この記事の結論

2026年3月のGTCで発表されたNVIDIA NemoClawは、OpenShellサンドボックスとNemotron 3 Ultraを軸にエンタープライズAIエージェント基盤へ進化。LangChain連携やNeMo Customizerによるカスタマイズ動向を最新情報から整理します。

NemoClawとは何か：ワンコマンドで導入する安全なエージェント実行基盤

NVIDIAは2026年3月16日、米サンノゼで開催されたGTCにおいて、OpenClawエージェントプラットフォーム向けのNVIDIA NemoClawスタックを発表しました。最大の特徴は、NVIDIA Nemotronモデル群と新発表のNVIDIA OpenShellランタイムを単一コマンドでインストールできる点にあります。

NemoClawは、常時稼働型（always-on）の自律AIエージェント、いわゆる「claw」に対して、プライバシーとセキュリティの制御レイヤーを追加するオープンソースのリファレンススタックとして位置づけられています。公式ドキュメントによれば、NemoClawはOpenShellコンテナ内でのオンボーディング、ライフサイクル管理、エージェント運用を提供し、追加のセキュリティと推論ルーティング機能を備えた実行環境をセットアップします。

また、CursorやClaude CodeといったAIコーディングアシスタント向けのユーザースキルも同梱されており、セットアップ・推論・ポリシー管理・監視・デプロイ・トラブルシューティングを同一のドキュメント体系からガイドできる設計になっています。

OpenShell：カーネルレベルのサンドボックスとプライバシールーター

NemoClawのセキュリティの中核を担うのがNVIDIA OpenShellです。Cloud Security Alliance（CSA）が公開したセキュリティ評価レポートでは、OpenShellがLandlock、seccomp、ネットワーク名前空間といったLinuxカーネルレベルの隔離機構を用いたサンドボックスを提供し、さらにアウトオブプロセスのポリシーエンジンと、機微データをローカルのNemotronモデルへ振り分けるプライバシールーターを備える点が指摘されています。

設計思想として重要なのは、「エージェントランタイム自身に自らのセキュリティポリシーを執行させない」というアーキテクチャ上の割り切りです。エージェントが実行するコードの一部を攻撃者が支配した場合でも、ポリシー判断はプロセス外で行われるため、防御が破られにくくなります。

実運用面では、ポリシーエンジンがすべてのネットワークアクセスを審査し、許可されない接続はブロックされます。APIキーやパスワードなどの資格情報はサンドボックス内のファイルシステムに保存されず、実行時に環境変数として注入される方式が採られています。加えて、NemoClawはセキュリティポリシー全体を単一のYAMLファイルとして保持するため、セキュリティチームは通常のプルリクエスト（PR）ワークフローで差分レビューと承認を行えます。

Nemotron 3 Ultra：550BのMoEオープンモデルがエージェントの頭脳に

NemoClawが標準で組み合わせるモデルがNVIDIA Nemotron 3 Ultraです。NVIDIAの技術ブログによれば、Nemotron 3 Ultraは総パラメータ550B・アクティブパラメータ55BのMixture-of-Experts（MoE）モデルで、長時間稼働するエージェントシステムにおけるフロンティア級の推論とオーケストレーションを目的に設計されています。同等クラスのオープンモデルと比較して約5倍のスループットを実現しつつ、主要ベンチマークで高い精度を示すとされています。

アーキテクチャはハイブリッドMamba-Transformer構成を採用し、技術レポートでは「エージェント型推論のためのオープンかつ効率的なMoEハイブリッドMamba-Transformerモデル」として位置づけられています。長大なコンテキスト長により、複数ターンにまたがるツール利用や状態保持を要するワークフローに適します。

専門領域での成果も出ています。2026年7月26日公開のNVIDIA技術ブログでは、NVIDIA ResearchのACE-RTLエージェントとNemotron 3 Ultraの組み合わせが、CVDP（Comprehensive Verilog Design Problems）ベンチマークの9つのエージェント型RTLタスクカテゴリで平均97.1%の合格率を達成し、オープンモデル中トップの精度と効率を示したと報告されています。

