NVIDIAのオープンモデル拡充とは？GTC Berlinで何が発表されたか
NVIDIAがGTC Berlinで拡充したオープンモデル群
Nemotron 3.5
ラインナップの軸となるモデル
Nemotron 3.5 Super VL / Nemotron 3.5 Bolt
Nemotron 3.5系の構成要素
Nemotron Retriever
検索向けのモデル
Kumo
表データ向けのモデル
Cosmos 3.5
ロボティクス領域をカバー
Alpamayo 2 Edge
ロボティクス領域をカバー
BioNeMo
創薬・生物学領域をカバー
Ising
量子計算領域をカバー
室谷代表取締役NVIDIAがGTC Berlinで、欧州向けのオープンモデル群を一気に拡充したんですよね。Nemotron 3.5を軸に、検索、表データ、ロボティクス、創薬、量子計算までラインナップが広がっていて、これはかなり大きな発表です。
テキトー教師DotAI 認定講師単にモデルを追加したという話じゃないんですよ。NVIDIAの公式発表によると、狙いは「チームが自分たちのデータで、自分たちが管理するインフラ上でAIを構築できるようにする」こと。
欧州のソブリンAIの文脈とセットで出てきているのがポイントですね。
欧州のソブリンAIの文脈とセットで出てきているのがポイントですね。
室谷代表取締役発表は2026年10月21日付のNVIDIAの公式ブログで、タイトルも「NVIDIA Open Models Advance Europe's Sovereign Intelligence Across Industries」。言語・ロボティクス・生物学・量子計算にまたがるオープンモデルの拡充だと明言されています。
テキトー教師DotAI 認定講師ここで「オープンモデル」の意味を整理しておきたいんですよ。NVIDIAのNemotronのページでは、オープンウェイトに加えて学習データと再現用のレシピまで公開する、と説明されています。
重みだけではなく、どうやって作ったかまで見える形ですね。
重みだけではなく、どうやって作ったかまで見える形ですね。
室谷代表取締役そこが実務では大きいんですよね。MYUUUでもモデルを選ぶときに、重みだけ落としてきて「で、どうやって調整するの？」となることが多くて・・・。
学習データとレシピが開いていると、自社データでの追加学習の見通しが立ちやすいんです。
学習データとレシピが開いていると、自社データでの追加学習の見通しが立ちやすいんです。
テキトー教師DotAI 認定講師今回の構成要素を並べると、Nemotron 3.5 Super VLとNemotron 3.5 Bolt、Nemotron Retriever、Kumo、Cosmos 3.5、Alpamayo 2 Edge、BioNeMo、Ising。言語から量子まで一気にそろっています。
Nemotron 3.5 Super VL／Boltでできること——テキストと画像を扱うエージェント基盤
Nemotron 3.5 Super VL と Bolt の役割分担
Super VL
- 視覚理解・推論・ツール利用を1つにまとめたマルチモーダルモデル
- 120BパラメータのMoEのうち12Bを活性化
- コンテキストは最大100万トークン
- Mamba-2とMoEとattentionのハイブリッド構成
- NVFP4量子化版を公開、BF16からの蒸留
- Hugging Face／ModelScope／OpenRouter／build.nvidia.comのNIMマイクロサービス等で提供
Bolt
- 24GBメモリでローカル動作する軽量モデル
- 「Nemotron 3.5 Bolt 74B-A9B 24GB」
- ネイティブ2bit量子化で24GBに収める
- 他のアプリと並行して動かせる
- ノートPC上で多段推論・ツール呼び出し・Webブラウジング
- Bolt E4B 4GBは2026年10月23日提供予定
室谷代表取締役まず中心になるのがNemotron 3.5 Super VLですね。公式のモデル解説では、視覚理解・推論・ツール利用を1つのモデルにまとめたマルチモーダルモデルで、120BパラメータのMoEのうち12Bを活性化する構成、コンテキストは最大100万トークンとされています。
テキトー教師DotAI 認定講師1Mトークンの文脈に、Mamba-2とMoEとattentionを組み合わせたハイブリッド構成。NVIDIAの開発者フォーラムでは、NVFP4で量子化した版が公開されていて、BF16モデルからの量子化を意識した蒸留が行われたと説明されています。
