بطاقة عنوان لـ NVIDIA Nemotron for Science، بعنوان رئيسي «ما الذي تم إطلاقه، وما الذي يثبته»، مع أربع إحصاءات: نحو 50,000 سؤال كيمياء من LitmusBench v0.2، و120B إجمالي و12B معاملات نشطة، و81% من إعدادات GROMACS أُصلحت بواسطة وكيل KTH خلال تشغيل ليلي واحد على DGX Spark، ونافذة سياق بسعة 1M رمز.
Engineering & Research

داخل NVIDIA Nemotron للعلوم: ما الذي تُطلقه فعليًا حزمة الكيمياء المفتوحة الخاصة بـ SC26

الكاتب

Gideon Frost

تاريخ النشر

أحدث النماذج · 20عرض جميع النماذج →
المعايير: Artificial Analysis · يُحدَّث يوميًا
العودة إلى جميع المقالات

واحد وثمانون بالمئة هو الرقم الجدير بالبدء به، وهو ليس نتيجة معيار أداء. إنه نصيب إعدادات GROMACS الديناميكية الجزيئية المتعطلة عمدًا التي أصلحها وكيل بُني على NVIDIA Nemotron for Science في تشغيل ليلي واحد على محطة عمل DGX Spark واحدة، وفقًا لمعهد KTH Royal Institute of Technology — مع التحقق من كل إصلاح بواسطة GROMACS نفسه بدلًا من أن يقوم نموذج بتصحيح واجبه بنفسه. أعلنت NVIDIA عن المجموعة في 16 نوفمبر 2026 في SC26 في شيكاغو، عبر إيان باك، نائب الرئيس للحوسبة فائقة النطاق والحوسبة عالية الأداء. إنها ثلاثة عناصر في حزمة واحدة: نقطة تفتيش Nemotron 3.5 Super VL المفتوحة، ومجموعة بيانات كيمياء مفتوحة تُسمى LitmusBench v0.2 تضم نحو 50,000 سؤال، ومجموعة من وصفات التدريب اللاحق التي تربط النموذج بأدوات علمية معجلة بواسطة CUDA-X.

ذلك المزيج هو الجزء المثير للاهتمام، وهو ليس الجزء الذي يبيعه العنوان الرئيسي. فقيام مورّد بإتاحة نقطة تحقق مفتوحة أخرى أمر روتيني بحلول أواخر 2026؛ وقد أتاحت NVIDIA هذه النقطة في أكتوبر. الجديد في 16 نوفمبر هو البنية الداعمة المحيطة بها — مجموعة التقييم، والوصفات، ومجموعة من عمليات النشر المؤسسية المسماة التي تصف ما يحدث عندما توجّه النموذج إلى سير عمل علمي حقيقي بدلًا من لوحة صدارة. تتناول هذه المقالة ما يوجد فعليًا في المجموعة، وما تثبته أرقام الشركاء وما لا تثبته، وأين تكمن الفجوات أمام أي شخص يخطط للبناء عليها.

القطع الأثرية الثلاث، منفصلة

بيان NVIDIA الصحفي ومنشوره المرافق على منصة X يصفان حزمة واحدة. وتفكيك هذه الحزمة مهم، لأن لكل جزء وضعاً مختلفاً من حيث الترخيص، ومستوى نضج مختلفاً، وسبباً مختلفاً للاهتمام به.

• نقطة التحقق — Nemotron 3.5 Super VL، نموذج خليط خبراء بـ120 مليار معامل مع 12 مليار معامل نشط لكل رمز، هجين بين Mamba-2 وTransformer مع 512 خبيرًا موجّهًا في كل طبقة MoE، ومُرمِّز رؤية C-RADIO، وسياق يصل إلى مليون رمز. نص وصور وفيديو MP4 مدته دقيقتان كمدخلات؛ ونص كمخرجات. OpenMDW-1.1، للاستخدام التجاري وغير التجاري، والأوزان على Hugging Face. هذا ليس جديدًا في 16 نوفمبر — فقد رُفع المستودع في 12 أكتوبر وتلاه إعلان NVIDIA نفسه في 15 أكتوبر.

• مجموعة البيانات — LitmusBench v0.2، مجموعة مفتوحة تضم نحو 50,000 سؤال في الاستدلال الكيميائي مستمدة من بيانات الخصائص الجزيئية وسجلات تجريبية لاكتشاف الأدوية. وقد صُممت للمهمتين اللتين غالبًا ما يضطر معيار علمي إلى تقسيمهما بين ملفين: فهي تقيّم الاستدلال الكيميائي، ويمكن استخدامها كبيانات تدريب لاحق. ويُعد التنبؤ بالذوبان والمصير الأيضي عائلتي المهام اللتين تسميهما NVIDIA صراحةً.

