NVIDIAのNemotron 3.5 Super VLは、2026年10月15日に公開した1200億パラメータのオープンMoE視覚言語模型(活性120億)である。Mamba-2/Transformer混成とC-RADIO視覚エンコーダを組み合わせ、テキスト・画像・最大2分の動画を取り込み、推論・コード・ツール利用・文書・動画理解を単一重みで行う。OpenMDW-1.1ライセンスで商用利用可、100万トークン窓、BF16は4x H100または2x GB200、NVFP4は単一DGX Sparkで動作する。
パラメータ
120B (MoE, 12B active)
コンテキスト長
1M
ライセンス
OpenMDW-1.1
リリース日
2026-10-15
ベンチマーク性能
AA インテリジェンス指数
26.0
LMArena Elo
—
Human-Like Evaluation
—
ARC-AGI-2
—
SWE-bench Verified
71.1
GPQA Diamond
89.5
MMLU-Pro
—
LiveCodeBench
88.2
AIME 2025
—
MATH-500
—
API料金
入力料金（1Mトークンあたり）
$0.15
出力料金（1Mトークンあたり）
$0.5
課金モード: standard
強み
- •オープン重みかつ商用ライセンス(OpenMDW-1.1)
- •テキスト・画像・動画を単一重みで統合
- •100万トークン窓とNVFP4による単一DGX Spark動作
- •Ramp・EY・CrowdStrike等の実企業採用実績
弱み
- •AA知能指数26で最前閉模型(約58)に大差
- •主要ベンチはNVIDIA独自・一部NeMo Gym足場
- •最高速度はNVIDIAハードウェア依存
- •動画入力は2分まで・音声なし
活用例
- •文書・領収・PDFエージェント
- •オンプレ準拠のデータ処理
- •局部高スループット視覚エージェント
- •NVIDIAハード向けカスタマイズ推論
深度分析
パラメータ
120B (活性12B MoE)
Mamba-2+Transformer混成; 層当たり512ルーティング専門; C-RADIO視覚エンコーダ
コンテキスト窓
100万トークン
テキスト・画像(JPEG/PNG)・動画(MP4最大2分); テキスト出力
ライセンス
OpenMDW-1.1
Hugging Face・ModelScope・OpenRouterで公開重み; 商用+非商用
GPQA-Diamond
89.52%
NVIDIA発表; オープンVLとして強い
LiveCodeBench v6
88.22%
NVIDIA発表のエージェントコーディング
SWE-bench Verified
71.10%
NVIDIA発表; 最前閉コーダーに劣る
AA知能指数
26
第三者(Artificial Analysis); 約58の閉リーダーに大差
リリース
2026年10月15日
Bolt 74B-A9B(24GB局部)・Bolt E4B(4GB)と同時
強み
- ・オープン重みかつ商用ライセンス(OpenMDW-1.1)で、通常の公開模型制限なしに自己ホスト・微調整・配布可能。訓練データとレシピも公開。
- ・統合マルチモーダルエージェント模型。テキスト模型に別視覚模型を継ぎ足すのではなく、一組の重みで推論・コーディング・ツール利用・文書・動画理解を担う。
- ・非常に長い文脈を安価に実行。Mamba-2/Transformer混成が100万トークン窓を低メモリで保持し、NVFP4で単一DGX Sparkに乗る。
- ・公開時の実企業採用。Ramp(領収解析・約10倍遅延改善)、EY、CrowdStrike、Perplexity、Salesforceが本番利用を報告。
弱み
- ・ベンチの現実確認。Artificial Analysis知能指数は26で最前閉模型の約58に大差。効率専門家であり最前線の代用品ではない。
- ・大部分の看板数字はNVIDIA独自で、一部はNeMo Gym足場による。他社結果と直接比較できない。
- ・NVIDIAハードウェア依存。BF16ビルドは4x H100または2x GB200。最高速度は事実上NVIDIA GPU購入を意味する。
- ・マルチモーダル入力は2分動画まで・テキスト出力のみ。音声・音声合成は非ネイティブ。
競合比較
| Model | Arena | SWE | GPQA | Price |
|---|---|---|---|---|
| GPT-5.4 (マルチモーダル) | N/A | より高い(SWE-bench) | N/A | 非公開 |
| Qwen3-VL / Kimi K3 | N/A | N/A | N/A | 公開 |
| Nemotron 3.5 Lightning | N/A | N/A | N/A | 公開(テキスト専) |
Nemotron 3.5 Super VLはNVIDIAのエージェント向けオープン重み視覚言語模型で、2026年10月15日に公開された。1200億パラメータの混合専門模型でトークン当たり120億を活性化し、Mamba-2/Transformer混成アーキテクチャにC-RADIO視覚エンコーダを組み合わせる。売りはテキスト・画像・文書・短動画を読み、その上で推論・コーディング・ツール呼び出し・文書・動画理解を行う単一模型であり、テキスト模型に視覚模型を継ぎ足す形ではない。
NVIDIAは商用・非商用を許可するOpenMDW-1.1ライセンスで公開し、重みと共に訓練データとレシピを出した。報告スコアはGPQA-Diamond 89.52%・LiveCodeBench v6 88.22%・BrowseComp 78.0%・SWE-bench Verified 71.10%。正直な注記は第三者の姿: Artificial Analysis知能指数は26で、最前閉模型の約58に大差である。NVIDIAハードウェア向けの高速でカスタマイズ可能な模型と考え、最前線の代用品ではない。公開時、2bitで24GBに収まるBolt 74B-A9Bと音声・組込向け4GBのBolt E4Bという小型2兄弟を伴う。
出典
分析生成日: 2026-10-22