メモリ要件を下げる方向の工夫ですね。
メモリ要件を下げる方向の工夫ですね。
室谷代表取締役もう一つのBoltは、24GBメモリでローカル動作する軽量モデルという位置づけです。フォーラムの投稿では「Nemotron 3.5 Bolt 74B-A9B 24GB」という名称で、ネイティブの2bit量子化で24GBに収め、他のアプリと並行して動かせる日常的なエージェントタスク向けの視覚言語モデルだと説明されています。
テキトー教師DotAI 認定講師講座で受講生さんに説明するときは、「Super VLは重いが高性能、Boltは手元で動く」という役割分担で整理しています。NVIDIAのNemotronページでも、BoltはノートPC上で多段推論やツール呼び出し、Webブラウジングといった日常的なエージェントタスクを担うと書かれています。
室谷代表取締役実際、Boltの存在は大きいですよね。クラウドに投げずに手元でエージェントを回せると、社内データを外に出さずに試せる。
PoCのスピードが変わってきます。
PoCのスピードが変わってきます。
テキトー教師DotAI 認定講師なお、Super VLはHugging Face、ModelScope、OpenRouter、build.nvidia.comのNIMマイクロサービスで提供され、クラウド・ポストトレーニング・推論の各パートナー経由でも使えるとされています。Bolt E4B 4GBは2026年10月23日提供予定というのが公式の記載です。
室谷代表取締役ここは日付が細かいので注意なんですよね。発表時点でBoltの一部は「予定」であって、すでに全部が手元にあるわけではない、と。
Nemotron RetrieverとKumo——社内文書検索と表データ予測を支える新モデル群
Nemotron Retriever と Kumo の比較
Nemotron Retriever
- 埋め込み・再ランキング・文書解析のモデル群
- 社内文書検索RAG型エージェントの基盤
- マルチリンガル・マルチモーダル対応
- Q2D-Web、ViDoRe V1/V2/V3、MTEB、RTEB、LMEB、ParseBench、MMTEBで上位
- 抽出・埋め込み・再ランキングがそろう
Kumo
- 表形式・関係DBの業務データから予測するモデル群
- タスクごとの個別MLパイプライン不要
- 少数の例を与えるだけで予測
- Kumo-Tabular 1.0は文脈内学習で分類・回帰を予測
- タスク固有学習・勾配更新・ハイパーパラメータ調整は不要
- 学習は構造的因果モデルから生成した合成テーブルのみ使用
テキトー教師DotAI 認定講師次が地味に効くNemotron Retrieverです。埋め込み・再ランキング・文書解析のためのモデル群で、社内文書を検索して回答するRAG型エージェントの基盤になる、と。
室谷代表取締役マルチリンガル・マルチモーダルの文書インテリジェンスとエージェント検索向けで、Q2D-Web、ViDoRe V1／V2／V3、MTEB、RTEB、LMEB、ParseBench、MMTEBといったリーダーボードで上位に位置するとNVIDIAは説明しています。
テキトー教師DotAI 認定講師日本語の社内文書を扱う立場からすると、抽出・埋め込み・再ランキングがそろっているのはありがたいんですよ。RAGは検索部分の精度で答えが決まるので。
室谷代表取締役もう一つがKumoです。表形式・関係データベースの業務データから予測するモデル群で、タスクごとに個別の機械学習パイプラインを組む必要がなく、少数の例を与えるだけで予測できる、というのが訴求点ですね。
テキトー教師DotAI 認定講師公式のモデルカードを読むと、Kumo-Tabular 1.0は文脈内学習で分類ラベルや回帰の値を予測するモデルで、タスク固有の学習も勾配更新もハイパーパラメータ調整も不要、と書かれています。学習には実世界データを使わず、構造的因果モデルから生成した合成テーブルのみを使った、というのも特徴です。
室谷代表取締役サイズはSmallが約28M、Mediumが約62M、Largeが約215Mパラメータ。ライセンスはOpenMDW License Agreement 1.1（OpenMDW-1.1）で、商用・非商用どちらでも使えるとされています。
