
Ein Blick in NVIDIA Nemotron for Science: Was der Open Chemistry Stack von SC26 tatsächlich ausliefert
- GoogleNEUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 pro 1 Mio. Tokens · 90 tok/s
- AnthropicNEUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 pro 1 Mio. Tokens · 97 tok/s
- orcaNEUOrca: OrcaC2 1.02026-11-0711 tok/s
- OrcaNEUOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 pro 1 Mio. Tokens · 89 tok/s
- OrcaNEUOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 pro 1 Mio. Tokens · 133 tok/s
- OrcaNEUOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 pro 1 Mio. Tokens · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 pro 1 Mio. Tokens · 125 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 pro 1 Mio. Tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 45 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenz
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 pro 1 Mio. Tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenz
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 pro 1 Mio. Tokens · 134 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenz
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenz
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 pro 1 Mio. Tokens · 126 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligenz
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligenz
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 pro 1 Mio. Tokens · 179 tok/s
Einundachtzig Prozent ist die Zahl, mit der man beginnen sollte, und es ist kein Benchmark-Ergebnis. Es ist der Anteil der absichtlich beschädigten GROMACS-Molekulardynamik-Setups, die ein Agent, der auf NVIDIA Nemotron for Sciencebasiert, in einem einzigen nächtlichen Lauf auf einer DGX Spark Workstation reparierte, laut KTH Royal Institute of Technology – wobei jede Korrektur von GROMACS selbst geprüft wurde und nicht von einem Modell, das seine eigenen Hausaufgaben benotet. NVIDIA kündigte die Sammlung am 16. November 2026 auf der SC26 in Chicago durch Ian Buck an, seinen VP für Hyperscale- und High-Performance-Computing. Sie besteht aus drei Artefakten in einer Box: dem offenen Nemotron 3.5 Super VL Checkpoint, einem offenen Chemiedatensatz namens LitmusBench v0.2 mit rund 50.000 Fragen und einer Reihe von Post-Training-Rezepten, die das Modell in CUDA-X-beschleunigte wissenschaftliche Werkzeuge einbinden.
Diese Kombination ist der interessante Teil, und genau der wird in der Schlagzeile nicht verkauft. Dass ein Anbieter einen weiteren offenen Checkpoint ausliefert, ist Ende 2026 Routine; NVIDIA hat diesen im Oktober ausgeliefert. Neu ist am 16. November das Gerüst darum herum – das Evaluationsset, die Rezepte und eine Reihe benannter institutioneller Deployments, die beschreiben, was passiert, wenn man das Modell auf einen echten wissenschaftlichen Workflow statt auf ein Leaderboard richtet. Dieser Beitrag arbeitet durch, was tatsächlich in der Sammlung steckt, was die Partnernummern belegen und was nicht, und wo die Lücken für alle liegen, die darauf aufbauen wollen.
Die drei Artefakte, getrennt
NVIDIAs Pressemitteilung und der begleitende Beitrag auf X beschreiben ein einziges Paket. Die Entbündelung ist wichtig, denn jedes Teil hat eine andere Lizenzlage, einen anderen Reifegrad und einen anderen Grund, sich dafür zu interessieren.
• Der Checkpoint — Nemotron 3.5 Super VL, ein 120-Milliarden-Parameter-Mixture-of-Experts-Modell mit 12 Milliarden aktiven Parametern pro Token, ein Mamba-2-Transformer-Hybrid mit 512 gerouteten Experten pro MoE-Schicht, ein C-RADIO-Vision-Encoder und bis zu 1 Mio. Token Kontext. Text, Bilder und 2-minütiges MP4-Video als Eingabe; Text als Ausgabe. OpenMDW-1.1, kommerzielle und nichtkommerzielle Nutzung, Gewichte auf Hugging Face. Am 16. November ist das nicht neu — das Repository ging am 12. Oktober online, und NVIDIAs eigene Ankündigung folgte am 15. Oktober.
