
Di Balik NVIDIA Nemotron for Science: Apa yang Sebenarnya Disediakan Open Chemistry Stack SC26
- GoogleBARUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 juta token · 90 tok/s
- AnthropicBARUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 juta token · 97 tok/s
- orcaBARUOrca: OrcaC2 1.02026-11-0711 tok/s
- OrcaBARUOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 juta token · 89 tok/s
- OrcaBARUOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 juta token · 133 tok/s
- OrcaBARUOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 per 1 juta token · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 juta token · 125 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 juta token · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 juta token · 45 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Kecerdasan
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 juta token · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Kecerdasan
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 juta token · 134 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Kecerdasan
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Kecerdasan
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 per 1 juta token · 126 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Kecerdasan
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Kecerdasan
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 per 1 juta token · 179 tok/s
Delapan puluh satu persen adalah angka yang layak dijadikan titik awal, dan itu bukan skor benchmark. Itu adalah persentase penyiapan dinamika molekuler GROMACS yang sengaja dibuat rusak yang, oleh agen yang dibangun di atas NVIDIA Nemotron for Science, diperbaiki dalam satu proses semalam di satu workstation DGX Spark, menurut KTH Royal Institute of Technology — dengan setiap perbaikan diperiksa oleh GROMACS sendiri, bukan oleh model yang menilai pekerjaannya sendiri. NVIDIA mengumumkan koleksi tersebut pada 16 November 2026 di SC26 di Chicago, melalui Ian Buck, VP Hyperscale and High-Performance Computing-nya. Ini terdiri dari tiga artefak dalam satu paket: checkpoint terbuka Nemotron 3.5 Super VL, dataset kimia terbuka bernama LitmusBench v0.2 dengan sekitar 50.000 pertanyaan, dan serangkaian resep pasca-pelatihan yang menghubungkan model ke perkakas ilmiah yang dipercepat CUDA-X.
Kombinasi itu adalah bagian yang menarik, dan itu bukan bagian yang dijual oleh judul berita. Merilis checkpoint terbuka lain adalah hal rutin bagi vendor pada akhir 2026; NVIDIA merilis yang ini pada Oktober. Yang baru pada 16 November adalah kerangka pendukung di sekitarnya — set evaluasi, resep, dan serangkaian deployment institusional bernama yang menggambarkan apa yang terjadi ketika Anda mengarahkan model ke alur kerja ilmiah nyata alih-alih papan peringkat. Tulisan ini membahas apa yang sebenarnya ada dalam koleksi tersebut, apa yang ditetapkan dan tidak ditetapkan oleh angka-angka mitra, serta di mana celahnya bagi siapa pun yang berencana membangun di atasnya.
Ketiga artefak, dipisahkan
Siaran pers NVIDIA dan postingan X yang menyertainya menjabarkan satu paket tunggal. Memisahkan bagian-bagiannya menjadi penting, karena setiap bagian memiliki posisi lisensi yang berbeda, tingkat kematangan yang berbeda, dan alasan yang berbeda untuk diperhatikan.
• Checkpoint — Nemotron 3.5 Super VL, mixture of experts 120 miliar parameter dengan 12 miliar aktif per token, hibrida Mamba-2 dan Transformer dengan 512 pakar terarah per lapisan MoE, encoder visi C-RADIO, dan konteks hingga 1 juta token. Masukan berupa teks, gambar, dan video MP4 2 menit; keluaran berupa teks. OpenMDW-1.1, penggunaan komersial dan nonkomersial, bobot di Hugging Face. Ini bukan hal baru pada 16 November — repositori diunggah pada 12 Oktober dan pengumuman resmi NVIDIA menyusul pada 15 Oktober.
• Kumpulan data — LitmusBench v0.2, sebuah kumpulan terbuka berisi sekitar 50.000 pertanyaan penalaran kimia yang diambil dari data sifat molekuler dan catatan eksperimental penemuan obat. Kumpulan ini dibangun untuk dua pekerjaan yang biasanya harus dipisahkan oleh tolok ukur ilmiah ke dalam dua berkas: kumpulan ini mengevaluasi penalaran kimia, dan dapat digunakan sebagai data pasca-pelatihan. Prediksi kelarutan dan nasib metabolik adalah dua keluarga tugas yang disebutkan NVIDIA secara eksplisit.
• Resep dan perkakas — resep pascapelatihan untuk adaptasi domain, plus keterkaitan yang memungkinkan agen memanggil perangkat lunak ilmiah yang dipercepat CUDA-X sebagai alat. Inilah bagian yang mengubah model chat menjadi sesuatu yang dapat menjalankan simulasi, membaca output, dan memutuskan apa yang harus dilakukan selanjutnya.
Checkpoint adalah yang paling tidak baru dari ketiganya, dan dataset adalah yang paling tahan lama. Rangkaian benchmark cepat menua; kumpulan 50.000 soal kimia dengan lisensi permisif adalah jenis hal yang masih akan dikutip dalam tiga tahun, dan itulah bagian dari rilis ini yang paling banyak dikeluarkan NVIDIA untuk dibagikan secara gratis.

