כרטיס כותרת עבור NVIDIA Nemotron for Science, שכותרתו מה שוחרר ומה זה מוכיח, עם ארבעה נתונים סטטיסטיים: כ-50,000 שאלות כימיה של LitmusBench v0.2, 120B פרמטרים בסך הכול ו-12B פרמטרים פעילים, 81% מהגדרות GROMACS שתוקנו על ידי סוכן KTH בהרצה אחת של DGX Spark במהלך הלילה, וחלון הקשר של 1M טוקנים.
Engineering & Research

מבט פנימה ל-NVIDIA Nemotron for Science: מה באמת כולל סטאק הכימיה הפתוח של SC26

מחבר

Gideon Frost

תאריך פרסום

מודלים אחרונים · 20צפו בכל המודלים →
בנצ'מרקים: Artificial Analysis · מתעדכן יומית
חזרה לכל הפוסטים

שמונים ואחד אחוז הם הנתון שכדאי להתחיל בו, והוא אינו ציון של מבחן. זהו השיעור של מערכי דינמיקה מולקולרית של GROMACS שנשברו בכוונה, שאותם סוכן שנבנה על NVIDIA Nemotron for Science תיקן בהרצה אחת של לילה שלם על תחנת עבודה אחת מדגם DGX Spark, לפי המכון המלכותי לטכנולוגיה KTH — כאשר כל תיקון נבדק על ידי GROMACS עצמו ולא על ידי מודל שמדרג את שיעורי הבית של עצמו. NVIDIA הכריזה על האוסף ב-16 בנובמבר 2026 ב-SC26 בשיקגו, דרך איאן באק, סגן נשיא לתחום ההיפר-סקאל והמחשוב בעל הביצועים הגבוהים שלה. מדובר בשלושה פריטים באריזה אחת: נקודת הבדיקה הפתוחה Nemotron 3.5 Super VL, מערך נתונים פתוח בכימיה בשם LitmusBench v0.2 עם כ-50,000 שאלות, וקבוצה של מתכונים לאימון לאחר אימון שמחברים את המודל לכלי מדע מואצים ב-CUDA-X.

השילוב הזה הוא החלק המעניין, והוא לא החלק שהכותרת מוכרת. ספק שמשיק צ'קפוינט פתוח נוסף הוא שגרה עד סוף 2026; NVIDIA השיקה את זה באוקטובר. מה שחדש ב-16 בנובמבר הוא התשתית שסביבו — מערך ההערכה, המתכונים, וקבוצה של פריסות מוסדיות בשם שמתארות מה קורה כשמפנים את המודל לזרימת עבודה מדעית אמיתית במקום ללוח דירוג. המאמר הזה עובר על מה שנמצא בפועל באוסף, מה מספרי השותפים כן ומהם לא קובעים, והיכן הפערים למי שמתכנן לבנות על זה.

שלושת החפצים, מופרדים

ההודעה לעיתונות של NVIDIA ופוסט ה־X הנלווה אליה מתארים חבילה אחת. הפרדתה לרכיבים חשובה, משום שלכל רכיב מעמד רישוי שונה, רמת בגרות שונה וסיבה שונה לחשיבותו.

• הצ'קפוינט — Nemotron 3.5 Super VL, תערובת מומחים עם 120 מיליארד פרמטרים ו-12 מיליארד פעילים לכל טוקן, היברידי של Mamba-2 ו-Transformer עם 512 מומחים מנותבים בכל שכבת MoE, מקודד חזותי C-RADIO, ועד 1M טוקנים של הקשר. קלט: טקסט, תמונות ווידאו MP4 באורך 2 דקות; פלט: טקסט. OpenMDW-1.1, שימוש מסחרי ולא מסחרי, משקולות ב-Hugging Face. זה לא חדש ב-16 בנובמבר — המאגר עלה ב-12 באוקטובר וההכרזה של NVIDIA עצמה פורסמה ב-15 באוקטובר.

