NVIDIA Nemotron for Science のタイトルカード。見出しは「何が出荷され、何が証明されるか」で、4つの統計を掲載:約50,000件のLitmusBench v0.2化学問題、総パラメータ数120B/アクティブ12B、KTHのエージェントがDGX Sparkの一晩の実行でGROMACS設定の81%を修復、100万トークンのコンテキストウィンドウ。
Engineering & Research

科学のためのNVIDIA Nemotronの内部:SC26のオープンケミストリースタックが実際に提供するもの

著者

Gideon Frost

公開日

最新モデル · 20すべてのモデルを見る →
ベンチマーク:Artificial Analysis · 毎日更新
すべての記事に戻る

81パーセントは、まず取り上げる価値のある数字であり、ベンチマークスコアではありません。それは、意図的に壊されたGROMACS分子動力学セットアップのうち、NVIDIA Nemotron for Scienceを基に構築されたエージェントが、DGX Sparkワークステーション1台での一晩の単一実行で修復した割合です——しかも、すべての修正は、モデルが自分の宿題を採点するのではなく、GROMACS自体によって検証されました。NVIDIAは2026年11月16日、シカゴのSC26で、同社のHyperscale and High-Performance Computing担当VPであるIan Buck氏を通じてこのコレクションを発表しました。それは1つの箱に3つの成果物をまとめたものです。オープンなNemotron 3.5 Super VLチェックポイント、約5万問のオープンな化学データセットLitmusBench v0.2、そしてモデルをCUDA-Xで加速された科学ツール群に接続する一連のポストトレーニングレシピです。

その組み合わせこそが面白い部分であり、見出しが売り込んでいる部分ではない。ベンダーがまた一つオープンチェックポイントを出荷するのは、2026年後半には日常的なことだ。NVIDIAはこれを10月に出荷した。11月16日に新しいのは、それを取り巻く足場——評価セット、レシピ、そして、モデルをリーダーボードではなく実際の科学的ワークフローに当てはめたときに何が起きるかを記述する、具体的な名称の挙がった一連の機関導入事例——だ。本稿では、このコレクションに実際に何が含まれているのか、パートナーの数字が何を立証し、何を立証しないのか、そして、これを基に構築しようと計画している人にとってギャップがどこにあるのかを順に検討する。

分離された3つの成果物

NVIDIAのプレスリリースと、それに付随するXへの投稿は、単一のパッケージについて述べている。それを分解して個別に見ることが重要だ。なぜなら、各部分はライセンス上の立場が異なり、成熟度も異なり、注目すべき理由も異なるからだ。

• このチェックポイント — Nemotron 3.5 Super VL。1200億パラメータの専門家混合(MoE)モデルで、トークンあたり120億がアクティブ、Mamba-2とTransformerのハイブリッド、各MoE層に512のルーテッド専門家、C-RADIO視覚エンコーダーを備え、最大100万トークンのコンテキストに対応。入力はテキスト、画像、2分間のMP4動画、出力はテキスト。OpenMDW-1.1、商用・非商用利用可能、重みはHugging Faceで公開。これは11月16日に新登場したものではない——リポジトリは10月12日に公開され、NVIDIA自身の発表は10月15日に続いた。

• データセット — LitmusBench v0.2。分子特性データと実験的な創薬記録から抽出した約5万問の化学推論問題からなるオープンなセットです。科学的ベンチマークが通常2つのファイルに分割せざるを得ない2つの役割を、これ1つで担うために構築されています。すなわち、化学推論を評価すると同時に、ポストトレーニング用データとしても利用できるのです。NVIDIAが明示的に挙げているタスクファミリーは、溶解度予測と代謝運命の2つです。

• レシピとツール群 — ドメイン適応のためのポストトレーニングレシピに加え、エージェントがCUDA-Xで高速化された科学ソフトウェアをツールとして呼び出せるようにする配線。これは、チャットモデルを、シミュレーションを実行し、その出力を読み取り、次に何をすべきかを判断できるものへと変える部分です。

チェックポイントは3つの中で最も新規性が低く、データセットは最も長持ちする。ベンチマークスイートは陳腐化するが、寛容なライセンスの5万問の化学問題セットは、3年後も引用され続ける類のものであり、今回のリリースでNVIDIAが無償公開に最も費用をかけた部分でもある。

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.

