NVIDIA は、特化した AI エージェントを構築する企業を対象とした、オープンでカスタマイズ可能なマルチモーダル モデルである Nemotron 3.5 Super VL をリリースしました。このモデルは、トークンごとに 120 億パラメータのみをアクティブにする 1,200 億パラメータの専門家混合アーキテクチャを使用しており、この設計によりフロンティア規模の容量と推論効率のバランスが取れていると NVIDIA は述べています。ウェイトは BF16 精度の Hugging Face で利用でき、NVIDIA はリリースと同時にテクニカル ウォークスルーを公開しました。

Super VL は、マルチモーダル スペシャリストとして NVIDIA の拡大するオープン モデル ファミリに組み込まれます。同社によれば、より小型の Nemotron 3.5 Lightning モデルは大量のテキスト タスクを処理しますが、フロンティアの Nemotron 3 Ultra は複雑な計画とオーケストレーションに取り組み、チームがエージェント ワークフローの各ステップを適切なサイズのモデルにルーティングできるようにします。これは、ZDNET が米国の無差別 AI の新たな一歩として説明した、推進の最新の動きです。無差別ウェイトレースを追跡している場合は、最近のオープンモデルリリースに関する当社の報道がより広範な情報を提供します。

テキスト、画像、ドキュメント、ビデオの 1 つのモデル

核となるピッチは統合です。 Super VL は、推論、指示に従い、ツールの使用をテキスト、画像、ドキュメント、およびビデオの理解を組み合わせて行うため、チームはテキストとビジョン言語のモデルを個別に導入したり、それらの間でタスクのコンテキストをやり取りしたりする必要がありません。 NVIDIA によると、同社のビジュアル トレーニングは、グラフ、表、光学式文字認識、複数ページのドキュメント、ビデオをカバーしており、視覚的な証拠と推論、チャット、安全性、および長いコンテキスト データを融合する 2 段階の教師付き微調整パイプラインを備えています。

ターゲットとなるワークフローは、企業がつまずき続けるワークフローです。会社のポリシー文書を読まなければならないカスタマーサービスエージェント、複数のソース間の証拠を結び付ける調査エージェント、またはチャートを解釈して同じファイリング内の別の表にリンクする文書エージェントなどです。いずれの場合も、モデルは同じコンテキスト ウィンドウでマテリアルを確認し、それを推論する必要があります。

スループットの主張: 単一 GPU で最大 5 倍

NVIDIA が最も明確に線引きしているのは効率性です。同社は、Nemotron 3.5 Super VL は、単一 GPU 上の同サイズ カテゴリの他のオープン モデルと比較して、エージェント タスクのスループットが最大 5 倍高いと主張し、Baseten 推論エンドポイントを介した Artificial Analysis Intelligence Index エージェント タスクで 1 秒あたり 600 トークンを超えるベンチマークを示していると指摘しました。

内部でいくつかのテクニックがこの数字を押し上げています。 NVIDIA は、オープンな投機的デコード手法である LiLiCorr と、NVFP4 混合精度、マルチトークン予測、およびエージェント ターン全体でのコンテキストの再利用を強調しました。これは、ツールとの長時間にわたる会話を行うエージェントにとって有意義な最適化です。エージェントをノンストップで実行している企業の場合、GPU あたりのスループットが、実行可能な製品か使用不可能なコスト構造の違いとなることがよくあります。

トレーニング後がポイント

NVIDIA は、基本モデルが完成品ではなく出発点であることを明確にしています。開発者は、教師あり微調整と LoRA を使用して NeMo ライブラリで Super VL をカスタマイズし、ドメイン固有の動作を学習し、独自の操作を反映する環境で NeMo RL と NeMo Gym を通じて強化学習を適用できます。同社によると、サイバーセキュリティ、金融、ヘルスケアの組織は、本番ワークフローで最先端の代替手段を打ち負かすためにすでにモデルの事後トレーニングを行っており、この主張は独自に検証するのは難しいが、エンタープライズエージェントの位置付けと一致している。

その作業をサポートするために、NVIDIA は、エージェント ツールの使用データと会話データ、財務推論とツール呼び出しセット、指示に従っているデータとチャット データ、長いコンテキストの変換と翻訳データ、公平性データ、および 40 のビジョン言語データセットを含む、ウェイトと並行して Hugging Face 上のオープン データセットをリリースしています。 Prime Intellect は、長期的なエンタープライズ作業向けのモデルのポストトレーニングのレシピをすでに公開しています。これは、エコシステムがこのリリースを本格的な基盤として扱っている初期の兆候です。 NVIDIA はまた、カスタマイズをカバーする使用法クックブックを GitHub で公開しており、オープン ウェイトをローカル、データ センター、またはクラウド環境に導入して、インフラストラクチャとデータ常駐の要件を満たすことができること、つまり、規制対象の購入者が一貫して要求し、クローズド API では提供できない柔軟性を強調していると同社は強調しています。

無差別級レースにとっての意味

このリリースは、企業が実際に導入しているセグメント、つまり大量のドキュメントを扱うエージェント作業向けの中規模マルチモーダル システムにおけるオープン モデルとクローズド モデルの間のギャップを縮めます。 Super VL は、ローカル、データセンター、またはクラウド環境でウェイトを実行できるため、規制対象業界にフロンティア API では不可能なオプションを提供します。つまり、機密文書を独自のインフラストラクチャに保管しながら、チャート、表、ビデオを理解できるようになります。

競争の読みは簡単です。今年、Meta、Alibaba、DeepSeek、Liquid AI はいずれもエージェント向けのオープンウェイト モデルを出荷しており、他の人がトレーニングに使用するハードウェアを販売している NVIDIA は現在、寛容なライセンスと効率性を重視してモデル層で直接競合しています。スループットの主張が独立したベンチマークで維持される場合、2027 年のエンタープライズ エージェントのデフォルト スタックは 1 年前に比べてかなりオープンになる可能性があります。

---

AI の先を行く

最新の AI ニュース、分析、画期的な情報をすべて 1 か所で入手できます。

AI ニュースをもっと読む→