• מערך הנתונים — LitmusBench v0.2, אוסף פתוח של כ-50,000 שאלות חשיבה בכימיה הנשאבות מנתוני תכונות מולקולריות ומרשומות ניסוייות של גילוי תרופות. הוא נבנה עבור שני התפקידים שבנצ'מרק מדעי בדרך כלל נאלץ לפצל בין שני קבצים: הוא מעריך חשיבה כימית, וניתן להשתמש בו כנתוני פוסט-אימון. חיזוי מסיסות וגורל מטבולי הם שתי משפחות המשימות ש-NVIDIA מציינת במפורש.

• המתכונים וכלי העבודה — מתכונים לאימון-המשך (post-training) להתאמת תחום, בתוספת החיווט שמאפשר לסוכן לקרוא לתוכנה מדעית מואצת CUDA-X כאל כלים. זהו החלק שהופך מודל צ'אט למשהו שמסוגל להריץ סימולציה, לקרוא את הפלט ולהחליט מה לעשות הלאה.

הצ'קפוינט הוא הפחות חדשני מבין השלושה, ומערך הנתונים הוא העמיד ביותר. חבילות מדדי השוואה מתיישנות; סט כימיה של 50,000 שאלות עם רישיון מתירני הוא מסוג הדברים שעדיין יצוטטו בעוד שלוש שנים, וזה החלק בהפצה הזו ש-NVIDIA השקיעה בו הכי הרבה כדי לחלק אותו בחינם.

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.

מה שתוצאות השותף למעשה מוכיחות

שבעה ארגונים מוזכרים בהודעה, והנתונים המיוחסים להם הם הדבר הקרוב ביותר לראיות שמופיע בהודעה. כל הנתונים מדווחים על ידי הספקים, ואף אחד מהם לא שוחזר באופן בלתי תלוי — הסתייגות זו חלה על כל מספר בסעיף הזה, והיא הסיבה לקרוא אותם כמקרי בוחן ולא כציונים.

Terray Therapeutics אימנה לאחר-הכשרה את המודל על דיאגרמות כימיה — סכימות התגובה המצוירות בפטנטים ובמאמרים — כדי לחלץ מגיבים, תוצרים ותנאי תגובה. ב-RxnScribe היא שחזרה כ-76% מהתגובות המסומנות והשיגה תוצאות טובות יותר מאלה שפורסמו קודם בשני מבחני ייחוס. חילוץ מדיאגרמות אינו זוהר, ושם למעשה מושקע נתח גדול מעבודת הכימיה האמיתית, ולכן שיעור שחזור של 76% במבחן ייחוס מוגדר הוא טענה שימושית יותר מציון חשיבה.

Lila Sciences הוא המספר שההודעה נשענת עליו. ביצירת פרוטוקולי מעבדה מוכנים לביצוע עבור מעבדות אוטומטיות, המודל הבסיסי השתווה לביצועי החזית ללא כוונון עדין כלל. עם פוסט-אימון מבוסס משוב מעבדה, דיוק בסינתזת נקודות קוונטיות הגיע ל-61% לעומת 54% אצל GPT-6 Astra, בעלות הסקה נמוכה פי 10–20. שני דברים ראויים לציון. הפער בן שבע הנקודות אמיתי אם הפרוטוקול אמיתי, ומכפיל העלות הוא הנתון המשמעותי יותר — חיסכון של פי 10–20 בהסקה משנה אילו ניסויים בכלל שווים הרצה. אבל זו השוואה שנערכה על ידי הצד שביצע את הפוסט-אימון, במשימה שהוא בחר, מול מתחרה שהוא נקב בשמו.

Therna עברה אימון נוסף לתכנון תרפויטי סוכני מבוסס mRNA וכמעט הכפילה את דיוק חיזוי טווח ביטוי החלבון. בהשוואה עיוורת, מדענים העדיפו את ההסברים שלה על פני אלו של מודל הבסיס ב-96% מהמקרים. העדפה אינה דיוק, ושיעור העדפה של 96% הוא אמירה על איך שההנמקה נקראת, לא על האם היא נכונה.