• الوصفات والأدوات — وصفات التدريب اللاحق للتكيّف مع المجال، بالإضافة إلى التوصيلات التي تتيح للوكيل استدعاء البرمجيات العلمية المسرّعة عبر CUDA-X كأدوات. هذا هو الجزء الذي يحوّل نموذج محادثة إلى شيء يمكنه تشغيل محاكاة، وقراءة المخرجات، وتحديد ما يجب فعله بعد ذلك.

نقطة التحقق هي الأقل جدة بين الثلاثة، ومجموعة البيانات هي الأكثر دوامًا. تتقادم مجموعات الاختبار المعيارية؛ فمجموعة أسئلة كيمياء من 50,000 سؤال بترخيص متساهل هي من النوع الذي سيظل يُستشهد به بعد ثلاث سنوات، وهي الجزء من هذا الإصدار الذي أنفقت NVIDIA أكبر قدر من المال لتقديمه مجانًا.

A two-column summary card contrasting what was announced at SC26 with what is not yet established: the checkpoint is Nemotron 3.5 Super VL at 120B total and 12B active, the dataset is LitmusBench v0.2 at about 50,000 questions, partner results include 76% RxnScribe recovery at Terray and 61% versus 54% quantum-dot accuracy at Lila, the licence is OpenMDW-1.1, and no NVIDIA rate card or agent completion rate has been published.

ما الذي تُظهره نتائج الشريك في الواقع

تُذكر في الإعلان سبع منظمات، والأرقام المنسوبة إليها هي أقرب ما في البيان إلى الأدلة. كلها مُبلَّغ عنها من قِبل المورّدين، ولم يُعِد أحد إنتاج أيٍّ منها بشكل مستقل — وهذا التحفّظ ينطبق على كل رقم في هذا القسم، وهو السبب في قراءتها كدراسات حالة لا كدرجات.

Terray Therapeutics درّبت النموذج تدريبًا لاحقًا على مخططات الكيمياء — مخططات التفاعلات المرسومة في البراءات والأوراق العلمية — لاستخراج المتفاعلات والنواتج وظروف التفاعل. وعلى RxnScribe استرجعت نحو 76% من التفاعلات الموسومة وتجاوزت النتائج المنشورة سابقًا في معيارين مرجعيين. إن استخراج المخططات عمل غير برّاق، وهو حيث يذهب في الواقع نصيب كبير من العمل الكيميائي الحقيقي، لذا فإن معدل استرجاع 76% على معيار مرجعي مسمى ادعاء أنفع من درجة استدلال.

Lila Sciences هو الرقم الذي يستند إليه البيان. عند توليد بروتوكولات مخبرية جاهزة للتنفيذ للمختبرات الآلية، حقق النموذج الأساسي أداءً مكافئًا لأداء النماذج الرائدة دون أي ضبط دقيق على الإطلاق. وبالتدريب اللاحق القائم على التغذية الراجعة من المختبر، بلغت دقة تخليق النقاط الكمومية 61% مقابل 54% لـ GPT-6 Astra، بتكلفة استدلال أقل بمقدار 10–20×. ثمة أمران جديران بالملاحظة. الفارق البالغ سبع نقاط حقيقي إن كان البروتوكول حقيقيًا، ومضاعف التكلفة هو الرقم الأكثر أثرًا — فاقتصاد في الاستدلال بمقدار 10–20× يغيّر أي التجارب تستحق التنفيذ أصلًا. لكن هذه مقارنة أجراها الطرف الذي قام بالتدريب اللاحق، على مهمة اختارها، ضد منافس حدده بالاسم.

Therna خُضعت لتدريب لاحق على التصميم العلاجي الوكيلي للـmRNA، وضاعفت تقريبًا دقة التنبؤ بنطاق التعبير البروتيني. وفي مقارنة عمياء، فضّل العلماء تفسيراتها على تفسيرات النموذج الأساسي في 96% من الحالات. التفضيل ليس دقة، ومعدل تفضيل 96% هو بيان عن كيفية قراءة الاستدلال، لا عن صوابه.

