כרטיס כותרת להשוואה, עם הכותרת 'Nemotron for Science vs GPT-Rosalind', עם ארבעה נתונים סטטיסטיים: משקלים פתוחים תחת OpenMDW-1.1 ללא הגשת בקשה, GPT-Rosalind במחיר של $5.00 לקלט ו-$25.00 לפלט למיליון טוקנים, מאחורי בדיקת גישה מהימנה, כ-50,000 שאלות כימיה של LitmusBench v0.2 הניתנות לאימון, ו-81% מתיקוני GROMACS ב-KTH בריצת DGX Spark אחת בלילה.
Guides & Insights

Nemotron למדע לעומת GPT-Rosalind: משקלים פתוחים מול שער גישה מהימן

מחבר

jinhao.song

תאריך פרסום

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

אם תשאלו מה העלות של כל אחד משני אלה, תקבלו תשובה שכמעט אינה אומרת דבר על האחר. NVIDIA Nemotron for Science, שהוכרז ב-SC26 ב-16 בנובמבר 2026, הוא חבילה להורדה: צ'ק-פוינט פתוח בשם Nemotron 3.5 Super VL תחת OpenMDW-1.1, מערך נתונים בכימיה בשם LitmusBench v0.2 הכולל כ-50,000 שאלות, ומתכוני פוסט-אימון. העלות השולית שלו היא ה-GPU שכבר יש לכם. GPT-Rosalind הוא API מתומחר לפי שימוש, מאחורי טופס בקשה: המומחה למדעי החיים של החברה, שהוצג ב-16 באפריל 2026, נפתח ברחבי העולם לארגונים זכאים ב-11 בספטמבר 2026, ומחייב 5.00 דולר למיליון טוקני קלט ו-25.00 דולר למיליון טוקני פלט מאז 5 באוקטובר. האחד הוא ערכה. האחר הוא שירות שלפניו שלב בדיקה. ההבדל הזה מכריע יותר בשאלה איזה מהם המעבדה שלכם צריכה להשתמש בו מאשר כל ציון בנצ'מרק של מי מהם.

שתי התוויות אומרות "science", והמילה הזו עושה עבודה רבה בשני המקרים. אף אחד מהמודלים אינו מדען רב־תכליתי; כל אחד מהם מכוון לפרוסה ספציפית של עבודת מחקר, נבנה על ידי חברה עם אינטרס מסחרי ספציפי באותה פרוסה, ומוערך על ידי אותה חברה. לכן ההשוואה הזו מפרידה בין שלוש שאלות שנדחסות יחד בסיקור ההשקה: למה ניתן בפועל לכוון כל מודל, מי רשאי לכוון אותו, וכמה עולה ניסוי אחד בכל אחד מהם.

שני מוצרים שונים, לא שתי גרסאות של מוצר אחד

GPT-Rosalind הוא מודל הסקה המותאם לביולוגיה — מולקולות, חלבונים, גנים, מסלולים, מנגנוני מחלה — עם מערכת אקולוגית מתועדת של תוספים ובה יותר מ-50 כלים במדעי החיים, ורקורד של רשומות מחקר הכולל הרצת סוכנים מבוזרת שסיננה יותר מ-700 מקורות ל-11. הגישה אליו מתבצעת דרך ChatGPT, Codex וה-API, ומסלול ה-API מחייב מעבר בתוכנית הגישה המהימנה של OpenAI. זהו שער על המודל עצמו, ולא על תכונה. היכולת אמיתית; השאלה היא אם תזכו לה.

Nemotron for Science אינו מודל באותו מובן. המודל שבתוכו, Nemotron 3.5 Super VL, שחרר את המשקלים שלו ב-12 באוקטובר 2026 והוכרז על ידי NVIDIA ב-15 באוקטובר — חמישה שבועות לפני SC26. מה שנחת ב-16 בנובמבר הוא המערך הנלווה: מערך הערכה לכימיה, מתכוני post-training, ותיעוד לחיבור המודל לתוכנה מדעית של CUDA-X ככלים ניתנים לקריאה. אין מי שמגביל את הגישה אליו. אתה משכפל אותו, מתאים את החומרה, עושה לו כוונון עדין על הנתונים שלך, ושלב האישור היחיד הוא תקציב המחשוב שלך.

