NVIDIAは2026年10月14日、Nemotron 3.5 SuperとNemotron 3.5 Lightningを発表し、モデルのチェックポイントと関連資料を公開するとしました。Superは総パラメーター数が120 billionで、トークンごとに12 billionを使用します。Lightningはテキスト専用で、総パラメーター数は30 billion、トークンごとの使用数は3 billionです。両モデルは、MambaとTransformerの要素を組み合わせたハイブリッド設計を採用し、Mixture-of-Experts方式により、各トークンの処理時にモデルの一部だけを動かします。
両モデルは、長文書の処理や、ソフトウェアがツールを使い複数の手順を踏むエージェント型タスクを想定しています。Superはテキスト、画像、動画、対話型ツールを扱えます。NVIDIAによると、両モデルのコンテキスト長は最大1 million tokensです。公開内容には、BF16と圧縮形式のNVFP4のチェックポイントに加え、学習・評価用レシピ、データセット、投機的デコードのツールが含まれます。価格やライセンス条件は、発表では明らかにされていません。
NVIDIAが示すSuperの性能
NVIDIAによると、追加学習後のSuperはソフトウェア開発のベンチマークSWE-bench Proで51.78%を記録し、Nemotron 3 Ultraに比べて使用するアクティブパラメーター数を約4.6分の1に抑えました。また、エージェント向けの学習により、DeepSWEのpass@1が6.4%から10.4%に上がったとしています。これらはNVIDIAが公表した評価結果であり、提供資料には第三者による検証は含まれていません。
同社は、Superの開発に大規模な学習プロセスを用いたと説明しています。インドの22言語と34の言語・文字体系の組み合わせを含むデータで追加学習を行い、評価したインド系言語の5つのベンチマークで、最大9.82ポイント改善したとしています。その後、長文脈タスクとソフトウェア開発を対象にさらに学習。最後の学習段階では、それ以前の段階で33.5まで低下していたSuperのRULER-1Mスコアを81.0に戻したと説明しています。
性能は利用環境によって異なる
NVIDIAは、複数のエージェントを並列で動かし、それぞれに回答を自己検証させる方法もテストしました。同社が評価した環境では、この方法によりTerminal-Bench 2.1は62.7%から71.9%に、DeepSWEは24.6%から34.5%に、BrowseCompは71.5%から79.8%に上昇しました。これらはマルチエージェント方式での数値で、あらゆる導入環境で同じ結果が得られることを保証するものではありません。
速度についてNVIDIAは、GB200 GPU 1基で最大4,856 output tokens per secondを達成し、20ターンのエージェント処理を試した環境では、ユーザーごとに少なくとも50 tokens per secondを維持したとしています。同社によると、NVFP4版は36のベンチマーク全体で、BF16版の精度の中央値99.62%を維持しました。これらの結果はNVIDIA製ハードウェアとテスト環境に依存するもので、他のシステムでの性能を示すものではありません。
なぜ重要か
研究者や開発者は、公開されたチェックポイントやレシピを使って、ゼロから学習させずにモデルを試したり、開発に活用したりできます。NVIDIAのベンチマーク結果からは、Superがソフトウェア開発向けエージェントに適する可能性がうかがえます。一方、第三者による検証結果やライセンス条件、実用的な導入に必要なハードウェアは、提供資料からは分かりません。