• Der Datensatz — LitmusBench v0.2, ein offenes Set von rund 50.000 Chemie-Reasoning-Fragen, die aus Daten zu Molekulareigenschaften und experimentellen Aufzeichnungen aus der Wirkstoffforschung stammen. Er ist für die zwei Aufgaben gedacht, die ein wissenschaftlicher Benchmark üblicherweise auf zwei Dateien aufteilen muss: Er bewertet das Chemie-Reasoning und lässt sich zugleich als Post-Training-Daten nutzen. Löslichkeitsvorhersage und metabolischer Abbau sind die beiden Aufgabenfamilien, die NVIDIA ausdrücklich nennt.
• Die Rezepte und Werkzeuge – Post-Training-Rezepte für die Domänenanpassung sowie die Verdrahtung, die es einem Agenten ermöglicht, CUDA-X-beschleunigte wissenschaftliche Software als Werkzeuge aufzurufen. Das ist der Teil, der ein Chatmodell in etwas verwandelt, das eine Simulation ausführen, die Ausgabe lesen und entscheiden kann, was als Nächstes zu tun ist.
Der Checkpoint ist von den dreien am wenigsten neuartig, und der Datensatz ist der langlebigste. Benchmark-Suiten altern; ein Chemie-Fragenset mit 50.000 Fragen und einer permissiven Lizenz ist die Art von Sache, die auch in drei Jahren noch zitiert wird, und er ist der Teil dieser Veröffentlichung, für den NVIDIA am meisten ausgegeben hat, um ihn zu verschenken.

Was die Ergebnisse des Partners tatsächlich belegen
In der Ankündigung werden sieben Organisationen namentlich genannt, und die ihnen zugeordneten Zahlen kommen in der Mitteilung der Evidenz am nächsten. Alles davon ist vom Anbieter angegeben, und nichts davon wurde unabhängig reproduziert – dieser Vorbehalt gilt für jede Zahl in diesem Abschnitt, und er ist der Grund, sie als Fallstudien und nicht als Punktzahlen zu lesen.
Terray Therapeutics hat das Modell auf Chemiediagrammen nachtrainiert – den in Patenten und Veröffentlichungen gezeichneten Reaktionsschemata –, um Edukte, Produkte und Reaktionsbedingungen zu extrahieren. Bei RxnScribe erkannte es etwa 76 % der annotierten Reaktionen wieder und übertraf frühere veröffentlichte Ergebnisse bei zwei Benchmarks. Die Extraktion von Diagrammen ist wenig glamourös, und genau dort fließt tatsächlich ein großer Teil der realen chemischen Arbeit, daher ist eine Wiedererkennungsrate von 76 % bei einem namentlich genannten Benchmark eine nützlichere Aussage als ein Reasoning-Score.
Lila Sciences ist die Zahl, auf die sich die Mitteilung stützt. Bei der Erstellung ausführungsbereiter Laborprotokolle für automatisierte Labore erreichte das Basismodell ganz ohne Fine-Tuning Frontier-Performance. Mit Post-Training auf Basis von Labor-Feedback erreichte die Genauigkeit der Quantenpunkt-Synthese 61 % gegenüber 54 % für GPT-6 Astra – bei 10–20× niedrigeren Inferenzkosten. Zwei Punkte sind hervorzuheben. Die Sieben-Punkte-Lücke ist real, wenn das Protokoll real ist, und der Kostenmultiplikator ist die folgenreichere Größe – eine 10–20× höhere Einsparung bei der Inferenz ändert, welche Experimente überhaupt sinnvoll durchzuführen sind. Aber dies ist ein Vergleich, der von der Partei durchgeführt wurde, die das Post-Training vorgenommen hat, an einer Aufgabe, die sie ausgewählt hat, gegen einen Wettbewerber, den sie benannt hat.
Therna wurde für das agentische Design von mRNA-Therapeutika nachtrainiert und verdoppelte nahezu die Genauigkeit bei der Vorhersage des Protein-Expressionsbereichs. In einem verblindeten Vergleich bevorzugten Wissenschaftler seine Erklärungen in 96 % der Fälle gegenüber denen des Basismodells. Präferenz ist nicht Genauigkeit, und eine Präferenzrate von 96 % sagt etwas darüber aus, wie sich die Argumentation liest, nicht darüber, ob sie richtig ist.
