
Dentro de NVIDIA Nemotron for Science: qué incluye realmente el Open Chemistry Stack de SC26
- GoogleNUEVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 90 tok/s
- AnthropicNUEVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 97 tok/s
- orcaNUEVOOrca: OrcaC2 1.02026-11-0711 tok/s
- OrcaNUEVOOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 89 tok/s
- OrcaNUEVOOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 133 tok/s
- OrcaNUEVOOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 por 1M de tokens · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 125 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 45 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencia
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencia
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 134 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencia
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencia
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 por 1M de tokens · 126 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Inteligencia
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Inteligencia
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 por 1M de tokens · 179 tok/s
El ochenta y uno por ciento es la cifra con la que conviene empezar, y no es una puntuación de referencia. Es la proporción de configuraciones de dinámica molecular de GROMACS deliberadamente rotas que un agente basado en NVIDIA Nemotron for Science reparó en una única ejecución nocturna en una estación de trabajo DGX Spark, según el Real Instituto de Tecnología KTH — con cada corrección verificada por el propio GROMACS en lugar de por un modelo que se califica a sí mismo. NVIDIA anunció la colección el 16 de noviembre de 2026 en SC26 en Chicago, a través de Ian Buck, su vicepresidente de Hiperescala y Computación de Alto Rendimiento. Son tres artefactos en una sola caja: el punto de control abierto Nemotron 3.5 Super VL, un conjunto de datos de química abierto llamado LitmusBench v0.2 con aproximadamente 50.000 preguntas, y un conjunto de recetas de posentrenamiento que integran el modelo en herramientas científicas aceleradas por CUDA-X.
Esa combinación es la parte interesante, y no es la parte que vende el titular. Que un proveedor publique otro punto de control abierto es algo rutinario para finales de 2026; NVIDIA publicó este en octubre. Lo nuevo el 16 de noviembre es el andamiaje que lo rodea —el conjunto de evaluación, las recetas y una serie de despliegues institucionales con nombre propio que describen qué ocurre cuando se orienta el modelo hacia un flujo de trabajo científico real en lugar de hacia una tabla de clasificación. Este artículo analiza qué hay realmente en la colección, qué establecen y qué no establecen las cifras de los socios, y dónde están las lagunas para cualquiera que planee construir sobre ello.
Los tres artefactos, separados
El comunicado de prensa de NVIDIA y su publicación acompañante en X describen un único paquete. Desglosarlo importa, porque cada pieza tiene una postura de licencia distinta, un nivel de madurez distinto y una razón distinta para prestarle atención.
• El checkpoint — Nemotron 3.5 Super VL, una mezcla de expertos de 120.000 millones de parámetros con 12.000 millones activos por token, un híbrido de Mamba-2 y Transformer con 512 expertos enrutados por capa MoE, un codificador de visión C-RADIO y hasta 1 millón de tokens de contexto. Texto, imágenes y video MP4 de 2 minutos como entrada; texto como salida. OpenMDW-1.1, uso comercial y no comercial, pesos en Hugging Face. Esto no es nuevo el 16 de noviembre — el repositorio se publicó el 12 de octubre y el anuncio propio de NVIDIA se produjo el 15 de octubre.
• El conjunto de datos — LitmusBench v0.2, un conjunto abierto de aproximadamente 50.000 preguntas de razonamiento químico extraídas de datos de propiedades moleculares y registros experimentales de descubrimiento de fármacos. Está diseñado para las dos funciones que un benchmark científico normalmente tiene que dividir entre dos archivos: evalúa el razonamiento químico y se puede usar como datos de posentrenamiento. La predicción de solubilidad y el destino metabólico son las dos familias de tareas que NVIDIA nombra explícitamente.
• Las recetas y las herramientas — recetas de posentrenamiento para la adaptación al dominio, además de la conexión que permite que un agente invoque software científico acelerado por CUDA-X como herramientas. Esta es la pieza que convierte a un modelo de chat en algo que puede ejecutar una simulación, leer la salida y decidir qué hacer a continuación.
El checkpoint es el menos novedoso de los tres y el conjunto de datos es el más duradero. Las suites de benchmarks envejecen; un conjunto de 50.000 preguntas de química con una licencia permisiva es el tipo de cosa que dentro de tres años todavía se sigue citando, y es la parte de este lanzamiento que más le costó a NVIDIA regalar.

