
Nemotron for Science vs GPT-Rosalind: Bobot Terbuka Melawan Gerbang Akses Tepercaya
- 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
Tanyakan berapa biaya masing-masing dari keduanya dan Anda akan mendapat jawaban yang hampir tidak mengatakan apa pun tentang yang lain. NVIDIA Nemotron for Science, yang diumumkan di SC26 pada 16 November 2026, adalah paket yang dapat diunduh: checkpoint Nemotron 3.5 Super VL terbuka di bawah OpenMDW-1.1, kumpulan data kimia berisi sekitar 50.000 pertanyaan bernama LitmusBench v0.2, dan resep pasca-pelatihan. Biaya marginalnya adalah GPU apa pun yang sudah Anda miliki. GPT-Rosalind adalah API berbayar sesuai pemakaian di balik proses aplikasi: spesialis ilmu hayati perusahaan tersebut, yang diperkenalkan pada 16 April 2026, dibuka secara global bagi organisasi yang memenuhi syarat pada 11 September 2026, dengan tarif $5,00 per juta token masukan dan $25,00 per juta token keluaran sejak 5 Oktober. Yang satu adalah kit. Yang lain adalah layanan dengan tahap penyaringan di depannya. Perbedaan itulah yang lebih menentukan mana yang sebaiknya digunakan laboratorium Anda daripada skor benchmark apa pun pada keduanya.
Kedua label bertuliskan "science," dan kata itu memikul banyak beban dalam kedua kasus. Tidak satu pun model merupakan ilmuwan serba guna; masing-masing ditujukan untuk irisan tertentu dalam pekerjaan riset, dibangun oleh perusahaan dengan kepentingan komersial spesifik pada irisan itu, dan dievaluasi oleh perusahaan tersebut. Jadi perbandingan ini memisahkan tiga pertanyaan yang sering disatukan dalam liputan peluncuran: apa yang sebenarnya bisa menjadi sasaran tiap model, siapa yang diizinkan mengarahkannya, dan berapa biaya satu eksperimen pada masing-masing.
Dua produk yang berbeda, bukan dua versi dari satu produk
GPT-Rosalind adalah model penalaran yang disetel untuk biologi — molekul, protein, gen, jalur, mekanisme penyakit — dengan ekosistem plugin terdokumentasi berisi lebih dari 50 alat ilmu hayati dan rekam jejak catatan riset yang mencakup uji coba agen terdistribusi yang menyaring lebih dari 700 referensi menjadi 11. Model ini diakses melalui ChatGPT, Codex, dan API, dan jalur API mengharuskan lolos program akses tepercaya OpenAI. Itu adalah gerbang pada model itu sendiri, bukan pada sebuah fitur. Kemampuannya nyata; pertanyaannya adalah apakah Anda bisa mendapatkannya.
Nemotron for Science bukanlah model dalam pengertian yang sama. Model di dalamnya, Nemotron 3.5 Super VL, merilis bobotnya pada 12 Oktober 2026 dan diumumkan oleh NVIDIA pada 15 Oktober — lima minggu sebelum SC26. Yang hadir pada 16 November adalah perangkat di sekitarnya: kumpulan evaluasi kimia, resep pasca-pelatihan, dan dokumentasi untuk menghubungkan model ke perangkat lunak ilmiah CUDA-X sebagai alat yang dapat dipanggil. Tidak ada yang membatasi aksesnya. Anda mengkloningnya, menentukan ukuran perangkat keras, melakukan fine-tuning dengan data Anda sendiri, dan satu-satunya langkah persetujuan adalah anggaran komputasi Anda sendiri.
Asimetri itu adalah seluruh perbandingannya, dan segala hal di bawah ini merupakan konsekuensinya.
Papan skor, dimensi demi dimensi
• Model akses — Nemotron for Science: bobot terbuka di Hugging Face di bawah OpenMDW-1.1, penggunaan komersial dan nonkomersial, tanpa perlu mengajukan permohonan. GPT-Rosalind: tinjauan akses tepercaya sebelum panggilan API pertama; akses chat melalui program akademik terpisah yang secara eksplisit mengecualikan panggilan API.
• Harga daftar — Nemotron for Science: tidak ada kartu tarif vendor; biaya self-hosted adalah perangkat keras Anda. Inferensi pihak ketiga mencantumkan Super VL sebesar $0,20 per juta input dan $0,50 per juta output, dengan diskon cache 75% dan tarif gabungan $0,13. GPT-Rosalind: $5,00 input / $25,00 output per juta, $0,50 input di-cache.