Dann die institutionellen Bereitstellungen, die für mich der überzeugendste Teil sind, gerade weil sie nicht als Erfolge dargestellt werden. Argonne National Laboratory bindet Nemotron in StructBioReasoner ein, ein Multi-Agenten-System für die Entwicklung proteinbasierter Krebstherapeutika. Jülich Supercomputing Centre integriert es in Agenten zur Wirkstoff- und wissenschaftlichen Entdeckung. RIKEN stellt die Modelle, einschließlich Super VL, auf seiner RIKYU-Supercomputing-Plattform über das RiVault-Inferenz-Gateway bereit — ein echter Produktionspfad, auf echter Hardware, für echte Nutzer. Und KTH hat den GROMACS-Reparatur-Agenten hinter dieser 81%-Zahl gebaut, auf einem einzigen DGX Spark, über Nacht.
Das KTH-Ergebnis verdient wegen seiner Beschaffenheit einen eigenen Satz. Ein fehlerhaft aufgesetztes Molekulardynamik-Setup ist ein alltäglicher, massenhaft auftretender Fehlschlag: ein nicht passendes Kraftfeld, eine Topologie, die nicht zur Koordinatendatei passt, ein fehlendes Include. 81 % davon zu beheben ist kein Reasoning-Benchmark. Es ist das Modell, das die Art von Arbeit erledigt, die eine computergestützte Chemie-Arbeitsgruppe derzeit einem Doktoranden zuweist, und sie wird von der Simulations-Engine statt vom Modell verifiziert, was es zur saubersten Evidenz in diesem Release macht.
Warum dies eine Post-Training-Geschichte in den Kleidern eines Modells ist
Lies das Release noch einmal und achte darauf, was NVIDIA tatsächlich von dir verlangt. Jedes einzelne Partnerergebnis beruht auf Anpassung: Terray wurde auf Diagrammen nachtrainiert, Lila auf Laborfeedback, Therna auf mRNA-Design. Keine einzige der Schlagzeilen-Zahlen stammt aus dem Checkpoint in der ausgelieferten Form. Das ist Absicht, und es ist das Ehrlichste an der Ankündigung.
Das Argument lautet, dass Basismodelle inzwischen gut genug sind, sodass der Unterschied in der Post-Training-Schleife liegt, nicht im Pretraining-Lauf. NVIDIA verkauft die Schleife: einen permissiv lizenzierten 120B-Checkpoint, den man ohne rechtliche Prüfung fine-tunen kann, einen Chemiedatensatz zum Fine-Tunen und Rezepte, die beschreiben, wie man es macht. Das ist ein wirklich anderes Verkaufsargument als „unser Modell ist intelligenter“, und es ist ein Verkaufsargument, das nur funktioniert, wenn die Gewichte offen sind — genau deshalb ist die Lizenz wichtiger als die Benchmark-Tabelle.
Das erklärt auch die Hardware-Reihe. NVIDIA sagt, das Modell sei darauf abgestimmt, lokal auf einem 128-GB-DGX Spark zu laufen, und der BF16-Build benötigt 4× H100 oder 2× GB200, während der NVFP4-Build auf einen einzelnen DGX Spark, eine H200, zwei H100 oder eine GB200 passt. Eine Post-Training-Schleife ist eine iterative Workload mit hohem Volumen und niedriger Latenz, und der Unterschied zwischen „einen Knoten mieten“ und „da steht eine Kiste auf der Werkbank“ ist der Unterschied zwischen einer Schleife, die man zweimal pro Quartal ausführt, und einer, die man zweimal pro Tag ausführt.
Die Lücken, klar benannt
Im Release fehlen drei Dinge, und jedes davon würde Ihre Planung verändern.