Lo que los resultados del socio realmente demuestran
En el anuncio se nombran siete organizaciones, y las cifras que se les atribuyen son lo más parecido a pruebas que aparece en la nota de prensa. Todo ello procede de los propios proveedores y nada ha sido reproducido de forma independiente; esa advertencia se aplica a cada cifra de esta sección, y es la razón por la que conviene leerlas como estudios de caso y no como puntuaciones.
Terray Therapeutics entrenó posteriormente el modelo con diagramas de química —los esquemas de reacción dibujados en patentes y artículos— para extraer reactivos, productos y condiciones de reacción. En RxnScribe recuperó alrededor del 76 % de las reacciones anotadas y superó resultados publicados anteriormente en dos benchmarks. La extracción de diagramas no tiene nada de glamorosa y es donde realmente se concentra buena parte del trabajo químico real, así que una tasa de recuperación del 76 % en un benchmark con nombre propio es una afirmación más útil que una puntuación de razonamiento.
Lila Sciences es la cifra en la que se apoya el comunicado. Al generar protocolos de laboratorio listos para su ejecución para laboratorios automatizados, el modelo base igualó el rendimiento de frontera sin ningún ajuste fino. Con post-entrenamiento basado en retroalimentación del laboratorio, la precisión en la síntesis de puntos cuánticos alcanzó el 61 % frente al 54 % de GPT-6 Astra, con un coste de inferencia entre 10 y 20 veces menor. Hay dos cosas que merece la pena señalar. La brecha de siete puntos es real si el protocolo lo es, y el múltiplo de coste es la cifra más trascendente: un ahorro en inferencia de 10–20× cambia qué experimentos merece la pena ejecutar siquiera. Pero se trata de una comparación realizada por la parte que hizo el post-entrenamiento, sobre una tarea que eligió, contra un competidor al que nombró.
Therna se sometió a post-entrenamiento para el diseño terapéutico agéntico de ARNm y casi duplicó la precisión de predicción del rango de expresión proteica. En una comparación a ciegas, los científicos prefirieron sus explicaciones a las del modelo base en el 96 % de los casos. La preferencia no es precisión, y una tasa de preferencia del 96 % es una afirmación sobre cómo se lee el razonamiento, no sobre si es correcto.
Luego están los despliegues institucionales, que son la parte que más me convence precisamente porque no se presentan como victorias. Argonne National Laboratory está integrando Nemotron en StructBioReasoner, un sistema multiagente para diseñar terapias contra el cáncer basadas en proteínas. Jülich Supercomputing Centre lo está integrando en agentes de descubrimiento de fármacos y de ciencia. RIKEN está sirviendo los modelos, incluido Super VL, en su plataforma de supercomputación RIKYU a través de la pasarela de inferencia RiVault — una ruta de producción real, en hardware real, para usuarios reales. Y KTH construyó el agente de reparación de GROMACS que hay detrás de esa cifra del 81 %, en un único DGX Spark, durante la noche.
El resultado de KTH merece una frase propia por su forma. Una configuración defectuosa de dinámica molecular es un fallo rutinario y de gran volumen: un campo de fuerzas incompatible, una topología que no coincide con el archivo de coordenadas, un include ausente. Arreglar el 81 % de ellos no es un benchmark de razonamiento. Es el modelo haciendo el tipo de trabajo que un grupo de química computacional asigna actualmente a un estudiante de posgrado, y lo verifica el motor de simulación en lugar del modelo, lo que lo convierte en la evidencia más limpia del lanzamiento.
Por qué esto es una historia de postentrenamiento vestida con la ropa de un modelo
Vuelve a leer el comunicado y fíjate en lo que NVIDIA realmente te está pidiendo que hagas. Todos y cada uno de los resultados de los socios implican adaptación: Terray fue entrenado posteriormente con diagramas, Lila fue entrenada posteriormente con comentarios de laboratorio, Therna fue entrenada posteriormente en diseño de ARNm. Ninguno de los números destacados proviene del checkpoint tal como se distribuye. Eso es deliberado, y es lo más honesto del anuncio.
El argumento es que los modelos base ya son suficientemente buenos como para que el factor diferenciador sea el bucle de entrenamiento posterior, no la ejecución de preentrenamiento. NVIDIA está vendiendo el bucle: un checkpoint de 120B con licencia permisiva que puedes ajustar sin una revisión legal, un conjunto de datos de química sobre el que ajustar y recetas que describen cómo hacerlo. Ese es un argumento genuinamente distinto de «nuestro modelo es más inteligente», y es un argumento que solo funciona si los pesos son abiertos, que es precisamente por lo que la licencia importa más que la tabla de benchmarks.