{{1}}האסימטריה הזו היא כל ההשוואה, וכל מה שלמטה הוא תוצאה שלה.{{/1}}

לוח התוצאות, ממד אחר ממד

• מודל גישה — Nemotron for Science: משקלים פתוחים ב-Hugging Face תחת OpenMDW-1.1, שימוש מסחרי ולא מסחרי, ללא צורך בבקשה. GPT-Rosalind: בדיקת גישה מהימנה לפני קריאת ה-API הראשונה; גישה לצ'אט דרך תוכנית אקדמית נפרדת שמוציאה במפורש קריאות API.

• מחיר מחירון — Nemotron for Science: אין מחירון ספק; העלות באירוח עצמי היא החומרה שלך. הסקה מצד שלישי מפרטת את Super VL ב-$0.20 למיליון טוקני קלט ו-$0.50 למיליון טוקני פלט, עם הנחת מטמון של 75% ותעריף משולב של $0.13. GPT-Rosalind: $5.00 קלט / $25.00 פלט למיליון, $0.50 קלט במטמון.

• פרמטרים — Nemotron 3.5 Super VL: 120B בסך הכול, 12B פעילים לכל טוקן, MoE היברידי של Mamba-2 ו-Transformer עם 512 מומחים מנותבים לכל שכבת MoE. GPT-Rosalind: לא נחשף.

• הקשר ומודאליות — שניהם 1M טוקנים. Super VL מקבל טקסט, תמונות ווידאו MP4 באורך של עד שתי דקות ומפיק טקסט. GPT-Rosalind מקבל טקסט וקלט של קבצים מדעיים דרך ChatGPT, Codex וה-API; לא פורסמה טענה כללית בדבר קלט תמונות.

• עדויות מהתחום — Nemotron for Science: שבעה שותפים ומוסדות בשם, כולל 76% שחזור תגובות ב-RxnScribe אצל Terray, 81% מהתצורות השבורות של GROMACS שתוקנו על ידי סוכן KTH בהרצת DGX Spark אחת בלילה, ו-61% לעומת 54% דיוק בסינתזת נקודות קוונטיות מול GPT-6 Astra ב-Lila Sciences. GPT-Rosalind: מוביל ב-BixBench, MedChemBench 27.5%, GeneBench 21.6%, LabWorkBench 63.2%, ו-4.42% שיפור בביצועים לכל טוקן ב-LifeSciBench. כל הנתונים מדווחים על ידי הספקים משני הצדדים.

• ציון עצמאי — Nemotron 3.5 Super VL: מדד האינטליגנציה של Artificial Analysis 14, 291 טוקנים לשנייה, 11.85 שניות עד לטוקן התשובה הראשון. GPT-Rosalind: לא נמדד במדד זה.

A two-column comparison scoreboard for Nemotron for Science and GPT-Rosalind across six dimensions: access, list price, parameters, context and modality, domain evidence, and independent score. Nemotron is open weights at 120B total and 12B active with an Artificial Analysis Intelligence Index of 14; GPT-Rosalind is trusted-access reviewed, priced at $5.00 input and $25.00 output per million with 27.5% on MedChemBench and 63.2% on LabWorkBench, and is not tracked on that index.

כימיה וביולוגיה אינן אותה אמת מידה

זהו חוסר ההתאמה שקריאה סעיף-אחר-סעיף מסתירה. הראיות שפורסמו של GPT-Rosalind הן ביולוגיות ברובן המכריע: טווחי ביטוי חלבונים, נימוק ברמת הגן, כימיה רפואית, עבודה לפי פרוטוקולי מעבדה. הראיות שפורסמו של Nemotron for Science הן כימיות וחישוביות ברובן המכריע: חילוץ סכמות תגובה, חיזוי מסיסות, גורל מטבולי, סינתזת נקודות קוונטיות, תיקון דינמיקה מולקולרית. שניהם "מדע", אבל קבוצת כימיה חישובית וקבוצת אונקולוגיה תרגומית אינן באותו שוק.