テキトー教師DotAI 認定講師用途としては、解約・デフォルト・不正・コンバージョンの分類、需要・価格・所要時間の回帰予測など。金融、小売、マーケティング、医療分析、オペレーションといった領域が挙げられています。
室谷代表取締役これ、地味にすごいんですよね。専用モデルを毎回作るコストと複雑さを減らせる、というのがNVIDIAの言い分で、Kumo Relationalは関連テーブルをまたいだ予測に対応し、分類・回帰・予測（フォーキャスト）・リンク予測を選べる、とドキュメントにあります。
テキトー教師DotAI 認定講師ただしKumo-Tabularのモデルカードには、関連テーブルとリレーションシップはサポートしない、という注記もあります。単一テーブルか、関連テーブルかで使い分けが必要なんですよ。
室谷代表取締役そこは実務でハマりやすいので、最初に確認したいポイントですね。
Cosmos 3.5・Alpamayo 2 Edge・BioNeMo・Ising——ロボット、創薬、量子計算まで広がるラインナップ
テキトー教師DotAI 認定講師ここからがNVIDIAらしい領域です。Cosmosは物理世界を理解し相互作用するロボット・自動運転・ビジョンエージェントのためのオープンなワールド基盤モデル群で、今回Cosmos 3.5が登場しました。
室谷代表取締役ポストトレーニングと最適化のツールも新しく出ていて、より少ない計算でワールドモデルを改善できる、と。実世界テストの前に、対話的な運転やロボット操作のシナリオで挙動を評価するシミュレーションのチェックポイントも用意されるそうです。
テキトー教師DotAI 認定講師さらにCosmos Data Factoryという、運転シナリオや製品欠陥、画像拡張、イベント生成のための学習データをキュレーション・ラベル付け・生成・評価する仕組みも出ています。PorscheとVoxel51、ANYboticsとEncord、ZalandoとCEVA LogisticsとSereact、Siemensが使っていると公式に記載がありますね。
室谷代表取締役自動運転側ではAlpamayo 2 Edgeが、リアルタイムのシーン理解とモーションプランニングを車載に持ち込む小型推論モデルとして登場しています。Cosmos 3 EdgeのNemotronベースの基盤の上に作られ、NVIDIA DRIVE AGX Thor向けに最適化されている、と。
テキトー教師DotAI 認定講師創薬ではBioNeMo RFD4-Proteina。ワシントン大学のInstitute for Protein DesignのBaker Labとの共同のオープンなタンパク質設計モデルで、タンパク質の配列と3D構造を生成するんですよ。
室谷代表取締役公式の記載では、10以上のタンパク質設計タスクで高い性能を示し、200アミノ酸のタンパク質のベンチマークでRFdiffusion3より約13倍速く設計を生成する、とされています。ここは数字がはっきり出ている部分ですね。
テキトー教師DotAI 認定講師量子計算ではIsing。リアルタイムのハードウェア校正から誤り訂正まで、異なる量子ビット方式をまたいで使える共通の基盤を提供するオープンモデル群です。
IQM Quantum Computersがプロセッサの校正に使い、SEEQCはNVQLinkとIsingを組み合わせてリアルタイム誤り訂正の低遅延要件に対応している、と。
IQM Quantum Computersがプロセッサの校正に使い、SEEQCはNVQLinkとIsingを組み合わせてリアルタイム誤り訂正の低遅延要件に対応している、と。
室谷代表取締役AWSがIsingをAWS Parallel Computing Service（AWS PCS）に統合して、研究者が使えるようにしている、というのも公式に書かれています。
テキトー教師DotAI 認定講師ここまで来ると、NVIDIAが「GPUを売る会社」から「各産業の基礎モデルを供給する会社」に踏み込んでいるのが見えますよね。
オープンモデルの入手方法と使い方・始め方——Hugging Face、GitHub、NIMでの提供
室谷代表取締役実務目線だと、どこから取れるのかが一番大事なんですよね。公式の提供状況を整理しておきましょう。
テキトー教師DotAI 認定講師ここは箇条書きで整理すると分かりやすいです。
- Nemotron 3.5 Super VL：Hugging Face、ModelScope、OpenRouter、build.nvidia.com（NIMマイクロサービス）、NVIDIAのクラウド・ポストトレーニング・推論パートナー経由
