この記事の結論

NVIDIAが2026年8月11日、オープンな30B MoEモデル「Nemotron 3.5 Lightning」とエージェント用モデルルーター「NeMo Switchyard」を発表。NemoClaw・OpenShell・NeMo Customizerを含む最新動向を整理します。

NVIDIAが2つの新発表：Nemotron 3.5 LightningとNeMo Switchyard

NVIDIAは2026年8月11日、エージェンティックAI向けに2つの新たな成果を発表しました。1つは高いカスタマイズ性を備えたオープンモデルNemotron 3.5 Lightning、もう1つはエージェント向けのモデルルーターNeMo Switchyardです。

背景にあるのは「モデル選択肢の過剰」という課題です。企業にとって問題はもはや純粋な性能や能力ではなく、用途への適合性（fit-for-purpose）と、いつどのモデルを使うかに移りつつあります。エージェントが担うタスクは、単純で高速な処理の連続から、深い専門知識をまたぐ高度な推論までと幅広く、前者は小型モデルで効率的に、後者はフロンティアモデルで扱うのが合理的だという整理です。

NVIDIAは今回の2つを組み合わせることで、AIをどこで動かし、どれだけ効率的に運用するかを、PC・ワークステーション・データセンター・クラウドにわたって制御しやすくなるとしています。

Nemotron 3.5 Lightning：30B MoE・アクティブ3Bで最大4倍の出力速度

Nemotron 3.5 Lightningは、パラメータ総数300億（30B）のMoE（Mixture-of-Experts）モデルで、アクティブパラメータは約30億（3B）という構成です。大規模なマルチエージェントシステムの中で、専門化された特定タスクを担うことを想定して設計されています。

NVIDIAによると、同クラスの他モデルと比較して最大4倍の出力速度、そしてエージェンティックなタスク完了が約30％高速になるとされます。精度と速度のトレードオフでも、Artificial Analysis Intelligence Indexにおいて精度対速度のパレートフロンティアを取ったと説明しています。

ライセンスは寛容（permissive）で、重み・データ・レシピが公開され、ダウンロードして自由に利用・改変できます。単一のPC GPUでも動作するとされ、ローカルやオンプレミスでの高頻度・低レイテンシ実行に向きます。自社データやツール、ワークフローを用いたNVIDIA NeMoによるポストトレーニングにも対応し、PCからエッジ、ワークステーション、データセンター、クラウドまで展開可能です。あわせてエージェント強化学習用データセットNemotron-RL-Agentic-Terminal-Pivotも公開されました。

NeMo Switchyard：タスクごとに最適モデルへ振り分けるオープンソースルーター

NeMo Switchyardは、主要なエージェントツール内でのスマートなルーティングを実現するオープンソースライブラリです。企業は自社の要件に合わせてルーターを構築でき、デプロイ後は各リクエストを、そのジョブに最も適したモデルへ自動的に振り分けます。

振り分け先は、開発者が使っているオープンモデル・プロプライエタリモデル・NVIDIAモデルの混在環境を横断でき、しかもアプリケーションを書き換える必要がない点が特徴です。設計思想としては、計画・プランニングはよりフロンティア側のモデルへ、実行はLightningのような軽量モデルへ「下げる」ことで、トークンを効率的に使い切るという考え方が示されています。

NVIDIAの社内テストでは、フロンティア級の精度を保ちつつ、Opus 4.8を単独で使う場合と比べてタスク完了コストをおよそ3分の1まで削減できたと報告されています。Nemotron 3.5 Lightningもルーティング先の1つとして公開できます。

NemoClawとOpenShell：常時稼働エージェントに「ガードレール」を与える実行基盤

今回の発表は、NVIDIAが2026年3月16日のGTCで公表したNemoClawスタックの流れの上にあります。NemoClawはOpenClawエージェントプラットフォーム向けのソフトウェアスタックで、Nemotronモデルと新しいOpenShellランタイムを単一コマンドでインストールし、自己進化する自律エージェント（claws）にプライバシーとセキュリティの制御を追加します。

NVIDIA Agent Toolkitを用いてOpenClawを最適化し、OpenShellがオープンモデルと隔離サンドボックスを提供。さらにポリシーベースのセキュリティ・ネットワーク・プライバシーのガードレールを加えます。第三者のセキュリティ分析では、カーネルレベルのサンドボックス（Landlock、seccomp、ネットワーク名前空間）、エージェント自身が停止・改変できないアウトオブプロセスのポリシーエンジン、機微データをローカルNemotronへ回すプライバシールーターが中核として挙げられています。ポリシーは宣言的なYAMLで記述でき、セキュリティチームがdiffやレビュー、バージョン管理を通じて承認できます。

実行環境はクラウドやオンプレミスに加え、GeForce RTX PC、RTX PROワークステーション、DGX Station、DGX Sparkなどのローカル専用ハードウェアに対応します。ジェンスン・フアンCEOは、OpenClawを「パーソナルAIのオペレーティングシステム」と位置づけています。

NeMo Customizerによるポストトレーニング：Nemotronを「自社仕様」に育てる

オープンモデル戦略のもう一方の軸が、NeMo Customizerを中心としたカスタマイズです。パートナーのAibleは、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細粒度のユーザーフィードバックを使い、NeMo Customizer・NeMo Evaluator・NeMo Data Designerでモデルをポストトレーニングしています。

ここで長年の障壁になってきたのがコールドスタート問題です。小型モデルの「インターン訓練」を立ち上げるには通常より大きな教師モデルが必要ですが、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。Aibleは、Nemotron 3 UltraがNemotron 3ファミリーで最高品質の教師モデルとして利用できるため、このパイプラインを強化できると説明しています。

また、NemoClaw側ではLangChainのオープンソースDeep Agents CodeハーネスをNemotron 3 Ultra向けにチューニングして動かす構成も提供され、他モデルへの適応も可能とされています。

採用企業と入手方法：オープン化がもたらす実務インパクト

NVIDIAは、CrowdStrike、CodeRabbit、Harveyといった企業が最新モデルをテストし、カスタマイズしていると述べています。Nemotron 3.5 LightningはHugging FaceおよびNVIDIAのサイトから入手でき、NVIDIAの許諾を個別に求めることなくダウンロード・利用・改変が可能です。

NVIDIAはNemotronのリリースごとに、ライセンスが許す範囲で学習データと手法を可能な限り公開しており、これによりトレーサビリティ（追跡可能性）、監査、そして他モデルの学習が可能になるとしています。ジェンスン・フアンCEOはオープンモデルが競争を促し、価格を下げ、AIの主権（ソブリンAI）を強化すると主張しており、同時にGPU上で動くAIソフトウェアの総量が増えることでNVIDIA自身にも利益があると位置づけられています。

実務的には、「計画はフロンティア、実行は軽量モデル」という役割分担をSwitchyardで自動化し、NemoClaw／OpenShellで隔離とポリシーを担保し、NeMo Customizerで自社データに最適化する——という三層の組み合わせが、常時稼働エージェントの現実的な設計パターンになりつつあります。