ثم تأتي عمليات النشر المؤسسي، وهي الجزء الذي أجده أكثر إقناعًا تحديدًا لأنها لا تُصاغ على أنها انتصارات. Argonne National Laboratory تدمج Nemotron في StructBioReasoner، وهو نظام متعدد الوكلاء لتصميم علاجات سرطانية قائمة على البروتينات. Jülich Supercomputing Centre تدمجه في وكلاء اكتشاف الأدوية والعلوم. RIKEN تقدم النماذج، بما فيها Super VL، على منصة RIKYU للحوسبة الفائقة عبر بوابة الاستدلال RiVault — مسار إنتاج حقيقي، على عتاد حقيقي، لمستخدمين حقيقيين. وKTH بنت وكيل إصلاح GROMACS الذي يقف خلف نسبة 81% تلك، على جهاز DGX Spark واحد، بين ليلة وضحاها.

نتيجة KTH تستحق جملة خاصة بها بسبب شكلها. إعداد ديناميكا جزيئية معطوب هو فشل روتيني عالي الحجم: حقل قوى غير متطابق، أو طوبولوجيا لا تطابق ملف الإحداثيات، أو تضمين مفقود. إصلاح 81% منها ليس معيارًا للاستدلال. إنه قيام النموذج بنوع العمل الذي تُسند عادةً مجموعة كيمياء حاسوبية إلى طالب دراسات عليا، ويُتحقَّق منه بواسطة محرك المحاكاة لا بواسطة النموذج، ما يجعله أنظف دليل في الإصدار.

لماذا هذه قصة ما بعد التدريب ترتدي ثياب النموذج؟

اقرأ البيان مرة أخرى ولاحظ ما الذي تطلبه منك NVIDIA فعليًا. كل نتيجة من نتائج الشركاء تتضمن تكييفًا: فقد دُرّبت Terray لاحقًا على المخططات، ودُرّبت Lila لاحقًا على ملاحظات المختبر، ودُرّبت Therna لاحقًا على تصميم mRNA. ولا يأتي أي رقم من الأرقام الرئيسية من نقطة التحقق كما شُحنت. وهذا أمر مقصود، وهو أصدق ما في الإعلان.

الحجة هي أن النماذج الأساسية أصبحت الآن جيدة بما يكفي بحيث أصبح العنصر المميّز هو حلقة ما بعد التدريب، لا عملية التدريب المسبق. تبيع NVIDIA الحلقة: نقطة تفتيش 120B بترخيص متساهل يمكنك ضبطها الدقيق دون مراجعة قانونية، ومجموعة بيانات كيميائية للضبط الدقيق عليها، ووصفات تصف كيفية القيام بذلك. هذا عرض مختلف جوهريًا عن «نموذجنا أذكى»، وهو عرض لا ينجح إلا إذا كانت الأوزان مفتوحة — وهذا بالتحديد هو سبب أهمية الترخيص أكثر من جدول القياسات المرجعية.

وهذا يفسّر أيضًا خط الأجهزة. تقول NVIDIA إن النموذج مضبوط ليعمل محليًا على DGX Spark بسعة 128GB، ويحتاج إصدار BF16 إلى 4× H100 أو 2× GB200، في حين يتلاءم إصدار NVFP4 مع DGX Spark واحد، أو H200، أو اثنين من H100، أو GB200. حلقة ما بعد التدريب هي عبء عمل تكراري، عالي الحجم، منخفض الكمون، والفرق بين "استئجار عقدة" و"وجود صندوق على طاولة العمل" هو الفرق بين حلقة تشغّلها مرتين كل ربع سنة وأخرى تشغّلها مرتين يوميًا.

الفجوات، بوضوح تام

ثلاثة أشياء ناقصة من الإصدار، وكل منها سيغيّر طريقة تخطيطك.

• لا يوجد تقييم مستقل للادعاءات العلمية. تتتبع Artificial Analysis بالفعل Nemotron 3.5 Super VL — فهي تدرج مؤشر ذكاء قدره 14، وإخراجًا بمعدل 291 رمزًا في الثانية، ووقتًا قدره 11.85 ثانية حتى أول رمز إجابة، وسعرًا مدرجًا قدره 0.20 دولار لكل مليون رمز إدخال و0.50 دولار لكل مليون رمز إخراج مع خصم تخزين مؤقت بنسبة 75%. هذا مفيد وهو من طرف ثالث. لا شيء من ذلك يمثل معيارًا كيميائيًا. كل رقم علمي في إصدار SC26 يأتي من جهة لها مصلحة في النتيجة، وLitmusBench v0.2 جديد بما يكفي بحيث لم تنشر أي مجموعة خارجية نتيجة عليه بعد.