ואז הפריסות המוסדיות, שהן החלק שאני מוצא הכי משכנע דווקא מפני שהן לא מוצגות כניצחונות. Argonne National Laboratory מטמיעה את Nemotron ב-StructBioReasoner, מערכת מרובת סוכנים לתכנון טיפולים לסרטן מבוססי חלבון. Jülich Supercomputing Centre משלבת אותו בסוכנים לגילוי תרופות ומדע. RIKEN מגישה את המודלים, כולל Super VL, בפלטפורמת המחשוב העל RIKYU שלה דרך שער ההסקה RiVault — מסלול ייצור אמיתי, על חומרה אמיתית, עבור משתמשים אמיתיים. ו-KTH בנתה את סוכן התיקון של GROMACS שעומד מאחורי נתון ה-81%, על DGX Spark בודד, בלילה אחד.

תוצאת KTH ראויה למשפט משל עצמה בגלל צורתה. הגדרת דינמיקה מולקולרית שבורה היא כשל שגרתי ונפוץ בהיקף גבוה: שדה כוח לא תואם, טופולוגיה שאינה תואמת לקובץ הקואורדינטות, include חסר. תיקון של 81% מהם אינו מבחן חשיבה. זהו המודל שעושה את סוג העבודה שקבוצת כימיה חישובית מטילה כיום על סטודנט לתואר שני, והיא מאומתת על ידי מנוע הסימולציה ולא על ידי המודל, מה שהופך אותה לראיה הנקייה ביותר במהדורה.

למה זהו סיפור פוסט-אימון העוטה את בגדיו של מודל

קרא שוב את ההודעה לעיתונות ושים לב למה ש-NVIDIA למעשה מבקשת ממך לעשות. כל תוצאה של שותף כרוכה בהתאמה: Terray עברה אימון המשך על דיאגרמות, Lila עברה אימון המשך על משוב ממעבדה, ו-Therna עברה אימון המשך על תכנון mRNA. אף אחד ממספרי הכותרת לא מגיע מהצ'ק פוינט כפי שהוא מסופק. זה מכוון, וזה הדבר הכי כן בהכרזה.

הטענה היא שמודלי בסיס כבר טובים מספיק, כך שהגורם המבדיל הוא לולאת האימון-לאחר (post-training loop), ולא ריצת האימון-המקדים (pretraining). NVIDIA מוכרת את הלולאה: צ'קפוינט 120B ברישיון מתירני שאפשר לכוונן בלי בדיקה משפטית, מערך נתונים בכימיה שעליו אפשר לכוונן, ומתכונים שמתארים איך לעשות זאת. זו הצעה שונה באמת מ"המודל שלנו חכם יותר", והיא הצעה שעובדת רק אם המשקלים פתוחים — וזו בדיוק הסיבה שהרישיון חשוב יותר מטבלת הבנצ'מארקים.

זה גם מסביר את קו החומרה. NVIDIA אומרת שהמודל מכוונן לרוץ מקומית על DGX Spark עם 128GB, בעוד שגרסת ה-BF16 דורשת 4× H100 או 2× GB200, וגרסת ה-NVFP4 מתאימה ל-DGX Spark בודד, ל-H200, לשני H100 או ל-GB200. לולאת פוסט-אימון היא עומס עבודה איטרטיבי, בנפח גבוה ובהשהיה נמוכה, וההבדל בין "לשכור צומת" לבין "יש קופסה על הספסל" הוא ההבדל בין לולאה שמריצים פעמיים ברבעון לבין כזו שמריצים פעמיים ביום.

הפערים, בלשון פשוטה

שלושה דברים חסרים בגרסה, וכל אחד מהם היה משנה את הדרך שבה תתכנן.

