無検閲のNemotron API

「オープン」を名乗るモデルのほとんどは、オープンなのはウェイトだけです。パラメータのtarball、ライセンス、そして数字がどこから来たのかについての沈黙。Nemotronはこの2年、一貫した例外でした。NVIDIAはウェイトも、事後学習のデータセットも、RL環境も、レシピも出荷します。これは無検閲エンドポイントにとって、見落としやすい形で重要です。アラインメントデータが公開されているモデルは、拒否の振る舞いを推測ではなく推論できるモデルであり、第三者が口にフィルタをボルト留めすることなく正当に提供できるモデルでもあります。

01Nemotron 3 Ultraとは何か

Nemotron 3 UltraはNVIDIAのNemotron 3ファミリーで最大のモデルで、2026年6月4日にHugging Faceで公開されました。NVIDIAの技術レポートはこれを「総パラメータ5,500億、活性パラメータ550億のMixture-of-Experts型ハイブリッドMamba-Attention言語モデル」と説明しています。任意のトークンで働くのはネットワークのおよそ10%であり、これが半兆パラメータ級のモデルを提供可能にしています。

報告されている構成は、モデル次元8,192で108層、Mamba-2状態空間層とまばらに配置されたフル注意層を交互に重ね、MoE層あたり512エキスパートのtop-22ルーティングです。事前学習はおよそ20兆テキストトークンを2段階で — 多様性重視のあと品質重視で — 実施し、カットオフは2025年9月、自然言語12種とプログラミング言語43種を含みます。事後学習ではSFT、検証可能な報酬を用いた複数環境でのRL、そして10を超える専門教師にまたがるMulti-Teacher On-Policy Distillationが使われました。掲げられた設計目標は長時間動くエージェントです。大きなコンテキストを保持し、ツールを何十回も呼び、トークンあたりの経済性が請求額を支配するほど長く走るセッションです。

02Nemotronの系譜と、血統が意味を持つ理由

Nemotronは一発ものではありません。2024年から同じ方向へ走り続けているNVIDIAの研究プログラムが、目に見える形で出力したものであり、各世代が現行モデルにいまも受け継がれる何かを残しています。Nemotron-4 340B（2024年6月）は、オープンな合成データ生成パイプライン、その報酬モデルとジェネレータとともに出荷され、さらに珍しい開示を伴いました。アラインメントデータの圧倒的多数がモデル生成だったという事実です。神託ではなくデータ工場としてのモデル — この発想が、後のNemotronリリースがウェイトと並べてデータセットを出し続ける理由です。

Llama-Nemotron — 切れる推論

2025年のLlama-Nemotronファミリー（LN-Nano 8B、LN-Super 49B、LN-Ultra 253B）は、うまく年を重ねた2つのアイデアを残しました。1つ目はアーキテクチャ上のものです。NVIDIAのPuzzleニューラルアーキテクチャ探索は、ブロック単位で蒸留したTransformerブロックのライブラリを作り、混合整数計画法で組み上げました。その結果、あるブロックは注意を完全に飛ばし、あるブロックは単一の線形層で置き換えるモデルが生まれます。一方FFN Fusionは連続するフィードフォワードブロックを、より少なく、より広い並列ブロックへ畳み込みました — パラメータ数ではなく逐次的な深さを削るのです。LN-Ultraは8×H100の1ノードに収まり、NVIDIAの論文によればGPQA-DiamondでDeepSeek-R1を上回りました（76.0%対71.5%）。

2つ目は振る舞いに関するものです。Llama-Nemotronは動的な推論トグルを備えた最初のオープンファミリーで、システム指示にdetailed thinking onまたはdetailed thinking offとタグ付けした学習データを用い、オンモードでは形式報酬によって<think>タグを強制しました。1組のウェイトで2つの振る舞い、推論時に選択可能。Nemotron 3の推論バジェット制御、そして私たちのAPIのreasoning_effortパラメータは、この仕事の直系の子孫です。

Nemotron 3 — ハイブリッドへの転回

Nemotron 3はLlama由来をやめ、ゼロから設計したハイブリッドアーキテクチャに置き換え、LatentMoE（ルーティング前にトークンを圧縮する仕組みで、NVIDIAは「同じ推論コストで4倍のエキスパート」を可能にすると述べています）、マルチトークン予測、ネイティブのNVFP4事前学習を加えました。NVIDIAはウェイトと並べて、累計5,000万件のSFTサンプル、200万件のRLタスク、55のRL環境を公開しています。モデルが何を教わったかについて、提供元の言葉を信じる必要はありません。教材そのものがダウンロードできるからです。