• Keine unabhängige Bewertung der wissenschaftlichen Aussagen. Artificial Analysis verfolgt Nemotron 3.5 Super VL tatsächlich – es führt einen Intelligence Index von 14 auf, eine Ausgabe von 291 Tokens pro Sekunde, eine Zeit bis zum ersten Antwort-Token von 11,85 Sekunden und einen angegebenen Preis von 0,20 US-Dollar pro Million Eingabe- und 0,50 US-Dollar pro Million Ausgabe-Tokens bei einem Cache-Rabatt von 75 %. Das ist nützlich und es stammt von Dritter Seite. Nichts davon ist ein Chemie-Benchmark. Jede wissenschaftliche Kennzahl in der SC26-Veröffentlichung stammt von einer Partei, die ein Eigeninteresse am Ergebnis hat, und LitmusBench v0.2 ist so neu, dass noch keine externe Gruppe eine Punktzahl dafür veröffentlicht hat.
• Kein veröffentlichter Preis für das Modell als Service. Die bei AA gelisteten $0.20/$0.50 sind der Tarif einer Drittanbieter-Plattform, keine NVIDIA-Preisliste – NVIDIA hat keine Pro-Token-Angabe für NIM veröffentlicht. Wer das Budget plant, für den ist die ehrliche Antwort heute: Self-Hosting ist der einzige Weg mit bekannten Kosten.
• Keine Bewertung der Agentenschleife, nur der Komponenten. Die Rezepte beschreiben einen Agenten, der plant, Simulationen ausführt, Ergebnisse prüft und nachjustiert. Niemand in der Veröffentlichung berichtet, wie oft diese Schleife ohne menschliches Eingreifen durchläuft, wie viele Tool-Aufrufe sie verbraucht oder was sie pro abgeschlossener Aufgabe kostet. Das sind die Zahlen, die entscheiden, ob ein Agent ein Produkt oder eine Demo ist, und sie fehlen.

Was das bedeutet, wenn Sie bauen
Die praktische Einschätzung ist, dass Nemotron for Science kein Modell ist, das man einfach übernimmt; es ist ein Startkit. Wenn Ihre Gruppe Chemie oder Strukturbiologie betreibt und Sie GPU-Kapazität haben, ist die Kombination aus einem permissiv lizenzierten 120B-Checkpoint, 50.000 Chemiefragen und einer Reihe veröffentlichter Rezepte ein wirklich gutes Paket für die erste Woche – und das KTH-Ergebnis legt nahe, dass die Tool-Calling-Schleife gut genug funktioniert, um bei alltäglichen Fehlern nützlich zu sein.
Was es nicht ist: ein Drop-in-Ersatz für eine gehostete API. Nemotron 3.5 Super VL ist nicht in unserem Katalog; wir bieten es derzeit nicht an, und der Self-Hosted-Pfad ist derjenige, um den dieses Release tatsächlich herum gebaut ist. Wo Teams ein gehostetes Modell als Reasoning-Schicht einer größeren Pipeline betreiben — und das tun die meisten, weil die Agentenschleife um das Wissenschaftsmodell herum normalerweise ein allgemeines Modell ist —, ist die Routing-Frage von dieser Ankündigung getrennt. Ein Schlüssel für mehr als 200 Modelle zu Listenpreisen des Anbieters bei 0 % Aufschlag und automatischem Failover wenn ein Upstream mitten im Lauf nachlässt, ist der Teil, der einen mehrstündigen agentischen Job davor bewahrt, in der dritten Stunde zu sterben, weil ein Anbieter einen schlechten Nachmittag hatte.
Was als Nächstes ansehen
Ein erster externer LitmusBench v0.2-Wert klärt mehr als jeder einzelne Benchmark es könnte, denn er ist die einzige Zahl hier, die eine neutrale Partei erzeugen kann. Eine veröffentlichte NIM-Preisliste würde den Kostenvergleich zu Rechenarbeit statt zu Positionierung machen. Und ein Bericht über die Agenten-Loop selbst – Abschlussrate, Tool-Call-Budget, Kosten pro abgeschlossener Aufgabe – ist das, was daraus statt eines vielversprechenden Kits eine Beschaffungsentscheidung machen würde.
Bis dahin ist die gerechteste Zusammenfassung diejenige, die das Release versehentlich selbst schreibt: NVIDIA hat im Oktober einen guten Checkpoint ausgeliefert und im November das, was den Checkpoint nützlich macht. Das ist eine weniger aufregende Ankündigung und eine wertvollere.