Apa yang sebenarnya ditunjukkan oleh hasil mitra
Tujuh organisasi disebutkan namanya dalam pengumuman tersebut, dan angka-angka yang dilekatkan pada mereka adalah hal yang paling mendekati bukti dalam rilis itu. Semuanya dilaporkan oleh vendor dan tidak satu pun telah direproduksi secara independen — peringatan itu berlaku untuk setiap angka di bagian ini, dan itulah alasan untuk membacanya sebagai studi kasus, bukan sebagai skor.
Terray Therapeutics melakukan pascapelatihan model pada diagram kimia — skema reaksi yang digambar dalam paten dan makalah — untuk mengekstrak reaktan, produk, dan kondisi reaksi. Pada RxnScribe, model itu memulihkan sekitar 76% reaksi beranotasi dan mengalahkan hasil terbit sebelumnya pada dua tolok ukur. Ekstraksi diagram tidak glamor dan di situlah sebagian besar kerja kimia nyata sebenarnya berlangsung, sehingga tingkat pemulihan 76% pada tolok ukur bernama merupakan klaim yang lebih berguna daripada skor penalaran.
Lila Sciences adalah angka yang menjadi andalan rilis tersebut. Dalam menghasilkan protokol laboratorium yang siap dieksekusi untuk laboratorium otomatis, model dasar itu menyamai performa terdepan tanpa fine-tuning sama sekali. Dengan post-training berbasis umpan balik laboratorium, akurasi sintesis quantum-dot mencapai 61% berbanding 54% untuk GPT-6 Astra, dengan biaya inferensi 10–20× lebih rendah. Ada dua hal yang perlu dicatat. Selisih tujuh poin itu nyata jika protokolnya memang valid, dan kelipatan biaya adalah angka yang lebih berdampak — penghematan inferensi 10–20× mengubah eksperimen mana yang layak dijalankan. Tetapi ini adalah perbandingan yang dijalankan oleh pihak yang melakukan post-training, pada tugas yang mereka pilih, terhadap pesaing yang mereka sebutkan.
Therna dilatih pascapelatihan untuk desain terapeutik mRNA agentik dan hampir menggandakan akurasi prediksi rentang ekspresi protein. Dalam perbandingan tersamar, para ilmuwan lebih menyukai penjelasannya daripada model dasar dalam 96% kasus. Preferensi bukanlah akurasi, dan tingkat preferensi 96% adalah pernyataan tentang bagaimana penalaran itu terbaca, bukan tentang apakah penalaran itu benar.
Lalu ada penerapan institusional, yang justru menjadi bagian yang paling meyakinkan bagi saya karena tidak dibingkai sebagai kemenangan. Argonne National Laboratory sedang mengintegrasikan Nemotron ke dalam StructBioReasoner, sistem multi-agen untuk merancang terapi kanker berbasis protein. Jülich Supercomputing Centre sedang mengintegrasikannya ke dalam agen penemuan obat dan sains. RIKEN menyajikan model-model tersebut, termasuk Super VL, di platform superkomputasi RIKYU melalui gateway inferensi RiVault — jalur produksi nyata, pada perangkat keras nyata, untuk pengguna nyata. Dan KTH membangun agen perbaikan GROMACS di balik angka 81% itu, pada satu DGX Spark, dalam semalam.
Hasil KTH layak mendapat kalimat tersendiri karena bentuknya. Penyiapan dinamika molekuler yang rusak adalah kegagalan rutin yang bervolume tinggi: medan gaya yang tidak cocok, topologi yang tidak sesuai dengan berkas koordinat, include yang hilang. Memperbaiki 81% di antaranya bukanlah tolok ukur penalaran. Ini adalah model yang mengerjakan jenis pekerjaan yang saat ini ditugaskan kelompok kimia komputasi kepada mahasiswa pascasarjana, dan pekerjaan itu diverifikasi oleh mesin simulasi, bukan oleh model, sehingga menjadikannya bukti paling bersih dalam rilis ini.
Mengapa ini adalah kisah pasca-pelatihan yang mengenakan pakaian seorang model
Baca rilisnya lagi dan perhatikan apa yang sebenarnya NVIDIA minta Anda lakukan. Setiap hasil dari masing-masing mitra melibatkan adaptasi: Terray dilatih lebih lanjut pada diagram, Lila dilatih lebih lanjut pada umpan balik lab, Therna dilatih lebih lanjut pada desain mRNA. Tidak satu pun angka utama berasal dari checkpoint sebagaimana dirilis. Itu disengaja, dan itu adalah hal paling jujur dari pengumuman tersebut.
Argumennya adalah bahwa model dasar sekarang sudah cukup baik sehingga pembedanya adalah siklus pasca-pelatihan, bukan proses pra-pelatihan. NVIDIA menjual siklus itu: checkpoint 120B dengan lisensi permisif yang dapat Anda fine-tune tanpa tinjauan hukum, kumpulan data kimia untuk fine-tune, dan resep yang menjelaskan cara melakukannya. Itu adalah tawaran yang benar-benar berbeda dari "model kami lebih pintar," dan tawaran itu hanya berhasil jika bobotnya terbuka — yang justru menjadi alasan mengapa lisensi lebih penting daripada tabel benchmark.