También explica la línea de hardware. NVIDIA dice que el modelo está ajustado para ejecutarse localmente en una DGX Spark de 128 GB, y que la compilación BF16 requiere 4× H100 o 2× GB200, mientras que la compilación NVFP4 cabe en una sola DGX Spark, una H200, dos H100 o una GB200. Un bucle de posentrenamiento es una carga de trabajo iterativa, de gran volumen y baja latencia, y la diferencia entre «alquilar un nodo» y «hay una caja en el banco» es la diferencia entre un bucle que ejecutas dos veces por trimestre y uno que ejecutas dos veces al día.
Las brechas, dichas sin rodeos
Faltan tres cosas en la versión, y cada una cambiaría cómo planificas.
• Sin evaluación independiente de las afirmaciones científicas. Artificial Analysis sí hace seguimiento de Nemotron 3.5 Super VL: indica un Intelligence Index de 14, una salida de 291 tokens por segundo, un tiempo hasta el primer token de respuesta de 11,85 segundos y un precio indicado de 0,20 $ por millón de tokens de entrada y 0,50 $ por millón de tokens de salida, con un descuento del 75 % por caché. Eso es útil y es de terceros. Nada de ello es una prueba de referencia de química. Cada cifra científica de la publicación SC26 proviene de una parte interesada en el resultado, y LitmusBench v0.2 es lo bastante reciente como para que ningún grupo externo haya publicado todavía una puntuación sobre ella.
• No hay un precio publicado para el modelo como servicio. El $0.20/$0.50 que figura en AA es el medidor de una plataforma de terceros, no una tarifa de NVIDIA — NVIDIA no ha publicado ninguna cifra por token para NIM. Si estás haciendo presupuesto, la respuesta honesta hoy es que el autoalojamiento es la única vía con un costo conocido.
• No se evalúa el bucle del agente, solo los componentes. Las recetas describen un agente que planifica, ejecuta simulaciones, comprueba los resultados y ajusta. Nadie en la publicación informa de con qué frecuencia ese bucle se completa sin intervención humana, cuántas llamadas a herramientas consume ni cuánto cuesta por tarea completada. Esos son los números que determinan si un agente es un producto o una demo, y brillan por su ausencia.

Qué significa esto si estás construyendo
La lectura práctica es que Nemotron for Science no es un modelo que se adopte; es un kit inicial. Si tu grupo hace química o biología estructural y tienes capacidad de GPU, la combinación de un checkpoint de 120B con licencia permisiva, 50.000 preguntas de química y un conjunto de recetas publicadas es un paquete genuinamente bueno para la primera semana — y el resultado de KTH sugiere que el bucle de llamada a herramientas funciona lo suficientemente bien como para ser útil en fallos rutinarios.
Lo que no es es un sustituto directo de una API alojada. Nemotron 3.5 Super VL no está en nuestro catálogo; no lo servimos hoy, y la ruta autoalojada es aquella en torno a la cual está construido realmente este lanzamiento. Cuando los equipos ejecutan un modelo alojado como la capa de razonamiento de un pipeline mayor —y la mayoría lo hace, porque el bucle del agente en torno al modelo científico suele ser un modelo general—, la cuestión del enrutamiento es independiente de este anuncio. Una sola clave para más de 200 modelos a precio de lista del proveedor con 0 % de margen, y conmutación por error automática cuando un proveedor upstream se degrada a mitad de ejecución, es la parte que evita que un trabajo agéntico de varias horas muera en la hora tres porque un proveedor tuvo una mala tarde.
Qué ver a continuación
Una primera puntuación externa de LitmusBench v0.2 zanja más que cualquier benchmark por sí solo, porque es el único número aquí que puede generar una parte neutral. Una lista de precios publicada de NIM convertiría la comparación de costes en aritmética en lugar de posicionamiento. Y un informe sobre el propio bucle del agente —tasa de finalización, presupuesto de llamadas a herramientas, coste por tarea finalizada— es lo que haría pasar esto de un kit prometedor a una decisión de adquisición.
Hasta entonces, el resumen más justo es el que el comunicado escribe accidentalmente para sí mismo: NVIDIA publicó un buen checkpoint en octubre, y en noviembre publicó aquello que hace útil al checkpoint. Ese es un anuncio menos emocionante y más valioso.

