.5 Bolt 74B-A9Bを、DGX Spark、DGX Station、RTX PROワークステーション、GeForce RTX搭載PC、2026年10月16日に登場するノートパソコンに導入できます。Bolt 74B-A9Bモデルは、ネイティブの2ビット量子化により24GBのメモリに収まり、llama.cpp、Ollama、LM Studio、Unsloth、Canonical、vLLMなどのローカルのエージェントハーネスに対応して、ワークロードをクラウドに送りません。フラッグシップの120B Super VLモデルは、DGX StationとRTX PROのシステム、エッジのJetson上でローカルに動くほか、Nvidia NIMにパッケージされたマイクロサービスとしても動きます。

オンラインストアと企業にとっての変化

企業の導入にとって、このモデル群は、能力と導入しやすさのどちらかを選ばせることなく、あらゆるインフラの階層に最適化されたオープンな選択肢を提供します。Nvidia DynamoでNvidia Nemotron 3.5 Super VLを動かすと、企業環境では最大8倍のユーザーに提供でき、運用の遅延を85%減らせます。組織は、モデルとデータを完全に自社の設備内に置くことで、データの所在とプライバシーを完全に管理でき、第三者のAPIの制約を避けながら、保険金請求の不正スキャンや、社内の与信基準に照らした信用スコアの確認といった、繰り返しの自動化タスクを動かせます。

よくある質問

Nvidia Nemotron 3.5 Super VLは何に使われますか。

このモデルは、視覚的な文書処理、光学文字認識、表とグラフの分析、ウェブの閲覧、複数段階の業務ワークフロー、企業のソフトウェアシステムをまたぐツールの利用を行う、特化型の企業向けエージェントを動かします。

Nemotron 3.5 Super VLはプロプライエタリなフロンティアモデルとどう比べられますか。

Nvidiaの最大のプロプライエタリな推論モデルに匹敵するフロンティア水準の精度を、およそ5分の1のパラメータ数で実現し、クラスのベンチマークで最大5倍高いスループットを達成します。ウェイトとデータセットはオープンで、ローカルへの導入を完全に管理できます。

企業チームはNemotron 3.5 Super VLを独自のデータで追加学習できますか。

はい。オープンウェイト、学習レシピ、Hugging Faceで公開されたオープンなデータセット、Nvidia NeMoのPythonパイプラインを使い、独自のデータ、社内の方針、特化したワークフローでモデルを追加学習できます。