03ハイブリッドアーキテクチャが買ってくれるもの

TransformerのKVキャッシュは系列長に比例して線形に増えます。だから長コンテキスト推論は、計算よりも先にメモリで高くつきます。Mamba-2層は固定サイズの再帰状態を運ぶ状態空間モデルなので、トークンあたりのメモリコストは履歴とともに増えません。苦手なのは正確な連想的想起です。ハイブリッドは、系列処理の大半をMamba-2に任せつつ、状態空間層が取りこぼす想起のために少数の本物の注意層を残し、さらに64クエリヘッド / 2 KVヘッドという攻めた比率でキャッシュを縮めます。NVIDIAは100万トークンでのRULER 94.7%を報告しています — 使えないウィンドウを謳うモデルを捕まえるために作られた、針探し型のベンチマークです。

その帰結はスループットです。NVIDIAは同等モデルに対して同水準の精度でおよそ最大6倍の推論スループットを主張しており、Artificial Analysisは独立に毎秒140.3トークン、最初のトークンまで1.33秒を測定しました — 89モデル中7位です。200ターンのエージェント実行では、これは午後のうちに終わるか終わらないかの差になります。

04「3BIT-REAP」が意味すること、正直なところ

この接尾辞は飾りではありません。基盤を収めるために何をしたのかを、そのまま伝えています。

REAP — Router-weighted Expert Activation Pruning — はCerebras Researchによるもので、ICLR 2026に採択されました。スパースなMoEでは、ルーターは各トークンをひと握りのエキスパートへ送ります。現実のワークロードでは、常に叩かれるものと、ほとんど叩かれないものが出てきます。REAPは各エキスパートを、ルーターがどれだけ強くゲートするかとその出力の寄与がどれだけ大きいかを組み合わせた顕著性基準で採点し、最も重要度の低いものをそのまま削除します。Cerebrasは1兆パラメータ規模のモデルからエキスパートを最大50%枝刈りしてもベースライン品質をおおむね保てると報告し、コードのような生成タスクでは枝刈りが統合に勝ると結論づけています。次に3ビット量子化が、生き残ったものを圧縮します。先に枝刈り、次に量子化。そうすればビット予算は、死んだエキスパートに薄く塗り広げられるのではなく、トラフィックを担うエキスパートに回ります。

圧縮はただではありませんし、そうでないふりもしません。攻めた量子化はまず、厳密な書式順守と長い連鎖の算術における小さな劣化として現れます。目に見える支離滅裂としてではありません。3つの階層の位置づけは次のとおりです。

接尾辞	中身	使いどころ
3BIT-REAP	3ビットウェイト＋エキスパート枝刈り	最大級の基盤。ほかの方法では速度を保って収まらない場合
W4A16-AUTOROUND-REAP	4ビットウェイト / 16ビット活性、AutoRoundの学習済み丸め、＋枝刈り	中規模の基盤。AutoRoundは素朴な最近接丸めより精度を回復する
W8A16	8ビットウェイト / 16ビット活性	最も忠実。攻めた圧縮を必要としないほど小さい基盤

550BのNemotron 3 Ultraは、真っ直ぐ1つ目のカテゴリに入ります。長い連鎖にわたる厳密な数値出力に対してワークロードが異常に敏感なら、研究インデックスにW8A16階層 — MiMo-V2.5-Pro-W8A16とHy3-W8A16 — が$0.50/$2.00の下限で並んでいます。誘導ではなく本物の取引です。モデルは小さく、圧縮は軽い。

05このエンドポイントで「無検閲」が意味すること

具体的には、拒否層はなく、出力にコンテンツフィルタもかけていません。あなたのプロンプトを分類器が検査して定型の断りを返すことはなく、応答があなたのストリームに届く前にスキャンされることもありません。返ってくるのはモデル自身の振る舞いです。

ここで、オープンな系譜が雑学ではなくなります。NVIDIAが事後学習データとRL環境を公開しているため、このモデルの性向は民間伝承ではなく原理的に監査可能です。そしてOpenMDW-1.1はアーキテクチャ、パラメータ、ドキュメント、ソフトウェアを対象とするLinux Foundationの寛容なライセンスなので、独立した運営者が改変済みでフィルタなしの提供を自前のハードウェア上で行うにあたり、ライセンスが障害になりません。「オープン」を名乗るモデルライセンスの多くはそれを認めていません。これは認めています。この違いは、反射的な拒否が安全機能ではなくバグである場面で表れます。