היכן שהם באמת חופפים הוא בשכבת הסוכנים, וכאן הראיות של NVIDIA קונקרטיות באופן יוצא דופן. מודל שקורא קובץ קלט שבור של GROMACS, מבין מדוע הטופולוגיה וקובץ הקואורדינטות אינם מתיישבים, ומפיק תיקון שהמנוע afterwards מקבל — מבצע שימוש בכלים רב-שלבי עם תגמול הניתן לאימות, ו-KTH מדווחת על 81% הצלחה במקרי המבחן שהם בנו. הראיה הדומה של Rosalind היא ריצת ההיפותזה בת 32 הדקות בנושא הובלת כולסטרול מאוקטובר, שבה אלפי סוכנים משתפי פעולה סיננו יותר מ-700 הפניות ל-11, ומבקרים מעוורים העדיפו את הפלט בכשלושה רבעים מההשוואות. שניהם ראיות צד ראשון. שניהם מתארים לופ שמתכנן, מבצע ובודק. אף אחד מהם לא מפרסם שיעור השלמה תחת עומס ייצור, וזה המספר שבאמת יאפשר להשוות ביניהם.

יש לקרוא את שני מאגרי הראיות כגורמים משלימים ולא כמתחרים. אם עבודתך היא ביולוגיה של מעבדה רטובה, מערך הנתונים הכימי של NVIDIA כמעט לא רלוונטי עבורך, והשורות של MedChemBench ו-LabWorkBench של Rosalind הן אלה שכדאי לקרוא. אם עבודתך היא כימיה חישובית או סימולציה מולקולרית, תוצאות GROMACS ונקודות קוונטיות מתארות את השבוע בפועל שלך, והכיוונון הביולוגי של Rosalind הוא הדבר שעבורו תשלם תוספת מחיר ולא תשתמש בו.

עלותו של ניסוי, מחושבת

תמחור לפי טוקן הוא יחידת המידה השגויה לשניהם, ולכן הנה החשבון שבאמת חשוב. קחו ריצת פוסט-אימון על Nemotron for Science: מודל 120B ב-BF16 דורש 4× H100 או 2× GB200, או DGX Spark בודד בגרסת ה-NVFP4. ריצת לילה אחת על DGX Spark אחד — תצורת KTH — היא עלות קבועה וידועה מראש מול חומרה שאתם או מחזיקים בבעלותכם או שוכרים לפי שעה. מערך הנתונים חינמי והמתכונים מפורסמים. אפשר להריץ את הלולאה מאה פעמים, והעלות השולית של הריצה התשעים ותשע זהה לזו של ריצה אחת.

כעת אותה איטרציה על מומחה מחויב לפי שימוש. בתעריף של $5.00 לקלט ו-$25.00 לפלט למיליון טוקנים, מעבר אחד בהקשר ארוך על קורפוס מדעי גדול אינו טעות עיגול, והעלות של ניסיון כושל מחויבת באותו תעריף כמו ניסיון מוצלח. לכן קלט במטמון ב-$0.50 חשוב כל כך בצד של Rosalind: אם הפרומפטים שלך חולקים קידומת גדולה, ההנחה היא 90% והכלכלה משתנה לחלוטין. אם הם לא חולקים, היא לא משתנה.

המסקנה הכנה מהחשבון הזה אינה ש"פתוח זול יותר", אלא ששתי צורות התמחור מתגמלות סוגי עבודה שונים. כיוונון עדין איטרטיבי מתגמל משקלים פתוחים, כי משלמים על מחשוב ולא על שום דבר אחר. הערכה מרוכזת של מאה השערות מול מודל חזית מתגמלת API בתשלום לפי שימוש, כי משלמים על מה שמשתמשים בו ולא על שום דבר אחר. רוב קבוצות המחקר עושות את שני הדברים, וזה החלק המביך.