- Nemotron 3.5 Bolt E4B 4GB：2026年10月23日提供予定
- Nemotron Retriever：Hugging Face、各種パートナープラットフォーム、build.nvidia.comのNIMマイクロサービス
- Kumo：Hugging Face、およびbuild.nvidia.comで本番推論向けNIMマイクロサービスとして最適化・パッケージ化
- Cosmos：Hugging FaceとGitHub、一部の推論パートナー経由
- Alpamayo 2 Edge：今月中にGitHubとHugging Faceでダウンロード可能になる予定
- BioNeMo RFD4-Proteina：build.nvidia.comとNIMマイクロサービス、GitHub、Hugging Face、一部の推論パートナー経由
- Ising：GitHub、Hugging Face、build.nvidia.com
室谷代表取締役デプロイ手段としては、NVIDIAのNemotronページでvLLM、SGLang、Ollama、llama.cppといったオープンフレームワークが挙げられていて、エッジからクラウド、データセンターまで任意のNVIDIA GPUで動かせるとされています。
テキトー教師DotAI 認定講師開発時はHugging Face transformers、本番はvLLM、という使い分けが案内されていますね。TensorRT-LLMという推論最適化のライブラリも用意されています。
室谷代表取締役Kumoのほうは、NVIDIA structured-data-modelsライブラリ経由でJSON配列かArrow IPCのテーブルデータを渡して推論する形で、対応ハードウェアはAmpere、Blackwell、Hopper、OSはLinuxとモデルカードに書かれています。
テキトー教師DotAI 認定講師いきなり本番ではなく、まずNIMのエンドポイントで試してから、自社データで調整する流れが現実的ですね。
日本企業はどう活用できる？自社データでカスタマイズするための提供形態と導入事例
室谷代表取締役ここが日本の読者にとっては本題なんですよね。自社データでカスタマイズできるのか、という点です。
テキトー教師DotAI 認定講師Nemotronのページには、ポストトレーニングのパートナーとしてAfterQuery、AgileRL、AI21、Applied Compute、Baseten、CoreWeave、Distil Labs、Fireworks、Google Cloud、Nebius、Scale AI、TNGなど多くの名前が挙がっていて、企業がNemotronをドメイン特化のワークロード向けにカスタマイズするのを支援するとされています。
室谷代表取締役導入事例としては、Dassault Systèmes、Domyn、Dream、Palantirの顧客、Salesforce、SAP、Shopify、Synopsys、WPP、それにAccentureやEYといったプロフェッショナルサービス企業が、Nemotronのモデルとデータセットを使ってカスタムモデルやドメイン特化エージェントを作っている、と公式に書かれています。
テキトー教師DotAI 認定講師日本に関係する記述もあります。Nemotronのデータセット群には、米国、日本、インド、シンガポール、ブラジル、エルサルバドル、フランス、ベルギー、ベトナム、韓国向けの合成ペルソナデータセットが含まれているんですよ。
室谷代表取締役プライバシーに配慮した合成ペルソナで、実在の人口統計・地理・文化の分布に基づくもの、と説明されています。日本語のエージェントを組むときの出発点としては現実的な素材ですね。
テキトー教師DotAI 認定講師ただ、日本語環境での具体的な精度や、日本企業の導入事例については、今回の公式発表では明らかにされていません。ここは誇張せずに「これから」と伝えるのが正確です。
室谷代表取締役そうなんですよね。MYUUUでも日本語の業務データで試すとなると、まずRetrieverで社内文書を検索できるようにして、その上にSuper VLかBoltを載せる、という順番が組みやすいかなと。
Kumoは表データの予測なので、別軸でPoCを回すイメージです。
Kumoは表データの予測なので、別軸でPoCを回すイメージです。
