NVIDIA NIM無料APIはOpenCodeGoの代わりになるか

目的

2026-08-20_OpenCodeGo_AI社員の部下を月10ドルで設計するで「月$10でOpenCode Goに高スペックモデルを任せる」設計を検証したが、XでNVIDIAが「140以上のAIモデルへ無料アクセスを提供している」という投稿を見かけた。$0で使えるなら、OpenCodeGoの代替、あるいは併用先になり得るのではないかと考え、実際にAPIキーを取得し、OpenCodeのハーネス経由で実タスクを走らせて検証した。

Xの投稿の数字（レート制限・有効期限など）は鵜呑みにせず、Grok CLIに公式ドキュメント・NVIDIA公式フォーラムを実際に取得させて裏取りした上で、自分のアカウントでAPIキーを発行し、実際のタスク実行結果で判断した。

APIキー取得は本当に無料・クレカ不要だった

build.nvidia.comでアカウント登録し、メールアドレスと電話番号（SMS）認証だけでAPIキーを取得できた。クレジットカードの登録は一切求められなかった。

元投稿は「レート制限40 req/min」「無料期間1年」「電話番号認証必須」と書いていたが、Grok CLIに公式情報を調べさせたところ、この3つは以下のように公式スペックと食い違っていた。

• レート制限「40 req/min」: NVIDIA公式は数値を非公開にしている（モデルごとに変動、build.nvidia.comの自分のアカウント画面で確認する仕様）。「40」はフォーラム上で個々のユーザーが自分の画面表示を書いた値であり、全ユーザー共通の公式スペックではない。
• 無料期間「1年」: NVIDIA公式スタッフはフォーラムで「トライアル期間に時間制限はない」と明言している。ただし公式ToS文書には矛盾する「limited use for a limited time」という記述も残っており、一次情報同士が食い違っている状態。
• 電話番号認証: 公式ドキュメントには記載がないが、公式フォーラムには実際にSMS認証で詰まったユーザーの報告が多数ある（国によってはSMS非対応で詰む例あり）。「必須」と断言できる公式記載はない。

技術的な接続方法（OpenAI互換API、対象モデルの大半が実在すること）は公式に正しいが、具体的な数字は公式スペックとしては確認できない、という前提で読んでほしい。

実際に使ってみた：OpenCode経由でTDDタスクを委任

2026-09-03_OpenCode経由でローカルOllamaモデルにTDDタスクを委任すると同一のTDDタスク（add(a, b)をpytestで検証しながら実装する）を、NVIDIA NIM経由のnvidia/nemotron-3-ultra-550b-a55b（550B級、活性55B）に対して実行した。

設定方法

OpenCodeのopencode.jsoncに、Ollamaとは別のproviderとして追加するだけで良い。

{
  "provider": {
    "nvidia-nim": {
      "npm": "@ai-sdk/openai-compatible",
      "options": {
        "baseURL": "https://integrate.api.nvidia.com/v1",
        "apiKey": "{env:NVIDIA_NIM_API_KEY}",
        "timeout": 600000
      },
      "models": {
        "nvidia/nemotron-3-ultra-550b-a55b": {
          "name": "Nemotron 3 Ultra 550B-A55B (NVIDIA NIM, free tier)",
          "limit": { "context": 131072, "output": 8192 }
        }
      }
    }
  }
}

APIキーは{env:NVIDIA_NIM_API_KEY}のように環境変数経由で渡し、設定ファイルに直書きしない。

export NVIDIA_NIM_API_KEY="nvapi-xxxx..."
opencode run --model nvidia-nim/nvidia/nemotron-3-ultra-550b-a55b "<タスク>"

結果：✅ 完全成功

• calc.py・test_calc.pyのみ作成（余計なファイルなし）
• 「失敗するテストを先に書く→失敗確認→実装→合格確認」のTDD手順を正しく実行
• python -m pytestで独立に実行しても1 passed

2026-09-03_OpenCode経由でローカルOllamaモデルにTDDタスクを委任するで確認したローカルOllamaモデル（qwen3.8:27b等）と同じ品質の結果が、ローカルVRAMを一切消費せずに得られた。

つまずいた点：モデルIDは公式一覧で確認してから使う

投稿にあったmoonshot-ai/kimi-k2.7のような名前をそのまま試すと404 Not Foundになった。実際に叩けたのは公式リファレンス（docs.api.nvidia.com/nim/reference/llm-apis）に載っている正確なID（nvidia/nemotron-3-ultra-550b-a55bなど）のみ。組織スラッグの表記ゆれ（moonshot-aiではなくmoonshotai）や、廃止予定モデル（minimaxai/minimax-m3は2026-09-08に廃止予定）もあるため、使う前に公式モデルカードを確認する必要がある。

OpenCodeGoとの比較

良いところ

• クレカ不要・$0で550B級の大型モデルまで含む140以上のラインナップを試せるのは、OpenCodeGoの月額契約前に「本当にこのモデルが自分の用途に合うか」を試す手段として強い
• OpenAI互換APIなので、OpenCode・Hermes Agent・Cursorなど既存のハーネスにそのまま追加できる（新しい学習コストがほぼゼロ）
• モデルの選択肢の広さが最大の武器。同じ委任経路のまま、Nemotron・GLM・MiniMaxなど毛色の違うモデルを次々に比較できる

悪いところ・注意点

• 本番・業務利用は規約違反。あくまで評価・プロトタイプ用途。継続的な業務フローに組み込むならOpenCodeGoのような契約ベースのサービスが必要
• 入力データがNVIDIAのモデル改善に使われる前提を理解した上で使う必要がある。機密情報・顧客データは入れられない
• レート制限が非公開で、モデルごとに変わるため、負荷テストのような用途には向かない
• 投稿で紹介されていたモデルIDの中には実在しないもの・廃止予定のものが混じっており、公式リファレンスでの確認が必須
• 電話番号認証は国によってはSMS非対応で詰まる報告がある

まとめ：それぞれ強みが違う、置き換えではなく使い分け

今回の検証で見えてきたのは、「どちらが優れているか」ではなく、それぞれ得意分野が違うということだった。

• OpenCodeGoの強みは「つながりやすさ」。契約さえすれば、設定に迷う要素が少なく、安定して同じ品質のモデルにすぐつながる。継続的な業務フローに組み込むならこちらが安心。
• NVIDIA NIMの強みは「無料で色々なモデルを一気に試せる」こと。クレカ不要・$0で、Nemotron・GLM・MiniMaxなど140以上のラインナップに触れられる。実際にOpenCode経由で550B級モデルにTDDタスクを委任したところ、ローカルOllamaモデルと同等の品質で完走し、費用は$0だった。「このモデル、自分の用途に合うだろうか」を数を撃って確かめる段階で圧倒的に強い。

ただし規約上は本番・業務利用不可、入力データがモデル改善に使われる前提である点は無視できない。継続的な業務利用にはOpenCodeGoのような契約ベースのサービスに軍配が上がる。「まず無料のNVIDIA NIMで色々なモデルを試して当たりを付け、本当に業務で使う価値があると分かったモデル・用途はOpenCodeGoのつながりやすさに乗せる」という使い分けが、今のところ一番現実的だと感じている。

関連ノート

• 2026-08-20_OpenCodeGo_AI社員の部下を月10ドルで設計する
• 2026-09-03_OpenCode経由でローカルOllamaモデルにTDDタスクを委任する
• 2026-09-03_Hermes_Agentでローカルモデルの単発実行とcron定期実行を試す