A two-column cost card titled 'What one experiment costs, worked out', comparing a self-hosted Nemotron run against a metered GPT-Rosalind call across unit of cost, cost of run ninety-nine, cost of a failed attempt, shared prompt prefix discount, hardware requirement, and the kind of work each pricing shape rewards.

היכן שכבת הניתוב משתלבת, והיכן לא

אף אחד משני הצ'קפוינטים אינו בקטלוג שלנו. איננו מספקים את Nemotron 3.5 Super VL ואיננו מספקים את GPT-Rosalind, וזה יהיה מאמר מוזר שיעמיד פנים כאילו המצב שונה — התשובה המעשית לגבי הראשון היא להוריד אותו, ולגבי השני — לפנות ל-OpenAI.

מה שכן נמצא בצד שלנו של הקו הוא החלק של סוכן מדעי שאינו המודל המדעי. סוכן KTH GROMACS, צינור החילוץ של Terray ומחולל הפרוטוקול Lila הם כולם סוכנים העוטפים מודל תחום: הם מתכננים, קוראים לכלים, קוראים פלט ומחליטים מה לעשות הלאה, ושכבת התכנון היא בדרך כלל מודל כללי ולא מומחה. השכבה הזו היא המקום שבו מפתח בודד על פני יותר מ-200 מודלים במחיר מחירון של ספק עם 0% תוספת מצדיק את עצמו, ובמקום שבו כשל אוטומטי חשוב — ריצה סוכנית שלוקחת שש שעות היא ריצה שאתה לא רוצה לאבד בשעה החמישית בגלל שספק אחד במעלה הזרם חווה אחר צהריים רע. ה-DSL ניתוב מרכיב את הקריאות האלה; המומחה נשאר במקום שבו הוא שייך.

איזה אחד לבחור

אם אתם קבוצת כימיה חישובית או סימולציה מולקולרית עם קיבולת GPU, ‏Nemotron for Science הוא כמעט בחירה מובנת מאליה: רישיון מתירני, מערך כימיה בן 50,000 שאלות שתוכלו גם להעריך וגם לאמן עליו, ולולאת כלים מתועדת שהודגמה בדיוק על מצב הכשל שאתם מתמודדים איתו מדי שבוע. היעדר מחירון ספק אינו בעיה כשממילא התכוונתם לארח בעצמכם.

אם אתם עוסקים בביולוגיה תרגומית וזקוקים למודל שמנמק לגבי חלבונים ומנגנוני מחלה, Rosalind היא היחידה מבין השתיים שמכוונת לעבודה שלכם, וסקירת הגישה המהימנה היא מחיר הכניסה. תקצבו את לוח הזמנים של הסקירה בתכנית הפרויקט שלכם, וזכרו שהמקומות החינמיים של התוכנית האקדמית אינם כוללים גישה ל-API — קבוצת מחקר באוניברסיטה שרוצה פייפליין זקוקה להסדר מסחרי משלה.

ואם אתם בונים את הסוכן ולא את המודל, הבחירה פחות משמעותית ממה שהיא נראית. את שניהם אפשר לקרוא מתוך לולאה; לשניהם יש מצבי כשל; אף אחד מהם לא מפרסם את שיעור ההשלמה שיכריע את השאלה. הצעד ההגיוני הוא לבנות את הלולאה כך שהמודל שמתחתיה יהיה ערך תצורה, ואז למדוד. זו ההשוואה היחידה שכל אחד מהספקים השאיר לכם.

A screenshot of the Artificial Analysis model page for Nemotron 3.5 Super VL, showing the model title, the NVIDIA open-weights label with an October 2026 release date, and the performance and price analysis panel with Intelligence Index 14, 291 output tokens per second, $0.20 input and $0.50 output per million tokens, a 75% cache discount, 11.85 seconds to first token and $0.56 per task, above the site's written analysis and a technical specifications sidebar.