Ini juga menjelaskan lini perangkat kerasnya. NVIDIA mengatakan model tersebut disetel untuk berjalan secara lokal pada DGX Spark 128GB, dan build BF16 membutuhkan 4× H100 atau 2× GB200, sedangkan build NVFP4 cukup untuk satu DGX Spark, satu H200, dua H100, atau satu GB200. Loop pasca-pelatihan adalah beban kerja iteratif, bervolume tinggi, dan berlaten rendah, dan perbedaan antara "menyewa node" dan "ada sebuah kotak di meja kerja" adalah perbedaan antara loop yang Anda jalankan dua kali per kuartal dan loop yang Anda jalankan dua kali sehari.
Kesenjangan-kesenjangan itu, dinyatakan secara gamblang
Tiga hal hilang dari rilis ini, dan masing-masing akan mengubah cara Anda merencanakan.
• Tidak ada evaluasi independen atas klaim-klaim sains. Artificial Analysis memang melacak Nemotron 3.5 Super VL — di sana tercantum Indeks Kecerdasan 14, keluaran 291 token per detik, waktu 11,85 detik hingga token jawaban pertama, dan harga yang tercantum $0.20 per juta token masukan serta $0.50 per juta token keluaran dengan diskon cache 75%. Itu berguna dan berasal dari pihak ketiga. Tidak ada satu pun dari itu yang merupakan tolok ukur kimia. Setiap angka ilmiah dalam rilis SC26 berasal dari pihak yang memiliki kepentingan atas hasilnya, dan LitmusBench v0.2 cukup baru sehingga belum ada kelompok eksternal yang menerbitkan skor untuk itu.
• Tidak ada harga yang dipublikasikan untuk model sebagai layanan. Angka $0,20/$0,50 yang tercantum di AA adalah meteran platform pihak ketiga, bukan kartu tarif NVIDIA — NVIDIA belum menerbitkan angka per token untuk NIM. Jika Anda menyusun anggaran, jawaban jujur saat ini adalah bahwa self-hosting adalah satu-satunya jalur dengan biaya yang diketahui.
• Tidak ada evaluasi atas loop agen, hanya atas komponen-komponennya. Resep-resep tersebut menjelaskan agen yang merencanakan, menjalankan simulasi, memeriksa hasil, dan menyesuaikan. Tidak ada seorang pun dalam rilis itu yang melaporkan seberapa sering loop tersebut selesai tanpa manusia, berapa banyak panggilan alat yang dihabiskannya, atau berapa biayanya per tugas yang diselesaikan. Itulah angka-angka yang menentukan apakah sebuah agen merupakan produk atau demo, dan angka-angka itu tidak ada.

Apa artinya ini jika Anda sedang membangun
Pembacaan praktisnya adalah bahwa Nemotron for Science bukanlah model yang Anda adopsi; ini adalah kit awal. Jika kelompok Anda mengerjakan kimia atau biologi struktural dan Anda memiliki kapasitas GPU, kombinasi checkpoint 120B berlisensi permisif, 50.000 pertanyaan kimia, dan serangkaian resep yang dipublikasikan merupakan paket minggu pertama yang benar-benar bagus — dan hasil KTH menunjukkan bahwa loop pemanggilan alat bekerja cukup baik untuk berguna pada kegagalan biasa.
Yang perlu dipahami, ini bukan pengganti langsung untuk API yang dihosting. Nemotron 3.5 Super VL tidak ada di katalog kami; kami tidak menyajikannya saat ini, dan jalur self-hosted adalah yang menjadi landasan rilis ini. Ketika tim menjalankan model yang dihosting sebagai lapisan penalaran dari pipeline yang lebih besar — dan sebagian besar melakukannya, karena loop agen di sekitar model sains biasanya adalah model umum — pertanyaan routing terpisah dari pengumuman ini. Satu kunci di lebih dari 200 model pada harga daftar provider dengan markup 0%, dan failover otomatis ketika upstream memburuk di tengah proses, adalah bagian yang menjaga pekerjaan agentik berjam-jam agar tidak mati pada jam ketiga karena satu provider mengalami hari yang buruk.
Tontonan Berikutnya
Skor LitmusBench v0.2 eksternal pertama lebih menentukan daripada benchmark tunggal mana pun, karena itu satu-satunya angka di sini yang dapat dihasilkan oleh pihak netral. Daftar tarif NIM yang dipublikasikan akan membuat perbandingan biaya menjadi soal aritmetika, bukan positioning. Dan laporan tentang loop agen itu sendiri — tingkat penyelesaian, anggaran panggilan alat, biaya per tugas yang diselesaikan — adalah hal yang akan mengubah ini dari kit yang menjanjikan menjadi keputusan pengadaan.
Sampai saat itu, ringkasan paling adil adalah yang tanpa sengaja ditulis oleh rilis itu sendiri: NVIDIA merilis checkpoint yang bagus pada Oktober, dan pada November merilis hal yang membuat checkpoint itu berguna. Itu pengumuman yang kurang menarik dan lebih bernilai.

