Nemotron 3.5 Embed (1B and 8B)とは？
Nemotron 3.5 Embedは、NVIDIAが2026年10月20日に緩やかなOpenMDW-1.1ライセンスで公開したオープンな埋め込みモデルの2本立てで、1Bモデル（15.5億パラメータ）と8Bモデル（83.8億）です。埋め込みモデルは、検索システムが最も近い候補を見つけられるよう、クエリや文書を数値の列に変換します。このモデルはテキスト、文書ページの画像、またはその両方を変換でき、表、グラフ、インフォグラフィックを含むPDFの検索に使えます。クエリはテキストのみです。
どちらもMistralのMinistral 3をベースにしており、2026年7月に出たNVIDIAのテキスト専用Nemotron 3 EmbedにPixtral画像エンコーダーを加えた構成です。NVIDIAは学習中にテキスト部分を凍結したため、テキストのベクトルはNemotron 3 Embedと一致し、既存のテキストインデックスを作り直す必要がありません。1Bは2,048次元のベクトルを出力し、1,024や512に切り詰められます。最大32,768トークンを読み込み、Blackwell GPU向けの4ビットNVFP4版もあります。
Nemotron 3.5 Embed (1B and 8B)は使う価値があるか？
Nemotron 3.5 Embedは、表やグラフが本文と同じくらい意味を持つビジネス文書の検索で、いまや 最も有力なオープンな選択肢です。2026年10月20日時点のビジュアル文書検索リーダーボードViDoRe v3.1で、8BはnDCG@10 61.17で首位、1Bは58.38で大きいモデルのスコアの95.4%を保ちました。NVIDIAによるViDoRe V3のページ画像の表では、1Bが58.02でQwen3-VL-Embedding-2Bの52.89を、8Bが60.39でQwen3-VL-Embedding-8Bの58.29を上回ります。
テキスト側は継承されたもので、すでに実績があります。NVIDIAによれば、テキスト専用のNemotron 3 Embed 8Bは2026年7月に多言語RTEBリーダーボードで78.5で首位となり、1Bは72.4、MMTEB検索で71.0でした。3.5はこれらのテキストベクトルを変えていないため、Nemotron 3 Embedを使うチームはテキストを埋め込み直さずに同じインデックスへページ画像を追加できます。バージョンが上がるたびに全面的な作り直しが普通の分野では珍しい配慮です。
導入コストはほぼゼロです。両サイズとも当面はOpenRouterで無料、ライセンスは商用利用を認めており、NVIDIAのテストではNVFP4版の1BはGB200上でBF16より27.1%速く、ViDoRe V3での精度の99.85%を保ちます。NVIDIAのNIMコンテナはRTX PRO 6000 Blackwellで毎秒6,031件のクエリを処理し、vLLMの約2.9倍でした。
注意点：上の数字はすべてNVIDIAのもので、ソフトウェアの対応範囲も狭いです。対応ハードウェアはLinux上のNVIDIA Ampere、Hopper、Blackwellで、画像入力にはTransformers 5.20.0が必要です。5.17.0から5.19.0ではFlashAttention 2で誤った結果を返すことがあるためです。またページ画像はテキストと同じ32,768トークンの枠を消費します。テキストは34言語、画像は18言語で評価されており、100以上をうたう競合もあるなかでは少なめです。
結論：PDF、スライド、スキャンしたレポートを対象とするRAG システムなら、現時点ではNemotron 3.5 Embed 1Bが妥当な標準です。8Bの追加GPUが見合うのは、数ポイントの再現率が実際にお金になる場合だけです。
真価を発揮する場面
株式調査会社の検索エンジニア
数千件のアナリストPDFから目的のグラフや表を見つける
1Bで各ページを画像と抽出テキストの組として埋め込み、2,048次元のベクトルを保存し（ストレージを半分にするなら1,024）、普通のテキストで検索します。NVIDIAによるViDoRe V3での1Bの画像+テキストのスコアは58.82です。
すでにNemotron 3 Embedでテキスト検索を運用しているプラットフォームチーム
数百万件のテキストチャンクを再インデックスせずに、スキャンした契約書やスライドを追加する
モデルをNemotron 3.5 Embed 1Bに切り替え、新しいページ画像だけを埋め込みます。NVIDIAがテキストの重みを凍結したため、既存のテキストベクトルはそのまま有効です。
記憶を持つAIエージェントを試作する2人のスタートアップ
GPUに投資する前に強力な埋め込みモデルを試す
試作中はOpenRouterでnvidia/nemotron-3.5-embed-1b:freeを呼び出し、トラフィックが見合うようになったらNVIDIA GPU 1枚のvLLMかNIMコンテナに移します。
導入前に確認すること
- 導入