テキトー教師DotAI 認定講師講座でも、いきなり全部を入れるのではなく、ユースケースごとにモデルを選ぶことを勧めています。文書検索ならRetriever、表データの予測ならKumo、画像も扱うエージェントならSuper VLかBolt、という具合ですね。
室谷代表取締役ライセンスはモデルごとに違うので、そこは必ず個別に確認を。Kumo-TabularはOpenMDW-1.1で、NIMコンテナはNVIDIAのソフトウェアライセンス契約とAI製品向けの製品別条件が適用される、とモデルカードに書かれています。
NVIDIAが欧州でオープンモデルを拡充する狙い——ソブリンAIとパートナー連携
テキトー教師DotAI 認定講師最後に狙いの話です。公式ブログのタイトルにもある通り、欧州のソブリンインテリジェンスが軸なんですよ。
室谷代表取締役汎用の大規模モデルは高価で、自社データや専門業務に合わせるには追加学習が必要。さらにクラウドAPI依存だとデータを外に出せない企業や研究機関もある。
そこに対して、自社データでカスタマイズできて、自分たちが管理するインフラに置けるモデルを出す、という整理ですね。
そこに対して、自社データでカスタマイズできて、自分たちが管理するインフラに置けるモデルを出す、という整理ですね。
テキトー教師DotAI 認定講師NemotronはNVIDIA Nemotron Coalitionのデータ・研究・専門知識をもとに作られていて、欧州パートナーとしてBlack Forest Labs、H-Company、Mistralが参加していると公式に記載があります。
室谷代表取締役モデルを配るだけでなく、パートナー網とセットでエコシステムを作りにいっているのがNVIDIAらしいところです。ポストトレーニングのパートナーも大量に並んでいますし。
テキトー教師DotAI 認定講師ただし、他社のオープンモデルと比べてどうなのか、といった性能比較の詳細は今回の資料には記載がありません。ここは憶測で書かないほうがいいところです。
室谷代表取締役そうですね。現時点で言えるのは、ラインナップの広さと提供チャネルの多さ、そしてオープンウェイト・データ・レシピをそろえるという方針。
そこを押さえておけば十分だと思います。
そこを押さえておけば十分だと思います。
よくある質問
テキトー教師DotAI 認定講師では、よく聞かれる点を整理しておきますね。
NVIDIAのオープンモデルとは何ですか？
室谷代表取締役NVIDIAのNemotronをはじめとする、オープンウェイトと学習データ、再現用のレシピを公開するモデル群のことです。自社データでの追加学習や、自社インフラ上での運用ができる点が特徴とされています。
Nemotron 3.5 Super VLとBoltの違いは？
テキトー教師DotAI 認定講師Super VLは120Bパラメータのうち12Bを活性化するMoEで、最大100万トークンの文脈を扱うマルチモーダルモデルです。Boltは24GBメモリでローカル動作する軽量モデルで、日常的なエージェントタスクを手元で動かす位置づけとされています。
どこからダウンロードできますか？
室谷代表取締役モデルによって異なりますが、Hugging Face、GitHub、build.nvidia.comのNIMマイクロサービスが主な入手経路です。Super VLはModelScopeやOpenRouterでも提供されています。
商用利用はできますか？
テキトー教師DotAI 認定講師モデルごとにライセンスが異なります。Kumo-TabularはOpenMDW-1.1で商用・非商用に使えるとモデルカードに記載されていますが、他のモデルは個別に確認が必要です。
日本語で使えますか？
室谷代表取締役Nemotronのデータセットには日本向けの合成ペルソナデータが含まれていますが、日本語環境での具体的な精度は今回の発表では明らかにされていません。実際の業務データでの検証が必要です。
Kumoは何に使えますか？
テキトー教師DotAI 認定講師表形式データの分類・回帰・予測・リンク予測です。解約や不正の検知、需要予測などが例として挙げられていて、タスクごとの個別モデル学習が不要とされています。
室谷代表取締役というわけで、今回の発表は「モデルが増えた」というより、自社データでAIを作るための部品が一通りそろった、というのが本質なんですよね。日本企業にとっては、どこから試すかを決めるのが最初の一歩になりそうです。