• セキュリティ研究 — 脆弱性分析、エクスプロイトの推論、マルウェアの挙動、レッドチーム用ツール。質問が許されるかどうかを議論せずに済みます。
• 化学、生物学、薬理学 — 用量計算、反応機構、毒性学、フィルタ付きエンドポイントがキーワードに触れただけで断る合成経路。
• 敵対的ML — 本物を見たことのある必要がある分類器のための、ハードネガティブ、ジェイルブレイクコーパス、悪用の分類体系。
• 臨床・法務・法科学のテキスト — 性質上どうしても生々しく、まさにその理由で拒否される事例資料。

無検閲は無責任ではありません。生成したものの責任はあなたにあり、アカウントには当社の責任ある利用ポリシーと利用規約が適用されます。拒否層を取り除くことは、意図についての推測を取り除くことであって、あなたに適用される法の下での義務を取り除くことではありません。

06STEMと推論：公開された数値が語ること

Llama-Nemotronの事後学習データセットがまさにその4軸を中心に構築されて以来、Nemotronの学習の焦点は数学、コード、科学、指示追従であり続けています。NVIDIAがNemotron 3 Ultraの基盤について報告している数値 — 非圧縮モデルについての提供元報告値であり、私たちが走らせたものではありません — は次のとおりです。

数値そのものより価値のある但し書きが2つあります。SWE-Bench Verifiedの数字は幅です。NVIDIAはどのエージェントハーネス（Pi、OpenHands、Hermes、OpenCode、Mini SWE Agent）で走らせるかに応じて65.0%から70.4%と報告しており、足場だけで5ポイントの開きが出るという事実は、エージェント系スコアがモデルではなくハーネスにどれだけ依存するかを示しています。またArtificial AnalysisはNemotron 3 UltraをIntelligence Indexで48、89モデル中9位に位置づけました — 強いが、分野の頂点ではない。そして彼らの独立した測定こそ、私たちがどの提供元のスライドよりも重く見るものです。

先行世代については、NVIDIAのLlama-Nemotron論文がLN-UltraをGPQA-Diamondで76.0%と報告しています。DeepSeek-R1の71.5%、Llama-3.1-405B-Instructの43.4%に対する数値で、AIME 2024では80.8%です — 別のモデルですが、大学院レベルの科学と競技数学がこのファミリーの2世代にわたる標的だったので掲載しています。

ベンチマーク数値は、非圧縮のNemotron 3 UltraについてNVIDIAが公開したもの（2026年6月）、および独立測定についてはArtificial Analysisによるものです。圧縮ビルドでは異なる可能性があります。私たちは、自分で検証していない、あるいは出典を示せない数値は公開しません。

07価格と、冗長さという但し書き

入力100万トークンあたり$0.75、出力100万トークンあたり$3.30で、Nemotron3Ultraは入力ではカタログの下位3分の1、出力では中位に位置します。100万あたりの価格は感覚がつかみにくいので、実例を挙げます。

呼び出しの形	入力	出力	コスト
典型的なRAGの1ターン	50,000	4,000	$0.051
長文ドキュメントの分析	150,000	8,000	$0.139
最大サイズの呼び出し	262,144	16,384	$0.251

フルコンテキスト・フル出力のリクエスト — エンドポイントが受け取るすべてのトークンと、生成するすべてのトークン — でおよそ25セントです。同じ形を、最も高価なモデルであるKimi-K3-3BIT-REAP（$3.83/$19.12）で走らせるとおよそ$1.32、5.3倍になります。

さて但し書きですが、これは実在します。Artificial Analysisは、ベンチマーク一式にわたってNemotron 3 Ultraが中央値の同等モデルより2.3倍多い出力トークンを生成することを測定しました。推論モデルは思考にも課金します。そしてこのモデルは長く考えます。同じ答えに達するのに3倍長く推論するなら、トークン単価の優位はタスク単価の不利へと蒸発します。緩和策は作り込まれており、私たちのAPIで公開されています。Nemotron 3は推論バジェット制御を事後学習で獲得しており、ここではreasoning_effortに対応しています — NVIDIAは、精度の1桁%のトレードオフで思考トークンを大幅に減らす低努力モードを説明しています。分類、抽出、ルーティングでは下げれば経済性が実質的に変わります。証明や複数ファイルのリファクタリングでは上げて、意図的に支払ってください。価格表を読んで想像するのではなく、自分のタスクあたりトークン数を測ってください。