パートナーの結果が実際に何を証明しているのか

発表では7つの組織が名指しされており、それらに付された数値は、このリリースの中で証拠に最も近いものだ。そのすべてがベンダー報告によるもので、独立して再現されたものは一つもない——この注意事項は本節のあらゆる数値に当てはまり、だからこそこれらはスコアとしてではなくケーススタディとして読むべきである。

Terray Therapeuticsは、特許や論文に描かれた反応スキームといった化学図でモデルをポストトレーニングし、反応物、生成物、反応条件を抽出した。RxnScribeでは、アノテーション付き反応の約76%を回収し、2つのベンチマークで既発表の結果を上回った。図からの抽出は華やかではないが、実際の化学作業の大きな割合がそこに費やされている。したがって、名前の付いたベンチマークでの76%という回収率は、推論スコアよりも有用な主張である。

Lila Sciencesの数字が、このリリースの拠り所だ。自動化ラボ向けに実行可能な実験プロトコルを生成するという課題で、ベースモデルはファインチューニングを一切行わずにフロンティア性能に並んだ。ラボのフィードバックによるポストトレーニングを行うと、量子ドット合成の精度は61%に達し、GPT-6 Astraの54%を上回った。しかも推論コストは10~20分の1だ。ここで注目すべき点が二つある。7ポイントの差は、プロトコル自体が正しければ現実の差である。そして、より重要な数字はコスト倍率のほうだ。推論コストが10~20分の1になれば、そもそもどの実験を実行する価値があるかが変わる。ただしこれは、ポストトレーニングを行った当事者が、自ら選んだタスクで、自ら名指しした競合相手と比較した結果である。

Thernaは、エージェント型のmRNA治療薬設計向けにポストトレーニングされ、タンパク質発現範囲の予測精度をほぼ2倍に高めました。ブラインド比較では、科学者の96%がその説明をベースモデルの説明より好みました。ただし、好みは正確さではありません。96%という選好率は、その推論がどのように読めるかを示すものであって、それが正しいかどうかを示すものではありません。

続いて機関での導入事例です。これは私が最も説得力があると感じている部分で、まさに「勝利」として語られていないからこそ、そう思うのです。Argonne National LaboratoryはNemotronを、タンパク質ベースの抗がん治療薬を設計するマルチエージェントシステムStructBioReasonerに組み込んでいます。Jülich Supercomputing Centreは、それを創薬・科学発見エージェントに統合しています。RIKENは、Super VLを含むこれらのモデルを、RiVault推論ゲートウェイ経由でRIKYUスーパーコンピューティングプラットフォーム上で提供しています。実際のハードウェア上で、実際のユーザーに向けた、実際の本番経路です。そしてKTHは、その81%という数値の背後にあるGROMACS修復エージェントを、単一のDGX Spark上で一晩で構築しました。

KTHの結果は、その形ゆえに独立した一文に値する。壊れた分子動力学のセットアップは、ありふれた大量発生型の失敗である。力場の不一致、座標ファイルと一致しないトポロジー、includeの欠落などだ。それらの81%を修正することは、推論ベンチマークではない。それは、計算化学のグループが現在大学院生に割り当てている種類の作業をモデルが行うことであり、モデルではなくシミュレーションエンジンによって検証される。そのため、このリリースの中で最も明快な証拠となる。

モデルの衣装をまとったポストトレーニングの話である理由

リリースをもう一度読んで、NVIDIA が実際に何を求めているのかに注目してください。パートナーの成果はどれも適応を伴っています。Terray は図に事後学習し、Lila は実験室のフィードバックに事後学習し、Therna は mRNA 設計に事後学習しました。見出しの数字はどれ一つとして、出荷時のチェックポイントから得られたものではありません。これは意図的であり、この発表で最も誠実な点です。

主張はこうだ。ベースモデルは今や十分に優れているため、差別化要因は事前学習の実行ではなく、ポストトレーニングのループにある。NVIDIAはそのループを売っている。法務レビューなしでファインチューニングできる、寛容なライセンスの120Bチェックポイント、ファインチューニング用の化学データセット、そしてその方法を説明するレシピだ。これは「我々のモデルはより賢い」とはまったく異なる売り込みであり、重みがオープンである場合にのみ機能する売り込みだ。まさにそれが、ベンチマーク表よりもライセンスが重要である理由である。

