比較用のタイトルカード。見出しは「Nemotron for Science vs Nemotron 3.5 Super」で、これらは2つのモデルではないと明記している。10月のチェックポイントは総パラメータ120B、アクティブ12Bで、各MoE層に512のルーティング済みエキスパートを備え、重みは2026年10月12日にHugging Faceで公開され、10月15日に発表された。11月のパッケージは11月16日にシカゴのSC26で、そして約50,000件のLitmusBench v0.2の質問が唯一の新しいモデル成果物である。
Engineering & Research

Nemotron for Science vs Nemotron 3.5 Super:同じ重み、異なる製品

著者

jinhao.song

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

この比較の中心には厄介な事実がある:NVIDIA Nemotron for ScienceとNVIDIA Nemotron 3.5 Superは2つのモデルではない。両者は同じ1200億パラメータのチェックポイントであり、5週間差で出荷され、異なるパッケージをまとっている。Nemotron 3.5 Superは重みそのもの、すなわちより完全な名称Nemotron 3.5 Super VL 120B A12Bのリポジトリで、2026年10月12日からHugging Faceで公開され、10月15日に発表された。OpenMDW-1.1、トークンあたり120億のアクティブパラメータ、100万トークンのコンテキストを備える。Nemotron for Scienceは、NVIDIAが11月16日にSC26で発表したもので、そのチェックポイントに加えてLitmusBench v0.2(約5万件の化学推論質問)、ポストトレーニングのレシピとCUDA-Xツールの連携、さらに名称が明示された7つの機関導入を含む。

だから、有用な問いはどちらが優れているかではない。11月のパッケージが10月のチェックポイントに何を追加したのか、その追加が別の名前を正当化するのか、そして今日NVIDIAのシリコン上で化学エージェントを動かしたいなら実際に何をダウンロードすべきなのか、ということだ。これはスペック表よりも面白い問いであり、その答えは、再パッケージの話としては通常よりNVIDIAにとって好都合だ。

同一なのは何か、そしてそれはその大部分だ

まずチェックポイントから始めます。両パッケージのすべてがそれに依存しているからです。アーキテクチャは10月から11月にかけて変わりません。Mamba-2とTransformerのハイブリッド型Mixture of Expertsで、MoE層ごとに512のルーティングされたエキスパート、マルチトークン予測ヘッド、C-RADIO視覚エンコーダーと視覚言語コネクタを備え、総パラメータ数は120B、トークンあたり12Bがアクティブで、最大100万トークンのコンテキストを扱えます。入力はテキスト、RGB画像、最大2分のMP4動画で、出力はテキストです。推論の強度はチャットテンプレートを通じて「off」「medium」「on」に設定できます。

• パラメータ — 合計120B、アクティブ12B。どちらも同一です。異なるパラメータ数を持つNemotron for Scienceチェックポイントは存在しません。なぜなら、Nemotron for Scienceの別個のチェックポイントは存在しないからです。

• ライセンス — 商用・非商用利用に対応するOpenMDW-1.1。同一のライセンスであり、これこそがポストトレーニングの提案をそもそも可能にしているものだ。

• コンテキスト — 100万トークン。カードでは動画を2 FPSで最大256フレーム、または1080pで1 FPS・128フレームとすることを推奨しています。

• ハードウェアの最低要件 — BF16で4× H100または2× GB200。NVFP4ビルドはDGX Spark 1台、H200 1台、H100 2台、またはGB200 1台に収まる。DGX SparkのラインはSC26が頼りにしているラインであり、10月のカードがすでに掲載していたのと同じラインだ。

• ベンチマーク — GPQA-Diamond 89.52、SWE-bench Verified 71.10、SWE-bench Pro 51.78、Terminal-Bench 2.1 60.67、tau2 retail 69.24、BrowseComp 78、MathVision 78.16、CharXiv推論 80.82。すべてベンダー報告値であり、いずれも10月のカードとともに公開済みのもので、新しいものはありません。

10月にすでにNemotron 3.5 Superを取得しているなら、あなたが持っているのはNemotron for Scienceの土台となっているモデルです。11月の発表によってその重みが変わることはありません。