LangChain Deep Agents Blueprint：コスト約10分の1という評価結果

2026年7月8日、LangChainとNVIDIAはNemoClaw Deep Agents Blueprintを共同で発表しました。このブループリントは、オープンモデル層（Nemotron 3 Ultra）／エージェントハーネス層（LangChain Deep Agents Code、通称dcode）／ガバナンス付きランタイム（OpenShell）という3層構成で、エンタープライズがエージェントスタック全体を制御できるリファレンスアーキテクチャです。

Deep Agentsは、長時間稼働エージェントに必要なプランニング、ツール利用、メモリ管理、タスク実行を担うハーネス層を提供し、ブループリントにはNemotron 3 Ultra向けにチューニングされたハーネスプロファイルが含まれます。

注目されたのはコスト効率です。LangChainの報告では、同社のエージェント評価スイートにおいてNemotron 3 Ultraが総合スコア0.86を1実行あたり$4.48で達成し、同テストで次に近いモデルの$43.48と比べて概ね10分の1のコスト水準だったとされています。エージェント性能が単一モデルの性能ではなく、モデル・ハーネス・ランタイムを含むスタック工学として評価される流れを象徴する結果と言えます。

NeMo Customizer：ポストトレーニングでエージェントを自社仕様に育てる

NemoClawの各ブループリントには、NVIDIA Agent Toolkitのコンポーネントとして、ランタイムポリシー制御を担うOpenShell、Nemotronをはじめとするモデル群に加え、特化と最適化のためのNVIDIA NeMoが組み込まれています。その中核マイクロサービスの一つがNeMo Customizerです。

NGCカタログの情報によれば、NeMo Customizerはマルチモデル対応のトレーニングコンテナとして提供され、NeMoマイクロサービス群におけるモデルカスタマイズジョブの実行を担当します。

実際の活用例として、Aibleは「AIエージェントをペットではなくインターンのように訓練する」というアプローチを掲げ、エージェントの推論ステップやツール呼び出しステップに対するきめ細かなユーザーフィードバックを用い、NeMo Customizer・NeMo Evaluator・NeMo Data Designerを通じてモデルをポストトレーニングしています。ここで課題となるのが、小型モデルの訓練を立ち上げる際に大型の教師モデルを必要とするコールドスタート問題ですが、多くのフロンティアモデルはライセンス上その出力をポストトレーニングに使うことを禁じています。オープンなNemotron 3 Ultraは、この制約を回避できる教師モデルとして位置づけられています。

直近のアップデートとエコシステム拡大

NemoClaw本体の開発も継続しています。公式リリースノートによると、NemoClaw v0.0.78では、マネージドなLangChain Deep Agents Code向けにスレッド単位でオプトインする自動承認とポリシー経由のリポジトリ読み取り、エージェントから参照できる推論ヘルス情報、ラウンドトリップ可能なポリシーエクスポート、さらにローカル推論・カスタムイメージ・マネージドMCP・リモートダッシュボード・資格情報取得の復旧性強化が加わりました。マネージドサンドボックスでは自動承認は既定で無効のままで、各スレッドがTUIまたはdcode -yで明示的にオプトインする必要があり、承認状態はプロセスやスレッドをまたいでリセットされます。

周辺エコシステムも広がっています。2026年7月26日には、NVIDIAがAgent ToolkitをPhysicsNeMoとCUDA-Xライブラリで拡張すると発表。SiemensはNeMo Gym、Nemotronオープンモデル、CUDA-Xライブラリを自社のFuse EDA AI Agentに用い、半導体設計領域でマルチツール／マルチエージェントのワークフローを統合しています。

モデル面では、マルチモーダルなサブエージェント向けにNemotron 3 Nano Omniが提供され、画面・文書・音声・映像・テキストをまたぐ知覚と文脈維持を担い、Nemotron 3 SuperやUltraといった実行・計画モデルと組み合わせる構成が示されています。さらにNemotron Safetyモデルは、有害コンテンツ、話題の逸脱、ジェイルブレイク試行に対するリアルタイム保護レイヤーを提供します。