• אין הערכה בלתי תלויה של הטענות המדעיות. Artificial Analysis אכן עוקבת אחר Nemotron 3.5 Super VL — היא מציינת מדד אינטליגנציה של 14, פלט בקצב של 291 טוקנים לשנייה, זמן של 11.85 שניות לטוקן התשובה הראשון, ומחיר נקוב של 0.20 דולר למיליון קלט ו-0.50 דולר למיליון פלט עם הנחת מטמון של 75%. זה שימושי וזה מצד שלישי. אף אחד מזה אינו מבחן כימיה. כל מספר מדעי בהפצת SC26 מגיע מגורם שיש לו אינטרס בתוצאה, ו-LitmusBench v0.2 חדש מספיק כדי שאף קבוצה חיצונית לא פרסמה עליו ציון עדיין.

• אין מחיר מפורסם עבור המודל כשירות. המחיר $0.20/$0.50 הרשום ב-AA הוא מונה של פלטפורמת צד שלישי, ולא תעריף של NVIDIA — NVIDIA לא פרסמה נתון פר-טוקן עבור NIM. אם אתם מתקצבים, התשובה הכנה כיום היא שאירוח עצמי הוא הדרך היחידה עם עלות ידועה.

• אין הערכה של לולאת הסוכן, רק של הרכיבים. המתכונים מתארים סוכן שמתכנן, מריץ סימולציות, בודק תוצאות ומתאים. אף אחד בגרסה לא מדווח באיזו תדירות הלולאה הזו מושלמת ללא אדם, כמה קריאות לכלים היא שורפת, או מה העלות לכל משימה שהושלמה. אלה המספרים שקובעים אם סוכן הוא מוצר או הדגמה, והם חסרים.

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.

מה זה אומר אם אתה בונה

המסקנה המעשית היא ש-Nemotron for Science אינו מודל שמאמצים; הוא ערכת התחלה. אם הקבוצה שלכם עוסקת בכימיה או בביולוגיה מבנית ויש לכם קיבולת GPU, השילוב של צ'קפוינט 120B ברישיון מתירני, 50,000 שאלות כימיה וקבוצה של מתכונים שפורסמו הוא חבילת שבוע ראשון ממש טובה — והתוצאה של KTH מרמזת שלולאת קריאת הכלים עובדת מספיק טוב כדי להיות שימושית בכשלים שגרתיים.

מה שהוא אינו הוא תחליף ישיר ל-API מתארח. Nemotron 3.5 Super VL אינו בקטלוג שלנו; איננו מספקים אותו היום, ונתיב האירוח העצמי הוא זה שהמהדורה הזו נבנתה סביבו בפועל. כאשר צוותים מריצים מודל מתארח כשכבת החשיבה של צינור עיבוד גדול יותר — ורובם עושים זאת, מפני שלולאת הסוכן סביב מודל המדע היא בדרך כלל מודל כללי — שאלת הניתוב נפרדת מההכרזה הזו. מפתח אחד ליותר מ-200 מודלים במחיר המחירון של הספק עם 0% תוספת, ומעבר אוטומטי לגיבוי כאשר ספק במעלה הזרם נחלש באמצע הריצה, הוא החלק שמונע ממשימת סוכן בת כמה שעות לגווע בשעה השלישית בגלל שספק אחד חווה אחר צהריים רע.

מה לראות בהמשך

ציון חיצוני ראשון מסוג LitmusBench v0.2 מכריע יותר מכל מבחן בודד, משום שזהו המספר היחיד כאן שצד ניטרלי יכול להפיק. כרטיס תעריפים מפורסם של NIM יהפוך את השוואת העלויות לאריתמטיקה במקום למיצוב. ודוח על לולאת הסוכן עצמה — שיעור השלמה, תקציב קריאות לכלים, עלות לכל משימה שהושלמה — הוא הדבר שיהפוך את זה מערכה מבטיחה להחלטת רכש.

עד אז, הסיכום ההוגן ביותר הוא זה שהשחרור כותב לעצמו בטעות: NVIDIA סיפקה צ'קפוינט טוב באוקטובר, ובנובמבר היא סיפקה את הדבר שהופך את הצ'קפוינט לשימושי. זו הכרזה פחות מרגשת ויותר בעלת ערך.

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.