黄仁勲氏、オープンモデル市場に旗を立てる
NVIDIAはGPUを販売するだけの企業と思われがちだが、同社はNemotron 3シリーズ全体を静かにリリースした。モデル重みだけでなく、3兆トークンの事前学習データセット、強化学習ワークフロー、評価ツールまですべてオープンソース化された。
この動きのシグナルは明確だ。NVIDIAは「スコップ売り」だけでは終わらず、オープンAIエコシステムの中で自らの位置を確保しようとしている。
3サイズ、すべてMoEアーキテクチャ
Nemotron 3シリーズはHybrid Latent MoEアーキテクチャを採用し、3つのバージョンが用意されている。
| モデル | 総パラメータ数 | 推論あたりの活性化パラメータ数 | ステータス |
|---|---|---|---|
| Nano | 300億 | 約30億 | 公開済み |
| Super | 約1000億 | 約100億 | 2026年前半 |
| Ultra | 約5000億 | 約500億 | 2026年前半 |
MoEの核となる利点は、総パラメータ数が大きくても推論ごとにごく一部だけが活性化されるため、実際の計算コストを抑えられる点にある。DeepSeek V3やLlama 4も同じアプローチを採用しており、NVIDIAもこれに追随した形だ。
Nanoのベンチマーク結果は興味深い
公開済みのNanoバージョンについて、公式データは以下の通り。
- 推論速度は前世代比4倍
- 推論トークン生成量が60%削減（結論に至る中間ステップが減少）
- コンテキストウィンドウは100万トークン
第三者評価機関のArtificial Analysisは「同サイズのモデルの中で最もオープンで効率的であり、精度でもリードしている」と評価している。
この「効率的推論」の方向性はDeepSeek V3.2のスパースアテンションのアプローチと似ており、いずれも品質を犠牲にせずに計算量を削減することを目指している。
完全オープンのツールチェーン
NVIDIAは同時に、以下のサポートツール群もオープンソース化した。
- NeMo Gym：エージェント強化学習トレーニングフレームワーク
- NeMo RL：強化学習ワークフローライブラリ
- NeMo Evaluator：評価ツール
モデル重み、学習データ、ツールチェーンはすべてHugging FaceとGitHubで完全オープンライセンスのもと公開されており、誰でもダウンロード、ファインチューニング、デプロイが可能だ。
NVIDIAがこれをやる理由
いくつかの可能性が考えられる。
ソフトウェアによるハードウェアの囲い込み。NVIDIAのオープンモデルツールチェーンを使えば、おそらくNVIDIAのGPUで動かすことになる。これはCUDAの戦略と同じで、エコシステムで計算インフラを固定化する狙いだ。
オープンソース競争へのヘッジ。DeepSeek、Llama 4、Qwenといったオープンモデルはますます強力になっている。NVIDIAがハードウェア層だけに留まれば、AIエコシステムにおける発言力は薄まる。オープンモデルを開発することは、直接的な参入を意味する。
企業向け調達のバンドル。多くの大企業はNVIDIAのGPUとサービスパッケージを購入する。信頼できるオープンモデルが内蔵されていれば、それはセールスポイントであり、販売資料の一部にもなる。
もちろん、オープンソース化はNVIDIAにとってもコストがかかる。しかし、現在のNVIDIAの財務力を考えれば、それは問題ではない。
待つ価値があるのはSuperとUltra
現時点で公開されているNanoは比較的控えめな規模だ。本当に注目すべきは、2026年前半に予定されているSuper（1000億パラメータ）とUltra（5000億パラメータ）である。Nemotron 3 Ultraが十分に優れたベンチマークを叩き出せば、これは単なる「NVIDIAもモデルを作った」という話ではなく、オープンモデルランキングで真に競争力のあるプレイヤーが登場したことになる。
出典：CocoLoop、NVIDIA Debuts Nemotron 3 Family of Open Models（NVIDIA Newsroom）