登録して招待リンクを共有すると、動画再生報酬と紹介報酬を獲得できます。

検索結果 Nemotron
Nemotron コミュニティ
1つのキーワードが1つのコミュニティです。
コミュニティ作成
アカウント
見つかりません
Nemotron を含む検索結果
日本の企業やスタートアップが NVIDIA Nemotron オープン モデルを活用して業界特化型 AI を構築
Elith が NVIDIA 主導の金融向け日本語合成ペルソナデータセット「Nemotron Personas Finance Japan」の開発を支援
FastMetal、NVIDIA社の視覚言語モデル「Nemotron 3.5 Super VL」を提供開始
エージェントのLLMコール、本当に全部フロンティアモデルが必要ですか?NVIDIAのSwitchyardで実測してみたら、驚きの結果が出ました。 タイトル: Switchyard Agent Routing Benchmark URL: TL;DR 145件のマルチステップエージェントタスク(1タスク平均6.3コール)を検証。93%のLLMコールは小型モデルで処理でき、74%のコスト削減を達成。精度の低下はわずか6ポイントでした。 ポイント 🎯 フロンティアモデルは7%のコールのみ 全LLMコールのうち、Claude Opus 4.8が必要だったのはたった7%。残り93%はNemotron 3.5 Lightningで処理可能でした。 💰 コストは74%削減 タスクあたりコストが$0.092(Opus単体)→ $0.026(ルーティング)→ $0.006(Lightning単体)に。精度80%を確保しながら大幅な削減を実現。 📊 コスト内訳の意外な事実 フロンティアモデルはコール件数わずか7%なのに、総支出の68.4%を占有。加えてジャッジモデル自体のコストが21.2%を消費する点に注意が必要です。 🔢 ルーティングが割に合うかの公式 「最小オフロード率 = ジャッジコスト ÷ (高額モデルコスト - 安価モデルコスト)」で判断できます。モデル間の価格差が小さいと導入メリットが薄れます。 ⚡ 2つのデプロイ方式 NVIDIAのSwitchyardをプロキシサーバーとして独立起動するか、LangChainのDeep Agentsミドルウェアとして組み込むかを選択できます。 タスクが比較的簡単だった(難しいタスクならルーティング効果はさらに大きい可能性あり)という留意点はあるものの、1タスク複数コールのエージェントには非常に実践的な知見です。 #AIエージェント# #LLMコスト#
もっと見る
AIエージェントを仮想環境で試験し、本番前に失敗を見つけるイスラエルのPluraiが、Team8主導のシードラウンドで1,300万米ドルを調達しました( Mokady氏ら20人を超えるエンジェル投資家も参加しました。資金は研究開発チームの拡充、大企業向け市場の開拓、米国での事業拡大に充て、約12人の従業員を2026年末までに倍にする計画です。プラットフォームも無料枠つきで開発者に一般公開しました。 エージェントを作ること自体は、デモなら数時間でできるようになりました。難しいのはその先です。エージェントは同じ依頼にも違う応答を返すことがあり、プロンプトやモデルを少し変えるだけで振る舞いが変わります。手作業や決め打ちのシナリオでは試しきれず、利用者の前で初めて問題が出ることもあります。同社が引用するVentureBeatの調査では、社内評価を通ったエージェントやLLM機能が本番で顧客向けの不具合を起こした企業が半数にのぼりました。 発想の元は自動運転のシミュレーションです。企業のナレッジベース、ツール、ポリシーをもとに、エージェントとその動作環境のデジタルツイン(ソフトウェア上に再現した複製)を作り、サンドボックス(本番から隔離された試験環境)で数千の模擬ユーザーをぶつけます。意地の悪い問い合わせも混ぜて、ハルシネーション(もっともらしい誤答)、ポリシー違反、ツール呼び出しの失敗、機密情報の漏えいなどを洗い出し、修正案を作って同じ環境で再試験します。 本番では、シミュレーションで得たデータからエージェントごとに小規模言語モデル(SLM)を作り、常時の監視役にします。全会話を大型モデルで検査すると高くつくため、多くの企業は一部の抜き取り確認にとどまっています。用途を絞った小さなモデルなら全件を見られるという考え方で、1枚のGPUで数百の専用モデルを同時に動かせることも研究で示したとしています。 同社によると、デザインパートナー(製品を一緒に磨く初期顧客)では開発期間が数か月から数時間に縮み、利用者に届く失敗が82%減り、運用コストは最大97%下がりました。NVIDIAとNebiusとの取り組みでは、ある大手企業向けに追加学習したNemotronモデルが、特定の本番タスクでOpenAIのGPT-6 Lunaと同等の結果を約40分の1のコストで出し、AnthropicのClaude Haiku 5.5を約44分の1のコストで上回ったそうです(ynetの報道。Calcalistは両方を精度で上回ったと伝えています)。特定業務での比較で、汎用的な性能比較ではありません。 巨大なモデル1つに全部を見張らせるのではなく、小さな専用モデルをたくさん並べて監視する設計なので、エージェントを安心して動かすための費用は、モデルの大きさより試験データの質で決まっていくのかもしれません。
もっと見る
エヌビディアが2026年7月16日、日本政府と主要企業を巻き込んだ大型のAI・ロボティクス協業を発表しました。前日15日のイベントに登場したジェンスン・フアンCEOは、今週を「ジャパンAIの幕開けの週」と表現していました。発表の柱はロボティクスとフィジカルAI分野での協業拡大です。 柱の一つが、日本企業が世界モデル開発に参加する枠組み「Cosmos Coalition」です。ファナック、日立製作所、本田技術研究所、川崎重工業など22社が参加を表明しました。あわせて、エッジ機器向けの軽量な世界モデル「Cosmos 3 Edge」も発表されています。フアン氏は、フィジカルAIの本格化は日本の製造業にとって数十年に一度の転換点になるとの認識を示しました。 個別企業の動きも具体的です。エヌビディアは15日、ENEOSホールディングスや日立製作所、NTTデータがオープンモデル「Nemotron」を使い特化型AIを構築していると発表しました。ENEOSは、液浸冷却液など新素材分野の研究にこの技術を役立てています。日立は工場のITとOTを統合するAI基盤の開発に採用しました。NTTデータは、自社の日本語モデルの学習データ拡張にNemotronを使いました。 今回の来日は、フアン氏が5月下旬から6月にかけて台湾と韓国を精力的に回った直後にあたります。日本経済新聞は当時、半導体産業における日本の存在感の陰りやAI革命での出遅れを指摘する記事を報じました。「ジャパンパッシング」ではないかとの見方も一部で出ています。今回の発表は、こうした懸念が広がる中でのタイミングとなりました。 フアン氏は会見で、次世代半導体プロジェクト「ラピダス」への期待にも言及しました。台湾メディアは事前に、来日中の高市首相との面会も予定されていたといいます。
もっと見る