Nemotron 3 Ultra、ACE-RTL反復型エージェントに統合——9種類のチップ設計タスクで平均合格率97.1%

NVIDIAは7月26日、エージェント型RTLプログラミングにおけるNemotron 3 Ultraの新たな評価結果を発表した。この実験では、モデルにプロンプトからVerilogを一度だけ生成させるのではなく、ACE-RTLに統合した。generatorがRTLの生成または修正を担い、reflectorがシミュレータや検査ツールからの失敗メッセージを解釈し、coordinatorが複数ラウンドにまたがるデバッグコンテキストを整理して、次回の生成で保持すべき仕様、コード、エラーの根拠を決定する。これは、ハードウェアエンジニアがコンパイル、シミュレーション、lint、修正を繰り返す工程により近い。

CVDPの9種類のタスクでは、同一のACE-RTLフレームワークを固定し、基盤モデルだけを入れ替えた結果、Nemotron 3 Ultraの平均合格率は97.1%となり、Kimi K2.6の95.2%、GLM 5.2の92.1%を上回った。`cid016`のデバッグ修復タスクだけを見ると、3モデルの成績はエージェント統合によって、それぞれ65.7%、68.6%、44.0%から、100%、97.1%、94.3%へ向上した。この差は、RTL能力がモデルの重みだけで決まるわけではなく、テストのフィードバック、履歴の圧縮、リフレクション用プロンプトも最終的な成功率を左右し得ることを評価者に示している。

Nemotron 3 Ultraの1ラウンド当たりの平均使用量は6,629 tokenで、GLM 5.2の9,156 token、Kimi K2.6の22,579 tokenを下回った。モデル自体は、総パラメータ数550B、1 token当たり55Bパラメータをアクティブ化する混合Mamba-Attention MoEで、100万tokenのコンテキストを備える。訓練データには、仕様生成、既存RTLの編集に加え、ステートマシン、ハンドシェイク、タイミングのエラーを注入した後の修復サンプルも意図的に組み込まれている。データパイプラインでは、構文チェック、ベンチマーク汚染チェック、LLM rubricによる評価を実施する。

ただし、これは依然としてベンダー主導の内部比較であり、商用のフロンティアモデルは含まれていない。また、token数を同一ハードウェア上でのレイテンシ、消費エネルギー、コストへ直接換算してもいない。次に注目すべきなのは、ACE-RTLとCVDPの結果を外部チームが再現できるか、そしてエージェントが生成した設計がシミュレーションテストに合格するだけでなく、形式検証、タイミングクロージャ、実際のRTL-to-GDSフローを通過できるかどうかである。