ソフトウェア変更のコントロールレイヤーを構築するため、1億4,300万ドルを調達しました。詳しく見る: ソフトウェア変更のコントロールレイヤーを構築するため、1億4,300万ドルを調達しました。

CodeRabbit のAIコードレビューが NVIDIA Nemotron をサポート開始

by
Atsushi Nakatsugawa

Atsushi Nakatsugawa

January 05, 2026

1 min read

CodeRabbit のAIコードレビューが NVIDIA Nemotron をサポート開始

AI Code Reviews now support NVIDIA Nemotronの意訳です。

TL;DR: フロンティアモデルとオープンモデルを組み合わせることで、コスト効率が向上し、レビューが高速化されます。NVIDIA Nemotron は、CodeRabbit のセルフホスト利用者向けにサポートされています。

CodeRabbit は、AIコードレビューで使用する大規模言語モデル(LLM)の構成において、NVIDIA Nemotron ファミリーのオープンモデルをサポートしたことをお知らせします。
Nemotron 3 Nano のサポートは、まず CodeRabbit の コンテナイメージ を自社インフラ上で実行している セルフホスト利用者 向けに有効化されました。
Nemotron は、OpenAI および Anthropic のフロンティアモデルが深い推論を行い、バグ修正のためのレビューコメントを生成する前段階として、コードレビューワークフローにおける コンテキスト収集および要約フェーズ を担います。

Nemotron がもたらす価値:大規模なコンテキスト収集

オープンモデルとフロンティアモデルを組み合わせたこの新しい構成により、レビュー工程の各部分を適切なモデルファミリーへ振り分けることが可能になりました。
その結果、コンテキスト収集全体の処理速度とコスト効率が向上しつつ、フロンティアモデル単体で実行した場合と同等のレビュー精度 を実現しています。

深く潜在的なバグを検出できる高品質な AI コードレビューには、解析対象コードに関する大量のコンテキスト収集が不可欠です。
最も頻繁に実行され、かつトークン消費量が大きい作業は、次のようなコンテキストの要約と更新です。

  • コード内で何が変更されたのか、またそれは開発者の意図と一致しているか

  • その変更がコードベース全体とどのようにつながっているか

  • リポジトリ固有の規約やカスタムルールは何か

  • レビューを補助する外部データソースは何が利用できるか

このコンテキスト構築フェーズは、AIコードレビュー全体の中核となる処理であり、レビューのワークフロー全体を通じて 反復的に何度も実行 されます。
NVIDIA Nemotron 3 Nano は、高効率タスク向けに設計されたモデルであり、100万トークンという大規模なコンテキストウィンドウと高速な処理性能により、大量のデータを収集し、複数回のコンテキスト要約および検索を効率的に実行できます。

CodeRabbit architecture with Nemotron support

フロンティアモデルとオープンモデルの組み合わせ

プルリクエスト(PR)を作成すると、CodeRabbit のコードレビューワークフローが起動します。
最初に、安全で隔離されたサンドボックス環境で、リポジトリのクローンに対してコード解析が行われます。
並行して、CodeRabbit は以下の複数のソースからコンテキストシグナルを取得します。

  • コードおよび PR インデックス

  • Linter / 静的アプリケーションセキュリティテスト(SAST)

  • コードグラフ

  • コーディングエージェントのルールファイル

  • カスタムレビュールールおよび学習結果

  • Issue チケット(Jira、Linear、GitHub Issues)

  • 公開 MCP サーバー

  • Web 検索

コンテキストエンジニアリングに対する私たちのアプローチについて、さらに詳しく知りたい方は、こちらのブログをご覧ください。
Aiコードレビューにおけるコンテキストエンジニアリングの技術と実践

これらのコンテキストの多くは、解析対象のコード差分と組み合わされ、レビューコメントが生成される前に PR サマリー を作成するために使用されます。
この段階で、オープンモデルが活躍します。
すべてのコンテキストをフロンティアモデルに送信する代わりに、CodeRabbit は Nemotron Nano v3 を使用して、関連するコンテキストを収集・要約します。
要約はすべてのコードレビューの中心であり、レビューコメントにおける 高いシグナル対ノイズ比 を実現するためのキーです。

要約フェーズが完了した後、フロンティアモデル(例:OpenAI GPT-5.2-Codex、Anthropic Claude Opus / Sonnet 4.5)が深い推論を行い、バグ修正のためのレビューコメントを生成します。
さらに、レビュー検証、マージ前チェック、「仕上げ処理」(Docstringやユニットテスト提案を含む)といった
エージェント的ステップも実行されます。

皆さま向けの価値

CodeRabbit は現在、レビュー工程の コンテキスト要約フェーズ に Nemotron-3-Nano-30B を使用し、OpenAI および Anthropic のフロンティアモデルと組み合わせた構成を(まずはセルフホスト利用者向けに)提供開始しています。
これにより、品質を損なうことなく、コードレビューの高速化を実現します。

また、本日 NVIDIA により発表されたNemotron オープンモデルファミリー拡張の発表
心より歓迎します。
NVIDIA と協力し、あらゆる業界における AI コーディングの普及をさらに加速していけることを楽しみにしています。

セルフホスト環境で AI コードレビューを実行したい場合は、こちらから CodeRabbit チームまでお問い合わせください。
コンテナイメージへのアクセスをご案内します。

共有

Share on XShare on LinkedinShare on Reddit