NVIDIA、multi-agent AI向け Nemotron 3 Super を公開

Xで示された発表内容

NVIDIA AI Developerは2026年3月11日、Nemotron 3 Superを公開し、これを120B-parameterのhybrid Mamba-Transformer MoEモデルとして紹介した。inference時に有効になるのは12B active parametersで、投稿ではnative 1M-token context、compute-efficientなmulti-agent用途、そしてopen weights・datasets・recipesの提供が前面に出されている。

今回のポイントは、単なる性能更新ではなく、agent運用で顕在化する実務上の制約を明確に狙っていることだ。長時間ワークフローではcontextが膨らみ、reasoningコストが積み上がり、throughputがそのまま運用上の制約になる。NVIDIAはそこに対する解を打ち出している。

NVIDIA公式ブログの補足

NVIDIAの公式ブログによれば、Nemotron 3 Superは前世代のNemotron Super比で最大5x higher throughput、最大2x higher accuracyを実現するとされる。背景として、Mamba layer、transformer reasoning、sparse MoE activation、multi-token predictionを組み合わせたhybrid architectureが挙げられている。さらに、モデルはNVIDIA Blackwell向けに最適化され、NVFP4 precisionを用いながら、multi-agent systemで問題になる「context explosion」と「thinking tax」を抑える設計だという。

• NVIDIAは、同規模モデルの中で効率性とopennessの両面でArtificial Analysis上位に立ったと説明している。
• ブログでは、Nemotron 3 SuperがNVIDIA AI-QをDeepResearch BenchおよびDeepResearch Bench IIの首位へ押し上げたとも述べている。
• 加えて、permissive licenseのopen weightsに加え、10兆超のpre/post-training dataset token、15のreinforcement-learning training environment、evaluation recipeを公開するとしている。

AI/IT実務への意味

実務面で重要なのは、長いcontextとsparse activationの組み合わせだ。1M-tokenのwindowだけでは不十分で、それを維持できる推論コストが伴わなければ現場では使いにくい。NVIDIAは12B active parametersの構成によって、長文脈と実運用コストの折り合いをつけられると主張している。

また、このリリースはopen-model ecosystemへの供給面でも大きい。weights、training recipe、evaluation artifactが実際に使える形で揃うなら、coding agentやresearch agent、retrieval-heavyなenterprise workflowを作るチームにとって、有力な選択肢が増える。最終的な判断材料は各社のproduction stackで性能が再現するかどうかだが、今回の発表は明確にその用途を狙ったものだ。

出典: NVIDIA AI Developer X投稿, NVIDIA公式ブログ