Nemotron 3 Super とは
Nemotron 3 Super は、NVIDIA が重みを公開しているオープンモデル「Nemotron」シリーズのモデルです。API 越しに借りる閉じたモデルと違い、重みをダウンロードして自社のインフラに置き、追加学習も推論も自前で完結させられます。
実例がすでにあります。Salesforce は Dreamforce で、同社初の CRM 向け推論モデル「Koa」を発表しました。その土台が Nemotron 3 Super です。約 30 年分の CRM 導入から作った合成データセットでポストトレーニングしたもので、顧客データは一切使っていません。オープンモデルなので Salesforce が重みを保持し、学習も推論も自社インフラ内で閉じています。
なお「Super」はシリーズ内のグレードを示す呼び名ですが、Nemotron 3 世代の正確なパラメータ数・コンテキスト長・公開日は本記事では確認できていないため、推測で書きません。
何に使えるのか
一番わかりやすい用途は、Koa がやったことそのものです。つまり「汎用モデルをそのまま使う」のではなく、**自社のドメイン知識を注ぎ込んだ専用の推論モデルを作る出発点**として使う、という形です。
これが効くのは、業務ロジックが汎用モデルの学習データにほとんど入っていない領域です。CRM の商談プロセス、業界固有の審査基準、社内の運用ルールなどは、外部のモデルがいくら賢くても知りません。そこを埋めるには追加学習が必要で、追加学習をするには重みが手元にある必要があります。
もう一つの軸がデータの置き場所です。金融・医療・公共のように「データを外部 API に出せない」制約がある組織にとって、重みを自社環境に置けることは機能差以前の前提条件になります。Salesforce が顧客データを使わず合成データで学習させたのも、同じ制約への答えです。
使い方（エンジニア向け）
進め方は大きく二段階です。
第一段階は、重みを取得して自社の GPU 環境（オンプレでも、クラウドの GPU インスタンスでもかまいません）に推論サーバとして立てること。ここまでは既存のオープンモデルを動かす手順と変わりません。
第二段階が本命で、自社データ――あるいは Koa のように自社の実績から生成した合成データ――でポストトレーニングし、特化モデルに仕立てます。Koa の事例が示しているのは、この工程を外部に一切出さずに回せる、という点です。
必要な VRAM や推奨構成は、モデルのグレードによって変わります。ここは実物の配布ページの記載を確認してください。本記事では数字を推測しません。
料金はどうなるのか
重み配布型のモデルは、コストの形が API 型と根本的に違います。API なら「入力・出力トークン単価 × 使った量」ですが、Nemotron 3 Super を自社で動かす場合の支払い先は **GPU を何時間回すか**です。
この違いは損益分岐点を生みます。利用量が少ないうちは API 型のほうが安く、量が増えるほど自前ホスティングが有利になる。加えて、ポストトレーニングには別途 GPU コストがかかります。
ライセンス条件および NVIDIA 自身がホスティング提供する場合の単価は、本記事では確認できていないため記載しません。導入判断の際は公式のライセンス文面を必ず読んでください。
誰が作っていて、競合は何か
作っているのは NVIDIA です。GPU を売る企業が高性能なモデルを無償で配る理由は明快で、モデルが自社ハードの上で動くほど需要が伸びるからです。モデル自体で課金する必要がありません。
競合は二方向にあります。一つは他社のオープンウェイトモデル群で、「自社インフラで動かす土台」の座を争います。もう一つはクローズドな API 型モデルで、こちらとは「データを外に出すか出さないか」という設計思想ごとの勝負になります。
投資家視点で注目すべきは、Salesforce のような大手 SaaS が自社モデルを持とうとしたときに、その土台として NVIDIA のオープンモデルが選ばれたという事実です。アプリケーション層の企業が独自モデルを持つ流れが続くなら、その一段下のレイヤーを押さえる価値は大きくなります。
