Una scheda di titolo per NVIDIA Nemotron for Science, con il titolo "cosa è stato rilasciato e cosa dimostra", con quattro statistiche: circa 50.000 domande di chimica di LitmusBench v0.2, 120B di parametri totali e 12B attivi, l'81% delle configurazioni GROMACS riparate da un agente KTH in una singola esecuzione notturna di DGX Spark e una finestra di contesto da 1M token.
Engineering & Research

Dentro NVIDIA Nemotron for Science: cosa offre realmente lo stack Open Chemistry di SC26

Autore

Gideon Frost

Data di pubblicazione

Ultimi modelli · 20Vedi tutti i modelli →
Benchmark: Artificial Analysis · aggiornato ogni giorno
Torna a tutti gli articoli

L'ottantuno per cento è il numero da cui conviene partire, e non è un punteggio di benchmark. È la quota di configurazioni di dinamica molecolare GROMACS deliberatamente guaste che un agente basato su NVIDIA Nemotron for Science ha riparato in un'unica esecuzione notturna su una singola workstation DGX Spark, secondo il KTH Royal Institute of Technology — con ogni correzione verificata da GROMACS stesso anziché da un modello che si valuta i compiti da solo. NVIDIA ha annunciato la raccolta il 16 novembre 2026 a SC26 di Chicago, tramite Ian Buck, il suo VP per Hyperscale e High-Performance Computing. Sono tre artefatti in un'unica confezione: il checkpoint aperto Nemotron 3.5 Super VL, un dataset chimico aperto chiamato LitmusBench v0.2 con circa 50.000 domande, e una serie di ricette di post-training che integrano il modello negli strumenti scientifici accelerati CUDA-X.

Quella combinazione è la parte interessante, e non è quella che il titolo pubblicizza. Un fornitore che rilascia un altro checkpoint aperto è routine alla fine del 2026; NVIDIA ha rilasciato questo a ottobre. Ciò che è nuovo il 16 novembre è l'impalcatura attorno ad esso — il set di valutazione, le ricette e una serie di deployment istituzionali identificati che descrivono cosa succede quando si punta il modello a un flusso di lavoro scientifico reale invece che a una classifica. Questo articolo esamina cosa c'è effettivamente nella raccolta, cosa stabiliscono e cosa non stabiliscono i numeri dei partner, e dove sono le lacune per chiunque intenda costruirci sopra.

I tre artefatti, separati

Il comunicato stampa di NVIDIA e il relativo post su X descrivono un unico pacchetto. Scomporlo è importante, perché ogni componente ha una diversa impostazione di licenza, un diverso livello di maturità e un diverso motivo per interessarsi.

• Il checkpoint — Nemotron 3.5 Super VL, un mixture of experts da 120 miliardi di parametri con 12 miliardi attivi per token, un ibrido Mamba-2 e Transformer con 512 esperti instradati per livello MoE, un encoder visivo C-RADIO e fino a 1M token di contesto. In input testo, immagini e video MP4 da 2 minuti; in output testo. OpenMDW-1.1, uso commerciale e non commerciale, pesi su Hugging Face. Non è una novità del 16 novembre — il repository è stato pubblicato il 12 ottobre e il 15 ottobre è arrivato l'annuncio di NVIDIA stessa.

• Il dataset — LitmusBench v0.2, un insieme aperto di circa 50.000 domande di ragionamento chimico tratte da dati sulle proprietà molecolari e da registri sperimentali di scoperta di farmaci. È costruito per i due compiti che un benchmark scientifico di solito deve dividere tra due file: valuta il ragionamento chimico ed è utilizzabile come dati di post-addestramento. La previsione della solubilità e il destino metabolico sono le due famiglie di task che NVIDIA nomina esplicitamente.

• Le ricette e gli strumenti — ricette di post-training per l'adattamento al dominio, più il cablaggio che consente a un agente di chiamare come strumenti il software scientifico accelerato CUDA-X. Questo è l'elemento che trasforma un modello di chat in qualcosa in grado di eseguire una simulazione, leggere l'output e decidere cosa fare dopo.

Il checkpoint è il meno originale dei tre e il dataset è il più duraturo. Le suite di benchmark invecchiano; un set di 50.000 domande di chimica con una licenza permissiva è il tipo di risorsa che viene ancora citata tra tre anni, ed è la parte di questo rilascio su cui NVIDIA ha speso di più per renderla disponibile gratuitamente.

