ニュース
NVIDIAが新AI「Nemotron 3.5 Super VL」公開、業務処理コストを40分の1にした事例も
AIエージェントを社内業務で動かし続けるとき、処理速度とコストのどちらを優先するかは常に悩みの種です。NVIDIAが公開した新しいAIモデルは、この両立を狙った企業向けの選択肢として位置づけられています。
何が起きたか
NVIDIAは2026年10月15日(米国時間)から、オープンウェイトの新しいAIモデル「Nemotron 3.5 Super VL」の提供を開始しました[3]。1200億個のパラメーターを持つ大規模モデルですが、必要な部分だけを動かす「Mixture of Experts(MoE)」という仕組みにより、1トークンを処理する際に実際に使うパラメーターは120億個に抑えられています[1]。同時に、ローカル環境向けの小型モデル「Nemotron 3.5 Bolt 74B-A9B 24GB」と「Nemotron 3.5 Bolt E4B 4GB」も発表されました[2][3]。
性能面では、同規模のオープンモデルと比較して単一GPUでのAIエージェント処理のスループットが最大5倍に達するとされています[1]。NVIDIA B200 GPUを4基使った1万件のソフトウェア開発タスクのテストでは、約10時間で処理を完了し、正確性は約51%、他の同規模モデルと比べて最大4倍の速さだったといいます[1]。
企業が自社の業務データでモデルを追加学習できる点も特徴です。AI開発企業のScale AIは、エンターテインメント企業のSkydance Corporation向けに、取引先からの請求書や返金・値引き書類を確認し未回収金額を調べる業務を自動化するモデルを開発しました。実際の業務データでのテストでは、追加学習後のモデルはSkydanceが運用中のAIと同程度の正確性を示しながら、処理コストを約40分の1、応答時間を約5分の1に削減できたと報告されています[1]。経費管理サービスを手がけるRampも、レシート画像から店舗名や日付、支払い情報を抽出する業務に活用しており、処理能力が最大50%向上し、処理の待ち時間が10分の1になると見込んでいます[1]。
背景・解説
「オープンウェイトAI」とは、モデルの重み(パラメーターの値)が公開されており、企業が自社のサーバー上で動かしたり、独自データで追加学習させたりできるモデルを指します。外部の提供元の利用規約に縛られず、自社の業務手順や社内規則に合わせて調整できる点が、クローズドなAIサービスとの大きな違いです[2]。
Nemotron 3.5 Super VLは、NVIDIAの最大規模のモデル「Nemotron 3 Ultra」から知識を抽出する「蒸留」という手法で作られています。指示に従う、ツールを呼び出す、複数段階の業務プロセスを処理する、画像を分析するといったタスクで、パラメーター数が約5分の1でありながらUltraと同程度の正確性を目指して設計されているといいます[2]。
また、処理を高速化する工夫として、複数の単語候補を先読みする「LiLiCorr」という技術や、同じ指示・会話履歴を繰り返し読み込む際に以前の計算結果を再利用する仕組みが採用されています[1]。多数のユーザーが同時に利用する環境向けには、処理を効率的に振り分けるソフトウェア「NVIDIA Dynamo」も用意されており、NVIDIA B200 GPUを16基使用したテストでは、対応できるユーザー数が最大8倍になり、回答開始までの待ち時間も85%短縮されたとされています[1]。背景として、オープンウェイトAIの分野ではこれまで中国企業のモデルが存在感を示してきましたが、欧米企業によるモデル公開が相次いでおり、地域間の差が縮まりつつあるとの指摘もあります[3]。
仕事や業務への影響 — AI Topicaの見方
請求書処理や経費精算など、同じ種類の書類を大量に繰り返しチェックする業務を抱える会社ほど、このモデルを検討する価値があります。例えば、従業員300人規模の製造業で、経理担当3人が毎月数千件の取引先請求書を目視確認しているケースを考えてみます。Scale AIの事例のようにコストが約40分の1、応答時間が約5分の1になるなら、月次の締め作業にかかる時間を大幅に圧縮できます。重要なのは、既存の業務フローを大きく変えずに、裏側のAIモデルだけを入れ替えられる点です。
経費精算のようにレシート画像を扱う業務でも、Rampの事例が示すように処理の待ち時間が10分の1になる見込みがあります。出張の多い営業部門を抱える会社なら、月末の経費申請処理にかかる担当者の確認時間を減らせます。ただし効果を得るには、自社の文書形式や業務手順に合わせた追加学習が前提になっている点を押さえておくべきです。モデルをそのまま動かすだけでは、事例ほどの効果は出ません。
ローカル環境向けの小型モデルも用意されている点は、社外にデータを出したくない企業にとって実務上の意味があります。社内の機密文書を扱う法務部門や、顧客データを扱う金融機関の一部業務では、クラウド型のAIサービスの利用に慎重な姿勢が根強く残っています。そうした部署で、自社サーバー内で完結するAIエージェントを試す選択肢が広がったことになります。導入を検討する担当者は、まず自社の業務のうち「定型的で件数が多い」ものから候補を絞り込むのが現実的です。
不確かな点・注意
処理コストが約40分の1、応答時間が約5分の1という数字は、Scale AIがSkydance Corporation向けに開発した特定の業務用モデルでの結果であり、すべての業務や企業にそのまま当てはまるものではありません[1]。Rampが報告している処理能力の向上や待ち時間の短縮についても、「最大50%向上」「10分の1になると見込んでいる」とされており、見込み段階の数値である点に注意が必要です[1]。
NVIDIA自身が公表しているベンチマーク結果が多く、第三者による独立した検証がどこまで行われているかは出典からは明確ではありません[1][2]。また、Super VLがクローズドな最先端モデルと比べてどの程度の性能差があるかについても、「大きく後れを取る」との指摘がある一方で、NVIDIA自身の従来モデルは上回るとされており、評価は分かれています[2]。実際に自社業務へ導入した際の効果は、追加学習に使うデータの質や量によって変わるため、導入前の検証が欠かせません。