• Parameter — Nemotron 3.5 Super VL: total 120B, 12B aktif per token, MoE hibrida Mamba-2 dan Transformer dengan 512 expert yang dirutekan per lapisan MoE. GPT-Rosalind: tidak diungkapkan.
• Konteks dan modalitas — Keduanya 1 juta token. Super VL menerima teks, gambar, dan video MP4 hingga dua menit serta menghasilkan teks. GPT-Rosalind menerima input teks dan berkas ilmiah melalui ChatGPT, Codex, dan API; tidak ada klaim publik mengenai input gambar umum.
• Bukti domain — Nemotron for Science: tujuh mitra dan institusi yang disebutkan namanya, termasuk 76% pemulihan reaksi pada RxnScribe di Terray, 81% penyiapan GROMACS yang rusak diperbaiki oleh agen KTH dalam satu proses DGX Spark semalam, dan akurasi sintesis titik kuantum 61% versus 54% terhadap GPT-6 Astra di Lila Sciences. GPT-Rosalind: memimpin di BixBench, MedChemBench 27,5%, GeneBench 21,6%, LabWorkBench 63,2%, dan kenaikan kinerja per token sebesar 4,42% pada LifeSciBench. Semua dilaporkan oleh vendor di kedua sisi.
• Skor independen — Nemotron 3.5 Super VL: Indeks Kecerdasan Artificial Analysis 14, 291 token per detik, 11,85 detik untuk token jawaban pertama. GPT-Rosalind: tidak dilacak pada indeks tersebut.

Kimia dan biologi bukanlah tolok ukur yang sama
Inilah ketidaksesuaian yang tersembunyi oleh pembacaan spesifikasi demi spesifikasi. Bukti terbitan GPT-Rosalind didominasi oleh bidang biologis: rentang ekspresi protein, penalaran tingkat gen, kimia medisinal, pekerjaan protokol laboratorium. Bukti terbitan Nemotron for Science didominasi oleh bidang kimia dan komputasional: ekstraksi skema reaksi, prediksi kelarutan, nasib metabolik, sintesis quantum dot, perbaikan dinamika molekuler. Keduanya adalah “sains,” dan kelompok kimia komputasional serta kelompok onkologi translasional tidak berada di pasar yang sama.
Titik yang benar-benar bertumpang tindih adalah lapisan agentik, dan di sini bukti NVIDIA luar biasa konkret. Sebuah model yang membaca dek masukan GROMACS yang rusak, mencari tahu mengapa topologi dan file koordinatnya tidak cocok, lalu menghasilkan perbaikan yang kemudian diterima mesin tersebut sedang melakukan penggunaan alat bertahap dengan imbalan yang dapat diverifikasi — dan KTH melaporkan keberhasilan 81% pada kasus uji yang mereka buat. Bukti Rosalind yang sebanding adalah uji hipotesis lalu lintas kolesterol selama 32 menit dari Oktober, ketika ribuan agen yang bekerja sama menyaring lebih dari 700 referensi menjadi 11 dan peninjau tersamar lebih menyukai keluarannya pada sekitar tiga perempat perbandingan. Keduanya merupakan pihak pertama. Keduanya menggambarkan siklus yang merencanakan, mengeksekusi, dan memeriksa. Tidak ada yang menerbitkan tingkat penyelesaian di bawah beban produksi, yaitu angka yang sebenarnya memungkinkan Anda membandingkannya.
Bacalah dua basis bukti itu sebagai saling melengkapi, bukan bersaing. Jika pekerjaan Anda adalah biologi wet-lab, kumpulan data kimia NVIDIA hampir tidak relevan bagi Anda, dan baris MedChemBench serta LabWorkBench milik Rosalind adalah yang perlu dibaca. Jika pekerjaan Anda adalah kimia komputasi atau simulasi molekuler, hasil GROMACS dan quantum-dot menggambarkan minggu aktual Anda, dan penyetelan biologi Rosalind adalah hal yang akan Anda bayar mahal untuknya tetapi tidak Anda gunakan.
Berapa biaya sebuah eksperimen, sudah dihitung
Harga per token adalah satuan yang salah untuk kedua hal ini, jadi berikut aritmetika yang penting. Ambil contoh sesi pasca-pelatihan pada Nemotron for Science: model 120B dalam BF16 membutuhkan 4× H100 atau 2× GB200, atau satu DGX Spark pada build NVFP4. Satu sesi semalam di satu DGX Spark — konfigurasi KTH — adalah biaya tetap yang dapat diketahui untuk perangkat keras yang Anda miliki atau sewa per jam. Datasetnya gratis dan resepnya dipublikasikan. Anda dapat menjalankan loop tersebut seratus kali dan biaya marginal untuk eksekusi ke-99 sama dengan eksekusi pertama.