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.

Cosa dimostrano effettivamente i risultati dei partner

Nell'annuncio vengono nominate sette organizzazioni, e le cifre a esse associate sono quanto di più vicino a una prova il comunicato contenga. Tutto è riportato dal fornitore e nulla è stato riprodotto in modo indipendente: questo avvertimento vale per ogni numero di questa sezione, ed è il motivo per cui conviene leggerli come casi di studio anziché come punteggi.

Terray Therapeutics ha eseguito il post-training del modello sui diagrammi chimici — gli schemi di reazione disegnati nei brevetti e negli articoli — per estrarre reagenti, prodotti e condizioni di reazione. Su RxnScribe ha recuperato circa il 76% delle reazioni annotate e ha superato i risultati pubblicati in precedenza su due benchmark. L'estrazione dei diagrammi è poco glamour ed è lì che va in realtà gran parte del lavoro chimico reale, quindi un tasso di recupero del 76% su un benchmark riconosciuto è un'affermazione più utile di un punteggio di ragionamento.

Lila Sciences è il numero su cui punta il comunicato. Generando protocolli di laboratorio pronti all'esecuzione per laboratori automatizzati, il modello di base ha eguagliato le prestazioni di frontiera senza alcun fine-tuning. Con il post-training basato sul feedback di laboratorio, l'accuratezza nella sintesi di quantum dot ha raggiunto il 61% contro il 54% di GPT-6 Astra, con un costo di inferenza inferiore di 10–20×. Due cose meritano di essere segnalate. Il divario di sette punti è reale se lo è il protocollo, e il multiplo di costo è il dato più rilevante — un risparmio sull'inferenza di 10–20× cambia quali esperimenti valga la pena eseguire. Ma si tratta di un confronto condotto dalla parte che ha svolto il post-training, su un compito da essa scelto, contro un concorrente da essa nominato.

Thernaè stata addestrata con post-training per la progettazione agentica di terapie a mRNA e ha quasi raddoppiato l'accuratezza nella previsione dell'intervallo di espressione proteica. In un confronto in cieco, gli scienziati hanno preferito le sue spiegazioni a quelle del modello di base nel 96% dei casi. La preferenza non è accuratezza, e un tasso di preferenza del 96% dice qualcosa su come si legge il ragionamento, non su se sia corretto.

Poi ci sono le implementazioni istituzionali, che sono la parte che trovo più convincente proprio perché non vengono presentate come vittorie. Argonne National Laboratory sta integrando Nemotron in StructBioReasoner, un sistema multi-agente per la progettazione di terapie oncologiche basate su proteine. Jülich Supercomputing Centre lo sta integrando in agenti per la scoperta di farmaci e per la scoperta scientifica. RIKEN sta erogando i modelli, incluso Super VL, sulla sua piattaforma di supercalcolo RIKYU tramite il gateway di inferenza RiVault — un percorso di produzione reale, su hardware reale, per utenti reali. E KTH ha realizzato l'agente di riparazione GROMACS alla base di quel dato dell'81%, su un singolo DGX Spark, in una notte.

Il risultato KTH merita una frase a sé per la sua forma. Un setup di dinamica molecolare rotto è un guasto banale e ad alta frequenza: un campo di forza non corrispondente, una topologia che non corrisponde al file delle coordinate, un include mancante. Ripararne l'81% non è un benchmark di ragionamento. È il modello che svolge il tipo di lavoro che un gruppo di chimica computazionale attualmente assegna a uno studente di dottorato, ed è verificato dal motore di simulazione anziché dal modello, il che lo rende l'evidenza più pulita del rilascio.

Perché questa è una storia di post-training che indossa i panni di un modello

Rileggi il comunicato e nota cosa NVIDIA ti sta effettivamente chiedendo di fare. Ogni singolo risultato dei partner implica un adattamento: Terray è stato sottoposto a post-training sui diagrammi, Lila sul feedback di laboratorio, Therna sulla progettazione di mRNA. Nessuno dei numeri principali proviene dal checkpoint così come viene distribuito. È una scelta deliberata, ed è la cosa più onesta dell'annuncio.

