NVIDIAは2026年8月11日、長時間稼働するAIエージェントの実行層に最適化したオープンモデル「Nemotron 3.5 Lightning」を公開した。30BパラメータのMoE（Mixture-of-Experts）構造を採用し、実質的なアクティブパラメータは3Bに抑えながら、高頻度のツール呼び出しやサブエージェント連携を低レイテンシで処理する。このリリースは、フロンティア推論モデルと小型実行モデルを組み合わせる「システム・オブ・モデルズ」設計の実装加速を示唆するものだ。

エージェントの実行層に特化したMoE設計

Nemotron 3.5 Lightningの中核的な特徴は、30Bの総パラメータに対しアクティブパラメータを3Bに抑えたMoE構造にある。エキスパートの一部のみをトークンごとに活性化することで、大規模密モデルに迫る性能を小規模モデルの計算コストで実現する。加えて、投機的デコーディングやマルチトークン予測を訓練段階から組み込み、量子化チェックポイント（NVFP4およびBF16）も提供。NVIDIAの公表値では、同規模モデル比で最大4倍の出力速度を達成しており、常時稼働エージェントのボトルネックとなる実行速度と精度のトレードオフを緩和する設計である。また、OpenClawやHermes Agentといったエージェントハーネス向けに訓練されており、ツール呼び出しの正確性向上とトークン消費量の削減が企図されている。

モデルルーティングが変える推論コスト構造

今回の発表で併せて導入が示された「NVIDIA NeMo Switchyard」は、タスクごとに最適なモデルへ振り分けるルーティング基盤である。複雑な計画立案にはNemotron 3 Ultraのような大規模フロンティアモデルを、高頻度の実行タスクにはNemotron 3.5 Lightningを割り当てる設計が可能になる。エージェントの全工程を単一の大規模モデルで処理する従来の構成と比較すると、推論コストの大幅な削減が見込まれる。NVIDIAがオープンモデルとルーティング基盤の両方を提供することは、モデル単体ではなくシステム全体の効率で競争する段階への移行を示している。この構造は、GPU供給からクラウド推論API、エージェント導入までの全レイヤーに影響を及ぼす可能性がある。

許容ライセンスとオンプレミス展開がもたらす導入柔軟性

Nemotron 3.5 Lightningはウェイト、データ、レシピを含む許容的ライセンスで公開されており、ローカルハードウェアとデータセンターの双方での展開が想定されている。特に日本市場においては、金融機関や製造業の機密性が高い現場で、データを外部に送出せず常時稼働エージェントを運用したい需要に適合する。NemoClawスタックによるセキュリティ・管理機能もオープンソースで提供されるため、厳格なコンプライアンスが求められる業種での自律エージェント導入が加速する可能性がある。現時点でNVIDIAから日本企業との具体的な連携は明らかにされていないが、オープンモデルの提供形態は企業ごとのカスタマイズを前提としており、国内のSIerやAIスタートアップによる垂直統合型ソリューションの開発が今後見込まれる。

産業構造への波及と今後の論点

本リリースが浮き彫りにするのは、AIエージェントの運用形態が「単一モデルの呼び出し」から「複数モデルの常時連携」へと転換しつつある事実である。GPUサプライヤーであるNVIDIAがオープンモデルとルーティング基盤を同時に提供することで、クラウドベンダーやAIプラットフォーム各社は差別化のために自社のモデルオーケストレーション機能を強化せざるを得なくなる。今後の論点は以下3つに集約される。第一に、NeMo Switchyardのようなルーティング技術がマルチベンダーのモデル間で標準化されるかどうか。第二に、3Bアクティブパラメータという小型設計が、エンタープライズ用途で十分な信頼性を維持できるかの実証。第三に、オープンモデルの普及が、プロプライエタリな超巨大モデルへの投資判断に与える影響である。