Sekarang iterasi yang sama pada spesialis berbayar per pemakaian. Dengan $5.00 untuk input dan $25.00 untuk output per juta token, satu lintasan konteks panjang atas korpus ilmiah yang besar bukanlah kesalahan pembulatan, dan biaya percobaan yang gagal dikenakan tarif yang sama dengan percobaan yang berhasil. Itulah sebabnya input yang di-cache seharga $0.50 sangat penting di sisi Rosalind: jika prompt Anda berbagi awalan yang besar, diskonnya 90% dan ekonominya berubah total. Jika tidak, tidak.
Kesimpulan jujur dari aritmetika itu bukanlah "open lebih murah." Kesimpulannya adalah bahwa dua bentuk penetapan harga tersebut memberi imbalan pada jenis pekerjaan yang berbeda. Fine-tuning iteratif memberi imbalan pada open weights, karena Anda membayar komputasi dan tidak lebih. Evaluasi burst terhadap seratus hipotesis dengan model frontier memberi imbalan pada API bermeter, karena Anda membayar apa yang Anda gunakan dan tidak lebih. Sebagian besar kelompok riset melakukan keduanya, dan itulah bagian yang canggung.

Di mana lapisan routing cocok, dan di mana tidak
Tidak ada checkpoint yang ada di katalog kami. Kami tidak menyediakan Nemotron 3.5 Super VL dan kami tidak menyediakan GPT-Rosalind, dan akan menjadi artikel yang aneh jika berpura-pura sebaliknya — jawaban praktis untuk yang pertama adalah Anda mengunduhnya, dan untuk yang kedua adalah Anda mengajukan permohonan ke OpenAI.
Yang berada di sisi kami dari garis adalah bagian dari agen sains yang bukan model sains. Agen GROMACS KTH, pipeline ekstraksi Terray, dan generator protokol Lila semuanya adalah agen yang membungkus model domain: mereka merencanakan, memanggil alat, membaca keluaran, dan memutuskan apa yang harus dilakukan selanjutnya, dan lapisan perencanaan biasanya merupakan model umum, bukan model spesialis. Lapisan itulah tempat satu kunci di lebih dari 200 model dengan harga daftar penyedia tanpa markup 0% membuktikan nilainya, dan tempat failover otomatis menjadi penting — proses agen yang berlangsung enam jam adalah proses yang tidak ingin Anda kehilangan pada jam kelima hanya karena satu penyedia upstream mengalami hari buruk. DSL perutean menyusun panggilan-panggilan tersebut; sang spesialis tetap berada di tempatnya semestinya.
Mana yang harus dipilih
Jika Anda adalah grup kimia komputasi atau simulasi molekuler yang memiliki kapasitas GPU, Nemotron for Science hampir pasti menjadi pilihan yang jelas: lisensi permisif, set kimia berisi 50.000 pertanyaan yang dapat Anda gunakan baik untuk evaluasi maupun pelatihan, dan loop alat yang terdokumentasi yang telah didemonstrasikan pada mode kegagalan persis yang Anda hadapi setiap minggu. Tidak adanya daftar harga vendor bukanlah masalah jika Anda memang akan menjalankannya sendiri.
Jika Anda mengerjakan biologi translasional dan memerlukan model yang bernalar tentang protein dan mekanisme penyakit, Rosalind adalah satu-satunya dari keduanya yang ditujukan untuk pekerjaan Anda, dan tinjauan akses tepercaya adalah harga masuknya. Perhitungkan tenggat waktu tinjauan dalam rencana proyek Anda, dan perhatikan bahwa kursi gratis dalam program akademik tidak mencakup akses API — kelompok universitas yang menginginkan pipeline memerlukan pengaturan komersialnya sendiri.
Dan jika Anda membangun agennya dan bukan modelnya, pilihan itu tidak sekonsekuensial kelihatannya. Keduanya dapat dipanggil dari sebuah loop; keduanya memiliki mode kegagalan; tidak ada yang menerbitkan tingkat penyelesaian yang bisa menjawab pertanyaan itu. Langkah yang masuk akal adalah membangun loop sedemikian rupa sehingga model di bawahnya menjadi nilai konfigurasi, lalu melakukan pengukuran. Itulah satu-satunya perbandingan yang tersisa untuk Anda dari kedua vendor.