実際に何が新しくなったのか、そしてそれは取るに足らないことではない。

ここからが記事に値する部分です。10月15日には存在しなかった3つのものが11月16日に登場し、それぞれが初日からできることを変えます。

LitmusBench v0.2 が目玉です。 約5万件の化学推論問題を、分子特性データと実験的な創薬記録から構築しており、溶解度や化合物が体内で代謝される仕組みの予測といったタスクをカバーしています。これを単なるリーダーボード以上のものにしている特性が2つあります。オープンであること、そして評価だけでなく事後学習にも使えるよう設計されていることです。寛容なライセンスで、微調整に使える化学データがない120Bモデルは、データセットを自作しなければならないモデルです。一方、5万件の注釈付き化学問題を同梱する120Bモデルなら、1週間で適応できるモデルです。それがこのパッケージによって得られる違いです。

レシピは2つ目の要素です。NVIDIAは、ドメイン適応のためのポストトレーニングレシピと、科学情報を読み、コードを書き、CUDA-Xで高速化されたツールを呼び出すエージェントワークフローにモデルを組み込むためのドキュメントを公開しました。汎用モデルに分子動力学パッケージを正しく呼び出させようとしたことがある人なら誰でも、ツール接続のドキュメントが、そのループがそもそも機能するかどうかを決める地味な部分であることはわかるでしょう。

これらの導入は第3のものであり、成果物ではなく証拠である。 Terray Therapeuticsは化学図でモデルを追加学習し、RxnScribeでアノテーション付き反応の約76%を復元して、2つのベンチマークで以前に公表された結果を上回った。Lila Sciencesは量子ドット合成精度61%を達成し、GPT-6 Astraの54%に対して推論コストは10~20分の1だった。ThernaはmRNA設計向けのタンパク質発現範囲予測精度をほぼ2倍にし、ブラインド比較の96%で科学者がその説明を好んだ。ArgonneはこれをStructBioReasonerに統合しており、Jülichは創薬・科学発見エージェントに統合している。RIKENはRiVaultゲートウェイ経由でRIKYU上でこれを提供している。そしてKTHはGROMACS修復エージェントを構築し、単一のDGX Spark上での一晩の実行で意図的に壊したセットアップの81%を修正した。これはGROMACS自体によって検証された。

A two-column scoreboard contrasting the October checkpoint with the November package across what it is, when it was announced, dataset, recipes, evidence and price: the checkpoint is the open 120B model alone with a vendor benchmark table and no rate card, while the November package adds LitmusBench v0.2 at about 50,000 questions, post-training recipes with CUDA-X tool wiring, and seven named partners and institutions.

二つの名前に分けることがなぜ擁護できるのか

皮肉な見方をすれば、NVIDIAは同じモデルを2回発表したということになる。だが、私はそうは思わない。その理由は、この2つの発表が異なる問いに答えているからだ。

10月の問いは「このチェックポイントは何で、デプロイできるのか?」だった。答えは、100万トークンのウィンドウを持つ120Bの視覚言語MoEであり、DGX SparkからGB200ノードにまで及ぶハードウェアの最低ラインと、速度に関する主張——NVIDIAによれば同クラスで次に優れたモデルより5倍高速だが、その主張がなされた時点でArtificial Analysisはこのモデルを掲載していなかった——を備えていた。それはモデルのローンチだ。

11月の問いは「化学のグループは月曜日にそれを使って何をするのか?」です。その答えは、データセット、レシピ、そしてすでに実践して数値を報告した7つの組織です。重みを配布することはワークフローを配布することと同じ製品ではなく、研究グループが実際に採用できるのは後者です。

その読み方の最も強い根拠は、パートナー各社の結果の形だ。見出しになる数字はすべて、出荷時点のチェックポイントからではなく、事後学習を施した変種から出ている。Terrayは図のデータでそれを適応させた。Lilaはラボのフィードバックで適応させた。ThernaはmRNA設計データで適応させた。このパッケージは、基盤モデルが化学者だと主張しているのではない。基盤モデルが、ドメインチームが化学者に仕上げられるだけの十分に良い出発点だと主張しているのだ。それはより控えめで、より有用な主張であり、その主張を裏づけるデータセットが存在する前の10月にそんな主張をするのは奇妙だろう。

パッケージが依然として提供していないもの

3つのギャップを、後から痛い目を見て気づくほど高くつく順に挙げます。

• 独立した化学評価はありません。Artificial Analysis は確かに Nemotron 3.5 Super VL を掲載しています。インテリジェンス指数 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、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、キャッシュ割引 75% です。これは第三者による汎用スコアであり、知っておく価値はあります。ただし化学のスコアではありません。SC26 のリリースに含まれる科学に関する数値はすべて、利害関係を有する当事者が作成したものであり、LitmusBench v0.2 は新しすぎるため、外部のグループが結果を公表した例はありません。

