TITLE

スクウェア・エニックスがNVIDIAのローカルLLM「Nemotron」を検証——ゲーム開発の実務でどこまで使えるか

投稿日:2026.11.12

CATEGORY

  • AI開発
スクウェア・エニックスがNVIDIAのローカルLLM「Nemotron」を検証——ゲーム開発の実務でどこまで使えるか

スクウェア・エニックスは、2026年11月10日開催の「Agentic AI Day Japan 2026」で、NVIDIAのローカルLLMをゲーム開発の実務に使えるか検証した結果を発表しました。登壇したのは同社AI&エンジン開発ディビジョンの藤井翔太氏です。検証の結論は、チャットやスクリプト生成といった基本的な作業はローカルLLM単体で十分にこなせる一方、ゲーム全体の生成のような自由度の高い複合タスクでは途中で停止し、フロンティアモデルとの併用を挟んでも完成には届かなかったというものでした。

検証に使われたのは、NVIDIAのビジョン言語モデル「Nemotron 3.5 Super VL」(120B-A12B)です。社内のH100 GPUマシン上で動かし、モーション生成では同じくNVIDIAのモーション生成AI「Kimodo」と組み合わせて使用しています。

チャットとスクリプト生成は、速く正確に動く

藤井氏は、まずチャットとしての基本性能を検証しています。基礎知識・計算・指示対応・アイデア出しのいずれも問題なく回答し、短い質問への応答は0.79秒で、他モデルより速かったと報告されています。一方で難しい質問には時間がかかり、動画を読み込ませた理解も正確で、10.6秒で回答したということです。

スクリプト生成では、画像のネガポジ変換を行うPythonスクリプトが1回の依頼で正しく生成され、生成時間は22秒でした。HTMLによる簡単なゲームも、1回の依頼で動作したと報告されています。

正方形の写真が中央で二分割され、左は通常のカラー写真、右は色が反転したネガ調の同じ写真になっている

モーション生成は、専用モデルと組み合わせて実用レベルに近づく

モーション生成では、Nemotronが足の位置やキーフレームを計画し、Kimodoが実際のモーションを生成する役割分担になっています。バーをまたぐ歩行のような動きを生成でき、PDCAによる改善を重ねた結果、足の滑りは16.4cmから1.7cmまで減少しました。キーフレームの数は6個が最も自然な動きになったということです。

ただし、このモーション生成には衝突判定が組み込まれていません。そのため、キャラクターがオブジェクトへ貫通してしまう場面も見られたと報告されています。

自由度の高い複合タスクでは、ローカルLLM単体は止まる

MCP連携(AIとツールをつなぐ接続規格)では、Blenderで作った木をUnreal Engineのシーンに配置する作業が成功しています。個別のツールをつなぐ作業であれば、ローカルLLMが完結できるということです。

一方、ゲーム全体を作るというタスクでは、ローカルモデル単体では途中で停止しました。Claude Codeでタスクを事前に整理し、NeMo Switchyard(タスクをモデルへ振り分けるルーティング機能)でルーティングしてフロンティアモデル(ChatGPTなど)を併用すると一部は改善しましたが、それでもゲームの完成には至らなかったと報告されています。

チャット・スクリプト生成からモーション生成、ゲーム全体の生成まで、自由度が上がるほどローカルLLM単体では止まることを示す階段状の図解

止まった先をどう設計するか——ローカルとフロンティアの使い分け

藤井氏の総括は、基本的な作業はローカルLLMでこなせる一方、自由度の高い課題にはフロンティアモデルとの併用や確認方法の整備が必要というものでした。この構図は、「速いか」ではなく「どこまでの判断を、どの範囲まで任せられるか」という評価軸の話です。

私たちも、AIエージェントにタスクを振り分ける際、似た発想の判断をしています。CLAUDE.mdには、新規性・レバレッジの高い設計だけを上位モデルに任せ、実行やfan-outは下位モデルに任せるという委譲方針が明記されています。ゲーム開発という領域も判断の軸(自由度 / 新規性・レバレッジ)も厳密には異なりますが、タスクの特性に応じてモデルを使い分け、任せきれない領域ほど上位モデルとの併用を残すという設計思想は、同じ方向を向いています。

まとめ

ローカルLLMの導入を検討するなら、自社のタスクを「基本操作」と「自由度の高い複合タスク」のどちらに当たるかで仕分けることが最初の一歩になります。チャット・定型のスクリプト生成・単一ツール内の操作は基本操作側に、複数の判断が絡み合う生成作業は自由度の高い側に置けば、どこまでをローカルで任せ、どこからフロンティアモデルや人の確認を挟むかの線引きが見えてきます。

今回の検証が示したのは、その線引きの位置が意外と手前にあるという点です。基本操作は速く正確に動く一方、自由度の高い複合タスクは、事前の整理やルーティングを挟んでも完成までは届きませんでした。

関連

AI エージェントを業務で回すときの設計と運用については、CTO の note に書いています。

出典

※ この記事は AI を使用しています。Leadeas が自社開発した AI エージェント基盤で下書きを作成し、人間のレビューを経て公開しています。AI ネイティブ開発会社として自社の技術をそのまま実演する目的で、この手法を用いています。(詳しくは AI 利用ポリシー)

AI導入のご相談

AI導入やシステム開発の ご相談を承っています。

お気軽にお問い合わせください

無料相談する

お問い合わせには1営業日以内にご返信します