NVIDIAは2026年10月15日、画像・動画・文書も読めるオープンなAIモデル「Nemotron 3.5 Super VL（ネモトロン 3.5 スーパー ブイエル）」を公開しました。
この記事では、NVIDIAの開発者ブログとHugging Faceのモデルカードにのっている内容だけをもとに、特徴・仕様・ライセンス・使い道・動かすのに必要な環境をやさしくまとめます。
Nemotron 3.5 Super VLとは
Nemotron 3.5 Super VLは、NVIDIAのオープンモデルのシリーズ「Nemotron」の新しいモデルです。名前の「VL」はVision-Language（視覚と言語）の略で、テキストに加えて画像・文書・動画を理解できるのが特徴です。
NVIDIAは、推論、指示に従うこと、ツールの利用と、テキスト・画像・文書・動画の理解を1つのモデルにまとめたことで、テキスト用と画像用のモデルを別々に用意しなくてもよくなると説明しています。主な狙いは、書類を読み、情報を照らし合わせ、ツールを呼び出すような、企業向けの「エージェント」（AIが何ステップも作業を進める使い方）です。
モデルカードによると、Nemotronは重み・学習データ・学習レシピをオープンにしているモデルのシリーズです。今回もベース版・学習済み版・NVFP4版のチェックポイントに加え、学習レシピやデータ、強化学習の環境が公開されています。
主な仕様
| 項目 | 内容 |
|---|---|
| 公開日 | 2026年10月15日 |
| パラメータ数 | 総数1,200億（120B）、1トークンあたりに使うのは120億（12B） |
| しくみ | Mamba-2とTransformerを組み合わせたハイブリッド型のMixture-of-Experts（MoE）。画像用にC-RADIOという視覚エンコーダーを使う |
| 入力 | テキスト・画像・動画（文書はページの画像とテキストで渡せる） |
| 出力 | テキスト |
| コンテキスト長 | 最大100万トークン |
| 重みの形式 | BF16（フル精度）とNVFP4（量子化版） |
| ライセンス | OpenMDW-1.1（モデルカードでは「商用・非商用で利用可能」と記載） |
MoEは、大きなモデルの中から毎回一部だけを使うしくみです。総パラメータは120Bでも、1トークンを処理するときに動かすのは12B分なので、性能と処理の効率のバランスをとっています。
モデルカードによると、動画はmp4で最大2分、画像はjpeg・pngに対応しています。また、学習の仕上げの段階では、英語に加えて日本語・フランス語・ドイツ語・イタリア語・スペイン語・中国語に重点を置いたと書かれています。
どんなことに使える？
NVIDIAの開発者ブログでは、次のような使い道を挙げています。
- コーディング：コードのテスト・確認、エラーの分析、修正の提案
- Web調査：複数のサイトを検索して情報をつなげ、答えを確かめる
- 文書の読み取り：表・グラフ・ページのレイアウトから情報を取り出し、要約やレポートを作る
- セキュリティ：脆弱性を見つけ、脅威の優先順位をつける
- 動画の理解：検索、内容の確認、出来事の分析のために情報を取り出す
たとえば文書の場合、グラフを読み取り、同じ文書の別の場所にある表と結びつけて、両方を要約する、といった使い方ができるとしています。
自分のデータで調整（カスタマイズ）できる
NVIDIAは、NVIDIA NeMoのオープンなライブラリを使って、自社のデータ・ツール・ルールに合わせて追加学習できると説明しています。方法としては、教師ありファインチューニング（SFT）、LoRA、強化学習（RL）が挙げられています。あわせて、ツール利用や会話、金融、指示に従うこと、翻訳、画像と言語などのオープンなデータセットもHugging Faceで公開されています。
動かすのに必要な環境
モデルカードによると、BF16版を動かす構成の例はH100を4枚、またはGB200を2枚です。対応する実行ソフトはvLLMとSGLang、OSはLinuxで、NVIDIAのBlackwell・HopperといったGPUで動かす前提になっています。メモリを節約して効率よく動かしたい場合は、NVFP4版を使うよう案内されています。
開発者ブログでは、NVIDIAの小型AIコンピューター「DGX Spark」でローカルに動かせるよう最適化したとも説明しています。いずれにしても、一般的な家庭用パソコンで気軽に動かせる規模ではありません。
手元で動かさない場合は、開発者ブログが案内しているOpenRouterなどのホスティングサービスから使う方法もあります。NVIDIA NIMを使った本番向けの導入方法も用意されています。
使うときの注意
モデルカードでは、AIシステムに組みこむ前に、用途に合ったデータで追加のテストを行うことが重要だとしています。また、用意されている安全対策（ガードレール）を、同等の対策なしに外さないよう呼びかけています。
まとめ
- Nemotron 3.5 Super VLは、NVIDIAが2026年10月15日に公開した、テキスト・画像・文書・動画を理解できるオープンモデル
- 総120B・アクティブ12BのMamba-2とTransformerのハイブリッドMoEで、最大100万トークンに対応
- 重み・データセット・学習レシピを公開し、ライセンスはOpenMDW-1.1（商用利用可）
- コーディング、文書の読み取り、動画の理解など、企業向けのエージェントに向く
- 動かすにはH100×4やGB200×2などのGPUが必要。ホスティングサービスでも使える
コメント