• ベンダー価格なし。上記の$0.20/$0.50はサードパーティプラットフォームの従量メーターであり、NVIDIAの料金表ではありません。NVIDIAはNIMのトークン単位の価格を公表していないため、コストが既知である唯一の予算策定手段はセルフホスティングとなります。

• エージェントループの完了率は不明。 KTHの結果はテストケースの81%が修正されたと報告しており、これはリリース内で最も具体的な数字だ。しかし、各修正に何回のツール呼び出しを要したか、エージェントが進展なしにループした頻度、完了したタスクのコストについては報告していない。これらの数字こそが、エージェントが実運用可能か、それとも単に印象的なだけかを決めるのだ。

実行方法と、周囲のスタックがどこに位置づけられるか

オープンウェイトのリリースとしてはデプロイの指針が異例なほど明確なので、文字どおりに受け取ってください。モデルカードでは、vLLM を使う場合は TP4 または TP2、--trust-remote-code、非同期スケジューリング、5 個のドラフトトークンによる MTP 投機的デコーディング、および --max-num-seqs 32 を指定しています。あるいは SGLang を使う場合は FP8 KV キャッシュと 5 ステップの EAGLE 投機的デコーディングです。サンプリングは、テキストでは temperature 1.0、top_p 0.95、視覚では temperature 0.6、top_p 0.95 で、例に示されているサーバー名は nemotron-3.5-super-vl です。マルチモーダルの制限は、プロンプトごとに画像 1 枚と動画 1 本です。これは導き出すものではなく、そのままコピーできる構成です。

Nemotron 3.5 Super VL は当社のカタログにはありません。当社はそれを提供していないため、セルフホスト経路が現実的な選択肢であり、オープンなチェックポイントに関する記事がそう述べるのは妥当です。当社側のスタックが関与するのは、サイエンスモデルそのものではなく、その周辺です。リサーチエージェントは、ドメインチェックポイントを包み込むプランナーです。タスクを分解し、化学モデルを呼び出し、シミュレーションを呼び出し、結果を読み取り、次に何をすべきかを判断します。プランナーは通常、汎用モデルであり、そのレイヤーでは、1つのキーで200以上のモデルにプロバイダー定価・マークアップ0%でアクセスでき、統合作業を省きます — 自動フェイルオーバー付きなので、6時間の夜間実行が、あるプロバイダーが劣化したせいで5時間目に失敗することはありません。モデルフュージョンは、ここで知っておく価値のあるもう1つの手段です。同じ化学の問いに複数のモデルが一緒に答えるパネルは、どのプロトコルを実機で実行する価値があるかを見極める合理的な方法です。

A five-row deployment card titled 'How to run Nemotron 3.5 Super VL', giving the vLLM configuration with TP4 or TP2 and MTP speculative decoding at five draft tokens, the SGLang configuration with FP8 KV cache and EAGLE at five steps, sampling temperatures of 1.0 and 0.6 with top_p 0.95, the one-image and one-video per-prompt limit, and the hardware floor of 4x H100 or 2x GB200 at BF16 or a single DGX Spark on the NVFP4 build.

何を観るべきか

最初の外部によるLitmusBench v0.2スコアは、登場し得る中で最も有用な単一の情報です。なぜなら、それはこのストーリーの中で中立な第三者が生成できる唯一の数値だからです。NIMの料金表があれば、ホスト型とセルフホスト型の比較は当て推量ではなく算術になります。そしてエージェントループの報告書——完了率、ツール呼び出しの予算、完了タスクあたりのコスト——があれば、KTHとLilaの結果は心強い逸話から、チームが計画を立てる際の根拠へと変わるでしょう。

それまでは、要点だけ言っておくと、10月にNemotron 3.5 Superを入手していたなら、Nemotron for Scienceはそれを置き換えるものではなく、化学ツールたらしめるデータとレシピで拡張するものだ。入手していなかったなら、11月のパッケージのほうが良い入り口になる。同じ重みにスターターキットが付いているからだ。

A screenshot of the Hugging Face model card for nvidia/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16, showing the repository name, the model card header and the opening sections of the documentation.