それはハードウェア製品ラインについても説明している。NVIDIAによると、このモデルは128GBのDGX Spark上でローカルに動作するよう調整されており、BF16ビルドには4×H100または2×GB200が必要だが、NVFP4ビルドは単一のDGX Spark、H200 1台、H100 2台、またはGB200 1台に収まる。ポストトレーニングのループは反復的で大容量・低レイテンシのワークロードであり、「ノードを借りる」ことと「ベンチ上に箱がある」ことの違いは、四半期に2回実行するループか、1日に2回実行するループかの違いである。

ギャップを率直に述べると

リリースには3つの欠けているものがあり、そのどれもが計画の立て方を変えるでしょう。

• 科学的主張に対する独立した評価はない。 Artificial Analysis は実際に Nemotron 3.5 Super VL を追跡しており、Intelligence Index は 14、出力は毎秒 291 トークン、最初の回答トークンまでの時間は 11.85 秒、表示価格は入力 100 万トークンあたり $0.20、出力 100 万トークンあたり $0.50 で、キャッシュ割引は 75% です。これは有用であり、サードパーティによるものです。しかし、そのいずれも化学のベンチマークではありません。SC26 リリースに含まれる科学に関する数値はすべて、その結果に利害関係を持つ当事者によるものであり、LitmusBench v0.2 はまだ新しく、外部グループがスコアを公開したことはありません。

• このモデルをサービスとして提供する際の公開価格はありません。 AAに掲載されている$0.20/$0.50はサードパーティプラットフォームの料金メーターであり、NVIDIAの料金表ではありません。NVIDIAはNIMについてトークンあたりの価格を公表していません。予算を立てるなら、現時点で正直な答えは、セルフホスティングだけがコストが既知の方法だということです。

• エージェントループの評価はなく、コンポーネントのみの評価にとどまっている。 レシピには、計画を立て、シミュレーションを実行し、結果を確認して調整するエージェントが記述されている。しかし、このループが人手なしでどれだけの頻度で完了するのか、どれだけのツール呼び出しを消費するのか、完了したタスク1件あたりのコストはいくらなのかを報告しているリリース関係者は誰もいない。これらはエージェントが製品なのかデモなのかを決める数値であり、それが欠けている。

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.

ビルドしている場合、これが意味するもの

実務的な見方では、Nemotron for Science は導入するモデルではなく、スターターキットです。あなたのグループが化学や構造生物学を扱っていて、GPU リソースがあるなら、寛容なライセンスの 120B チェックポイント、5万件の化学の問題、公開されたレシピ群の組み合わせは、初週に本当に良いパッケージになります。そして KTH の結果は、ツール呼び出しループが日常的な失敗に対して役立つ程度には十分機能することを示唆しています。

これが何でないかといえば、ホスト型APIのドロップイン代替ではありません。Nemotron 3.5 Super VLは当社のカタログにはなく、現在提供していません。そして、このリリースが実際に中心に据えているのはセルフホスト経路です。チームがホスト型モデルをより大きなパイプラインの推論レイヤーとして運用する場合——そしてほとんどのチームがそうしています。なぜなら科学モデルを囲むエージェントループは通常汎用モデルだからです——そのルーティングの問いはこの発表とは別です。プロバイダー定価で200以上のモデルにまたがる1つのキーを0%のマークアップで利用でき、自動フェイルオーバーが上流の劣化により実行途中で働くこと——これが、あるプロバイダーの午後が不調だったせいで数時間のエージェントジョブが3時間目に死ぬのを防ぐ部分です。

次に見るもの

{{1}}初の外部によるLitmusBench v0.2スコア{{/1}}は、どの単一ベンチマークよりも多くのことを決着させます。なぜなら、ここにある数字の中で、中立的な第三者が生成できる唯一のものだからです。{{2}}公開されたNIMレートカード{{/2}}があれば、コスト比較はポジショニングではなく算術になります。そして、{{3}}エージェントループそのものに関するレポート — 完了率、ツール呼び出し予算、完了タスクあたりのコスト —{{/3}}こそ、これを有望なキットから調達判断へと変えるものになるでしょう。

それまでは、最も公平な要約は、このリリースが偶然みずから書いてしまっているものになる。NVIDIAは10月に優れたチェックポイントを投入し、11月にはそのチェックポイントを有用なものにするものを投入した。それは派手さに欠けるが、より価値の高い発表だ。

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.