• لا يوجد سعر منشور للنموذج كخدمة. إنّ سعر 0.20/0.50 دولار المدرج لدى AA هو عدّاد منصة طرف ثالث، وليس بطاقة أسعار من NVIDIA — لم تنشر NVIDIA أي رقم لكل رمز بشأن NIM. إذا كنت تضع ميزانية، فالإجابة الصادقة اليوم هي أن الاستضافة الذاتية هي المسار الوحيد بتكلفة معروفة.

• لا يوجد تقييم لحلقة الوكيل، بل للمكوّنات فقط. تصف الوصفات وكيلًا يخطط ويشغّل المحاكاة ويتحقق من النتائج ويعدّل. لا يذكر أحد في الإصدار عدد المرات التي تكتمل فيها تلك الحلقة دون تدخل بشري، أو عدد استدعاءات الأدوات التي يستهلكها، أو تكلفته لكل مهمة مكتملة. هذه هي الأرقام التي تحدد ما إذا كان الوكيل منتجًا أم عرضًا تجريبيًا، وهي غائبة.

A screenshot of NVIDIA's newsroom press release announcing Nemotron for Science at SC26, showing the announcement headline, the dateline and the opening paragraphs describing the collection of open models, datasets, tools and post-training recipes.

ماذا يعني هذا إذا كنت تبني

القراءة العملية هي أن Nemotron for Science ليس نموذجًا تتبنّاه؛ بل هو عدّة بداية. إذا كانت مجموعتك تعمل في الكيمياء أو علم الأحياء البنيوي ولديك قدرة على وحدات GPU، فإن الجمع بين نقطة تحقق بحجم 120B برخصة متسامحة، و50,000 سؤال كيميائي، ومجموعة من الوصفات المنشورة يمثّل حزمة جيدة حقًا لأسبوعك الأول — وتشير نتيجة KTH إلى أن حلقة استدعاء الأدوات تعمل على نحو جيد بما يكفي لتكون مفيدة في حالات الفشل اليومية.

ما ليس عليه هو أنه بديل جاهز للاستخدام المباشر لواجهة برمجة تطبيقات مستضافة. Nemotron 3.5 Super VL ليس في كتالوجنا؛ ولا نقدّمه اليوم، ومسار الاستضافة الذاتية هو المسار الذي بُني هذا الإصدار حوله فعليًا. وحيث تشغّل الفرق نموذجًا مستضافًا كطبقة استدلال في خط أنابيب أكبر — وهذا ما تفعله الغالبية، لأن حلقة الوكيل المحيطة بالنموذج العلمي تكون عادةً نموذجًا عامًا — فإن مسألة التوجيه منفصلة عن هذا الإعلان. مفتاح واحد عبر أكثر من 200 نموذج بـ سعر قائمة المزوّد بهامش ربح 0%، وتجاوز الفشل التلقائي عندما يتدهور أحد المصادر أثناء التشغيل، هو الجزء الذي يمنع مهمة وكيلية تمتد ساعات من أن تموت في الساعة الثالثة لأن أحد المزوّدين مرّ بفترة سيئة بعد الظهر.

ماذا تشاهد بعد ذلك

إن أول نتيجة خارجية لـLitmusBench v0.2 تحسم أكثر مما تحسمه أي مقارنة معيارية منفردة، لأنها الرقم الوحيد هنا الذي يمكن لطرف محايد أن يستخرجه. ومن شأن نشر بطاقة أسعار NIM أن يجعل مقارنة التكلفة مسألة حسابية بدلًا من كونها تموضعًا. أما تقرير عن حلقة الوكيل نفسها — معدل الإنجاز، وميزانية استدعاءات الأدوات، والتكلفة لكل مهمة منجزة — فهو الأمر الذي سيحوِّل هذه المجموعة الواعدة إلى قرار شرائي.

حتى ذلك الحين، تظل أعدل خلاصة هي تلك التي يكتبها بيان الإصدار عن نفسه عن غير قصد: فقد أصدرت NVIDIA نقطة تحقق جيدة في أكتوبر، وفي نوفمبر أصدرت الشيء الذي يجعل نقطة التحقق مفيدة. ذلك إعلان أقل إثارة وأكثر قيمة.

A three-row card listing what the release does not establish: no independent science score despite Artificial Analysis tracking Nemotron 3.5 Super VL at Intelligence Index 14 and 291 tokens per second; no NVIDIA per-token rate card, only a third-party meter at $0.20 and $0.50 per million tokens; and no agent-loop completion rate, tool-call budget or cost per completed task.