- pip install transformers 5.20.0とsentence-transformersを行い、nvidia/Nemotron-3.5-Embed-1B-BF16を読み込んで、クエリとパッセージの接頭辞を付けるencode_queryとencode_documentを呼び出します。vLLM 0.32.0でvllm serveも使えます。
- 連携
- Transformers、Sentence Transformers、vLLM（検索用の/v2/embedエンドポイントを含む）、NVIDIA NIM。OpenRouter、Baseten、DeepInfra、FriendliAI。Elasticの対応は近日予定と発表されています。
- データとプライバシー
- OpenMDW-1.1は商用利用を認めています。セルフホストなら文書は自社ハードウェアに留まります。学習には商用利用可能な公開データセットと、Nemotron、Qwen、Gemma、gpt-ossなどのモデルによる合成データが使われました。
- 大規模利用時のコスト
- 重みは無料で、OpenRouterは現在無料です。セルフホストでは、NVIDIAの計測でNVFP4版1BがGB200で毎秒128.8文書、NIMがRTX PRO 6000で毎秒6,031クエリでした。
- 制限
- 1入力あたり32,768トークンで、テキストと画像のトークンで共有。画像の長辺は既定で1,120ピクセル、最大1,540。クエリはテキストのみ。Linux上のNVIDIA GPU。
良い点
- 8BがViDoRe v3.1でnDCG@10 61.17の首位（2026年10月20日）
- テキスト、ページ画像、またはその両方を一つのベクトル空間に変換
- テキストベクトルがNemotron 3 Embedと同一なので、テキストインデックスをそのまま使える
- 緩やかなOpenMDW-1.1ライセンス、OpenRouterで無料
- NVFP4版はBlackwellで27.1%高速
気になる点
- ベンチマークはすべてNVIDIA自身のもの
- LinuxとNVIDIA GPUのみ
- テキストは34言語、画像は18言語で評価
- クエリはテキストのみで、画像クエリは非対応
- バージョンに敏感：Transformers 5.17.0から5.19.0ではFlashAttention 2で画像入力が壊れる
おすすめの人
PDF、スライド、レポートを対象に検索やRAGを構築し、テキストとページ画像を一つのオープンモデルで扱いたいチーム。
Nemotron 3.5 Embed (1B and 8B)の代替
Nemotron 3.5 Embed (1B and 8B)：よくある質問
- Nemotron 3.5 Embed (1B and 8B)は使う価値があるか？
- Nemotron 3.5 Embedは、テキストだけでなくページ画像も読め、試すのに費用がかからないため、文書検索で最初に使うべきオープン埋め込みモデルです。 評価は5点満点中4.4点です。
- Nemotron 3.5 Embed (1B and 8B)の料金は？
- OpenMDW-1.1で無料。両サイズともOpenRouterで無料で呼び出せます。Baseten、DeepInfra、FriendliAIもホストしており、NVIDIAはNIMコンテナを提供しています。
- Nemotron 3.5 Embed (1B and 8B)の欠点は？
- ベンチマークはすべてNVIDIA自身のもの; LinuxとNVIDIA GPUのみ; テキストは34言語、画像は18言語で評価; クエリはテキストのみで、画像クエリは非対応; バージョンに敏感：Transformers 5.17.0から5.19.0ではFlashAttention 2で画像入力が壊れる.
- Nemotron 3.5 Embed (1B and 8B)は誰に向いているか？
- PDF、スライド、レポートを対象に検索やRAGを構築し、テキストとページ画像を一つのオープンモデルで扱いたいチーム。
- チームや本番環境でNemotron 3.5 Embed (1B and 8B)を使うと費用はいくらか？
- 重みは無料で、OpenRouterは現在無料です。セルフホストでは、NVIDIAの計測でNVFP4版1BがGB200で毎秒128.8文書、NIMがRTX PRO 6000で毎秒6,031クエリでした。
- Nemotron 3.5 Embed (1B and 8B)は企業データを扱っても安全か？
- OpenMDW-1.1は商用利用を認めています。セルフホストなら文書は自社ハードウェアに留まります。学習には商用利用可能な公開データセットと、Nemotron、Qwen、Gemma、gpt-ossなどのモデルによる合成データが使われました。
- Nemotron 3.5 Embed (1B and 8B)の代わりになるものは？
- 当サイトでレビューした中で最も近い代替はQwen3-VL-Embedding, Nemotron ColEmbed V2, Cohere Embed 5, Harrier-OSS-v1 (270M, 0.6B, 27B) 、 Jina Embeddings v5です。
回答確認日：2026年11月7日
Nemotron 3.5 Embed (1B and 8B)の開発元の方へ：この評価をサイトに掲載できます