La tesi è che i modelli base siano ormai abbastanza buoni che l'elemento distintivo è il ciclo di post-training, non la fase di pretraining. NVIDIA vende il ciclo: un checkpoint da 120B con licenza permissiva che puoi fine-tunare senza una revisione legale, un dataset di chimica su cui fare fine-tuning e ricette che spiegano come farlo. È una proposta davvero diversa da «il nostro modello è più intelligente», ed è una proposta che funziona solo se i pesi sono aperti — ed è proprio per questo che la licenza conta più della tabella dei benchmark.

Spiega anche la linea hardware. NVIDIA afferma che il modello è ottimizzato per girare localmente su un DGX Spark da 128 GB, e la build BF16 richiede 4× H100 o 2× GB200, mentre la build NVFP4 sta in un singolo DGX Spark, un H200, due H100 o un GB200. Un ciclo di post-training è un carico di lavoro iterativo, ad alto volume e a bassa latenza, e la differenza tra "affittare un nodo" e "c'è una scatola sul banco" è la differenza tra un ciclo che esegui due volte a trimestre e uno che esegui due volte al giorno.

Le lacune, dette chiaramente

Mancano tre cose al rilascio, e ognuna cambierebbe il modo in cui pianifichi.

• Nessuna valutazione indipendente delle affermazioni scientifiche. Artificial Analysis tiene effettivamente traccia di Nemotron 3.5 Super VL — riporta un Intelligence Index di 14, output a 291 token al secondo, un tempo di 11,85 secondi al primo token di risposta e un prezzo indicato di $0,20 per milione di token in input e $0,50 per milione in output con uno sconto del 75% sulla cache. È utile ed è di terze parti. Nessuno di questi dati è un benchmark di chimica. Ogni numero scientifico nel rilascio SC26 proviene da una parte interessata al risultato, e LitmusBench v0.2 è così recente che nessun gruppo esterno ha ancora pubblicato un punteggio al riguardo.

• Nessun prezzo pubblicato per il modello come servizio. Il valore $0,20/$0,50 elencato da AA è il tariffario di una piattaforma di terze parti, non una tariffa ufficiale NVIDIA — NVIDIA non ha pubblicato alcuna cifra per token per NIM. Se stai pianificando un budget, la risposta onesta oggi è che il self-hosting è l'unica strada con un costo noto.

• Nessuna valutazione del ciclo dell'agente, solo dei componenti. Le ricette descrivono un agente che pianifica, esegue simulazioni, verifica i risultati e si corregge. Nessuno nella release riporta con quale frequenza quel ciclo si completa senza intervento umano, quante chiamate agli strumenti consuma o quanto costa per ogni attività completata. Sono questi i numeri che decidono se un agente è un prodotto o una demo, e mancano.

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.

Che cosa significa se stai costruendo

La lettura pratica è che Nemotron for Science non è un modello da adottare; è un kit di partenza. Se il vostro gruppo si occupa di chimica o biologia strutturale e avete capacità GPU, la combinazione di un checkpoint da 120B con licenza permissiva, 50.000 domande di chimica e una serie di ricette pubblicate è un pacchetto davvero valido per la prima settimana — e il risultato del KTH suggerisce che il ciclo di tool-calling funziona abbastanza bene da essere utile su errori banali.

Un'unica chiave per oltre 200 modelli al prezzo di listino del provider con 0% di ricarico, e failover automatico quando un upstream si degrada a metà esecuzione, è la parte che impedisce a un job agentico di più ore di morire alla terza ora perché un provider ha avuto un pomeriggio storto.

Cosa guardare dopo

Un primo punteggio esterno di LitmusBench v0.2 chiarisce più di quanto farebbe qualsiasi singolo benchmark, perché è l'unico numero qui che una parte neutrale può generare. Un listino prezzi NIM pubblicato renderebbe il confronto dei costi un calcolo aritmetico invece che un'operazione di posizionamento. E un report sul ciclo dell'agente stesso — tasso di completamento, budget di chiamate agli strumenti, costo per attività completata — è ciò che trasformerebbe questo da kit promettente in una decisione di acquisto.

Fino ad allora, il riassunto più equo è quello che il comunicato scrive accidentalmente da solo: NVIDIA ha rilasciato un buon checkpoint a ottobre e a novembre ha rilasciato ciò che rende utile quel checkpoint. È un annuncio meno entusiasmante e più prezioso.

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.