出典：NVIDIA Blog
「精度か、コストか」。エンタープライズAIの導入現場では、長くこの二択が前提とされてきた。OpenAIやAnthropicのクローズドモデルを選べば高精度が得られる。オープンソースを選べばコントロールしやすく費用は抑えられるが、精度で妥協が必要になる。その前提のもとで、多くの企業はGPT-4やClaudeを「とりあえずの正解」として採用し続けてきた。
この非対称な力学には、歴史的な必然性があった。
クローズドモデルが精度面で先行できたのは、巨大な学習データと莫大な計算資源を独占的に投じる体制があったからだ。オープン側は後発であるだけでなく、同等の資源を持たなかった。ベンチマークでの差は構造的なものとして受け入れられ、「オープンは精度が落ちる」という通念が業界全体に根づいた。
ところが、ここ数年でその通念の土台が少しずつ崩れ始めていた。
MetaのLlamaシリーズが汎用性で存在感を示し、MistralやQwenがコストパフォーマンスで注目を集めた。それでもなお、実際のビジネスタスクをこなすAIエージェントの領域では、クローズドモデルの優位が崩れていなかった。複数ステップの推論・ツール呼び出し・タスク完了率といった実務的な評価軸で、オープンモデルはまだ及んでいなかった。
その最後の砦に、NVIDIAが今週、正面から踏み込んだ。
「Nemotron 3 Ultra」を、AIエージェントの実務ベンチマークでオープンモデル首位に押し上げ、さらにビジネスタスクにおいてはトップクラスのクローズドモデルと同等の精度を記録した。しかも推論コストは10分の1という数字を添えて。
注目すべきは、この成果がモデルの再トレーニングによって得られたものではない点だ。LangChainがシステムプロンプト・ツール設定・ミドルウェアという「モデルを取り巻く環境」を専用チューニングすることで達成された。つまり、精度の差はもはやモデルそのものの問題ではなく、その運用設計の巧拙の問題になりつつあるということだ。
クローズドモデルを「とりあえずの正解」にしてきた企業にとって、この動きが問いを突きつける。自社でコントロールできず、コストも高く、カスタマイズの余地も限られたモデルを使い続けることの合理性は、どこに残っているのか。その問いへの答えが、今後のエンタープライズAI市場の再編に直結していく。
3行まとめ
- NVIDIAのオープンモデル「Nemotron 3 Ultra」が、AIエージェントのベンチマークでオープンモデル最高精度を達成し、ビジネスタスクではトップクラスのクローズドモデルと同等スコアを記録した
- LangChainがNemotron 3 Ultra向けにDeep Agentsハーネスを専用チューニングし、モデルの再トレーニングなしにシステムプロンプト・ツール設定・ミドルウェアの調整だけで精度・タスク完了率・スループットを向上させた
- トップクラスのクローズドモデルと比べて1ランあたりの推論コストが10分の1を実現した
※以下は詳細
オープンモデル最高精度、クローズドモデルと同等スコアという2つの数字
これまでAIエージェントの精度評価において、オープンモデルはクローズドモデルの後塵を拝し続けてきました。その状況を変えたのが、NVIDIAの「Nemotron 3 Ultra」です。
LangChainが実施したDeep Agentsベンチマークにおいて、Nemotron 3 Ultraはオープンモデルの中で最高精度を達成しました。さらにビジネスタスクの評価では、最高スコアを持つクローズドモデルと同等の結果を記録しています。精度とオープン性の両立が、ベンチマーク上で数値として示された形です。
LangChainによる専用チューニングの中身
今回の成果の背景には、LangChainとの協業があります。LangChainはAIエージェントの構築・管理に用いられるオーケストレーションプラットフォームで、月間2億以上のダウンロード数を持つ世界最大規模の基盤です。
そのLangChainがNemotron 3 Ultra向けにDeep Agentsハーネスを最適化しました。手法はモデルの再トレーニングではなく、システムプロンプト・ツールの説明・ミドルウェアの調整です。この設計変更によって、精度だけでなくタスク完了率とスループットも向上しています。
推論コストが10分の1になる意味
数値として目を引くのがコストです。トップクラスのクローズドモデルと比べて、1ランあたりの推論コストが10分の1を実現しています。
このコスト差は、運用の幅を直接変えます。継続的な評価サイクルの実行、実験の反復速度の向上、複数ビジネス領域への特化型エージェントの展開が、従来より低い費用負担で可能になるとされています。
全体まとめ
NVIDIA Nemotron 3 UltraとLangChainの組み合わせにより、オープンモデル最高精度・クローズドモデルと同等のビジネスタスクスコア・推論コスト10分の1という3つの数値が同時に達成されました。モデル自体の再トレーニングは行わず、システムプロンプト・ツール設定・ミドルウェアという運用環境の調整によって実現された点が、この取り組みの特徴です。月間2億ダウンロードを持つLangChainがNemotron 3 Ultra向けに専用チューニングを施したことが、精度・スループット・コストの各指標を同時に引き上げる結果につながっています。