Nemotron 3 Embed、LMEBで8B首位・1B 2位となり長期記憶検索の競争を実装現場へ拡大

長期記憶の検索性能が争点に

エージェントが長い会話や作業履歴を扱うには、生成モデルの前に検索層が正しい断片を取り出せなければならない。NVIDIA AIは2026年7月17日のX投稿で、Nemotron 3 EmbedがLMEBでも上位に入ったと伝えた。

“Another leaderboard win for Nemotron 3 Embed. The 8B model takes #1 on LMEB, with the 1B model right behind it at #2.”

これは前日のRTEB首位という話題の単なる繰り返しではない。LMEBは、長く続く会話や記憶依存のタスクで、埋め込みモデルが必要な細部を見つけられるかを測る。エージェント製品では、生成の前段で誤った記憶を取得したり、有用な証拠を落としたりするだけで回答品質が崩れるため、この評価軸は実装上の意味が大きい。

関連するHugging Face記事では、Nemotron-3-Embed-8B-BF16がRTEB 78.5%、MMTEB Retrieval 75.5%を記録したと説明されている。記事内のコミュニティ更新では、LMEBについて8Bが64.4、1B BF16が61.5と示された。1B BF16は従来の1B系モデルに比べ、RTEBでエラー率を27%、MMTEB Retrievalで28%減らしたともされる。

NVIDIA AIのアカウントは、NIM、NeMo、GPU推論、オープンモデル配布などの一次情報を流す場として使われる。今回の投稿で重要なのは、8Bを精度重視、1Bを低遅延・低コスト、NVFP4をBlackwell向け高スループットとして分ける製品設計だ。次に見るべきは、企業検索、コード検索、エージェントメモリの実運用でLMEBに近い改善が再現されるかどうかである。