08呼び出し方：3つの方言、1つのモデル

ゲートウェイ上のすべてのモデルは3つのストリーミングAPI面で応答するので、既存のクライアントを統合を書き直さずに向けられます。/v1/chat/completions（OpenAI方言）、/v1/messages（Anthropic方言）、そして/v1/responsesです。

curl https://api.shannon-ai.com/v1/chat/completions \
  -H "Authorization: Bearer $SHANNON_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "Nemotron3Ultra-3BIT-REAP",
    "reasoning_effort": "medium",
    "stream": true,
    "messages": [
      {"role": "user", "content": "Derive the worst-case cache behavior of this loop nest."}
    ]
  }'

統合時に驚かないよう、機能のまとめを載せます。

機能	Nemotron3Ultra · 3BIT-REAP
コンテキストウィンドウ	262,144トークン
1リクエストあたり最大出力	16,384トークン
ストリーミング	あり
ツール呼び出し	あり
推論トレース	あり
reasoning_effort	あり
json_schema（厳格）	あり
response_format	あり
画像入力	なし — テキスト専用
拒否層	なし

画像の行でつまずく人がいます。Nemotron3Ultraはテキスト専用です。パイプラインが画像を送るなら、$0.50/$2.00のMiniMax-M3-3BIT-REAPかMiMo-V2.5-W8A16、あるいは$0.78/$3.67のKimi-K2.6-W4A16-AUTOROUND-REAPをお使いください — いずれも画像対応、いずれも無検閲、いずれも同じ262,144トークンのコンテキストです。完全なパラメータリファレンスはAPIドキュメントにあります。

0912モデルの中でのNemotron3Ultraの位置

カタログは、同じコンテキストウィンドウ、同じ3方言、そして同じく拒否層の不在を共有する12の無検閲モデルです。違うのは基盤、価格、機能です。Nemotronの位置ははっきりしています。オープン系譜の推論用ワークホース — 最安でも最高性能でもありませんが、振る舞いの背後に最も公開された足跡を持ち、STEMとエージェントに向けて最も強く調整されたモデルです。

モデル	入力 / 100万	出力 / 100万	画像	選ぶ理由
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	あり	画像対応で最も安い選択肢
MiMo-V2.5-Pro · W8A16	$0.50	$2.00	なし	最も忠実な量子化階層
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	なし	大型基盤の推論で最安
Nemotron3Ultra · 3BIT-REAP	$0.75	$3.30	なし	STEM、エージェント、オープンな系譜
Kimi-K2.6 · W4A16-AUTOROUND-REAP	$0.78	$3.67	あり	画像＋AutoRoundの忠実さ
DeepSeek-V4-Pro · 3BIT-REAP	$1.95	$3.90	なし	単発での深い分析
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	あり	能力の絶対的な天井

12のうち7つを掲載しています。Laguna-S-2.1、inkling、DeepSeek-V4-Flash、MiMo-V2.5、Hy3を含む全カタログはAPIドキュメントにあります。Laguna-S-2.1は構造化出力に対応せず、inklingはjson_schemaに対応しない点にご注意ください。Nemotron3Ultraはどちらにも対応します。

価格で最も近い隣人は$0.73/$2.34のGLM-5.2-3BIT-REAPで、正直な比較はこうです。GLM-5.2はトークンあたり、とくに出力で安い。Nemotronは公開された学習コーパス、明示的な推論バジェットのつまみ、そして大学院レベルの科学を狙ったファミリーの歴史を持ち込みます。大量の一般的な推論なら安いほうを走らせてください。STEM中心、エージェント的、あるいはモデルの振る舞いがどこから来たのかを問う監査の対象になるなら、Nemotronはその差額に見合います。

10よくある質問

---

出典：NVIDIA Nemotron 3 Ultra 技術レポート · NVIDIA 開発者ブログ（2026年6月） · Nemotron 3 Super アーキテクチャ解説 · Llama-Nemotron：効率的な推論モデル · Cerebras Research、REAP。基盤のベンチマークは、Artificial Analysisに帰属が明記されていない限り、非圧縮モデルについてNVIDIAが報告したものです。圧縮ビルドでは異なる可能性があります。価格と機能は2026年9月5日時点のものです。