비교를 위한 타이틀 카드로, 헤드라인은 'Nemotron for Science vs GPT-Rosalind'이며 네 가지 통계는 다음과 같습니다: OpenMDW-1.1에 따라 신청 절차 없이 공개된 오픈 가중치, 신뢰 액세스 검토를 거쳐야 하며 백만 토큰당 입력 $5.00·출력 $25.00인 GPT-Rosalind, 약 50,000개의 학습 가능한 LitmusBench v0.2 화학 질문, KTH에서 하룻밤 동안의 DGX Spark 실행 한 번으로 이루어진 GROMACS 수정의 81%.
Guides & Insights

Nemotron for Science 대 GPT-Rosalind: 신뢰 기반 접근 게이트에 맞서는 오픈 가중치

작성자

jinhao.song

게시일

최신 모델 · 20모든 모델 보기 →
벤치마크: Artificial Analysis · 매일 업데이트
모든 게시물로 돌아가기

이 둘 각각의 비용이 얼마인지 물으면, 다른 하나에 관해서는 거의 아무것도 말해 주지 않는 답을 듣게 된다. NVIDIA Nemotron for Science는 2026년 11월 16일 SC26에서 발표된 다운로드 가능한 패키지다: OpenMDW-1.1 아래의 오픈 Nemotron 3.5 Super VL 체크포인트, LitmusBench v0.2라는 약 50,000개 질문의 화학 데이터셋, 그리고 포스트 트레이닝 레시피를 포함한다. 한계 비용은 이미 보유한 GPU가 무엇이든 그에 해당한다. GPT-Rosalind는 신청 절차 뒤에 있는 종량제 API다: 2026년 4월 16일 소개된 이 회사의 생명과학 전문 모델은 2026년 9월 11일 자격을 갖춘 조직을 대상으로 전 세계에 공개되었으며, 10월 5일부터 입력 토큰 100만 개당 $5.00, 출력 토큰 100만 개당 $25.00로 청구된다. 하나는 키트다. 다른 하나는 앞단에 심사 단계가 있는 서비스다. 그 차이는 어느 쪽의 벤치마크 점수보다도 여러분의 연구실이 둘 중 무엇을 써야 하는지를 더 크게 좌우한다.

두 레이블 모두 "science"라고 말하며, 그 단어는 두 경우 모두 상당한 역할을 하고 있다. 어느 모델도 범용 과학자는 아니다. 각 모델은 연구 작업의 특정 영역을 겨냥하고, 그 영역에 특정한 상업적 이해관계를 가진 회사가 만들었으며, 그 회사가 평가했다. 따라서 이 비교는 출시 보도에서 뒤섞이는 세 가지 질문을 분리한다. 각 모델이 실제로 무엇을 향하게 할 수 있는가, 누가 그것을 향하게 할 수 있는가, 그리고 각각에서 한 실험이 얼마의 비용이 드는가.

하나의 두 가지 버전이 아닌, 서로 다른 두 개의 제품

GPT-Rosalind는 분자, 단백질, 유전자, 경로, 질병 메커니즘 등 생물학에 맞춰 조정된 추론 모델로, 50개 이상의 생명과학 도구로 구성된 문서화된 플러그인 생태계와 700개 이상의 참고문헌을 11개로 선별한 분산 에이전트 실행 사례를 포함한 연구 노트 실적을 갖추고 있습니다. ChatGPT, Codex, API를 통해 접속할 수 있으며, API 경로는 OpenAI의 신뢰 액세스 프로그램 승인을 받아야 합니다. 이는 기능이 아니라 모델 자체에 대한 관문입니다. 능력은 실재합니다. 문제는 이를 제공받을 수 있느냐입니다.

Nemotron for Science는 같은 의미에서의 모델은 아니다. 그 안의 모델인 Nemotron 3.5 Super VL은 2026년 10월 12일에 가중치를 공개했고, NVIDIA가 10월 15일에 발표했다 — SC26보다 5주 전이다. 11월 16일에 공개된 것은 그 주변 구성물이다: 화학 평가 세트, 포스트 트레이닝 레시피, 그리고 모델을 호출 가능한 도구로 CUDA-X 과학 소프트웨어에 연결하기 위한 문서다. 아무도 그것에 승인 관문을 두지 않는다. 여러분은 그것을 복제하고, 하드웨어 규모를 산정하고, 자체 데이터로 미세 조정하며, 유일한 승인 단계는 여러분 자신의 컴퓨팅 예산이다.

그 비대칭성이 바로 이 비교의 전부이며, 아래의 모든 내용은 그로부터 비롯된 결과입니다.

점수판, 차원별로

• 접근 모델 — Nemotron for Science: Hugging Face에서 OpenMDW-1.1에 따라 공개 가중치로 제공되며, 상업적 및 비상업적 사용이 가능하고 신청이 필요 없습니다. GPT-Rosalind: 첫 API 호출 전에 신뢰 접근 검토가 이루어지며, 채팅 접근은 API 호출을 명시적으로 제외하는 별도 학술 프로그램을 통해 제공됩니다.

• 정가 — Nemotron for Science: 벤더 요율표가 없으며, 자체 호스팅 비용은 사용자의 하드웨어 비용입니다. 타사 추론에서는 Super VL이 입력 100만 개당 $0.20, 출력 100만 개당 $0.50으로, 75% 캐시 할인과 $0.13의 혼합 요율이 적용됩니다. GPT-Rosalind: 입력 $5.00 / 출력 $25.00(100만 개당), 캐시 입력 $0.50.

• 파라미터 — Nemotron 3.5 Super VL: 총 120B, 토큰당 12B 활성, MoE 레이어당 512개의 라우팅 전문가를 갖춘 Mamba-2 및 Transformer 하이브리드 MoE. GPT-Rosalind: 미공개.

• 컨텍스트 및 모달리티 — 둘 다 1M 토큰입니다. Super VL은 텍스트, 이미지, 최대 2분 길이의 MP4 동영상을 입력받아 텍스트를 출력합니다. GPT-Rosalind는 ChatGPT, Codex 및 API를 통해 텍스트와 과학 파일 입력을 받습니다. 일반적인 이미지 입력에 대한 주장은 공개되지 않았습니다.

• 도메인 근거 — Nemotron for Science: 이름이 명시된 7개 파트너 및 기관,其中包括 Terray의 RxnScribe에서 76% 반응 복구율, KTH 에이전트가 DGX Spark에서 하룻밤 실행 한 번으로 고장 난 GROMACS 설정의 81%를 복구한 사례, 그리고 Lila Sciences에서 GPT-6 Astra 대비 61% 대 54%의 양자점 합성 정확도. GPT-Rosalind: BixBench 선두, MedChemBench 27.5%, GeneBench 21.6%, LabWorkBench 63.2%, LifeSciBench에서 토큰당 성능 4.42% 향상. 양쪽 모두 공급업체가 보고한 수치.

• 독립 점수 — Nemotron 3.5 Super VL: Artificial Analysis Intelligence Index 14, 초당 291토큰, 첫 답변 토큰까지 11.85초. GPT-Rosalind: 해당 지수에서 추적되지 않음.

A two-column comparison scoreboard for Nemotron for Science and GPT-Rosalind across six dimensions: access, list price, parameters, context and modality, domain evidence, and independent score. Nemotron is open weights at 120B total and 12B active with an Artificial Analysis Intelligence Index of 14; GPT-Rosalind is trusted-access reviewed, priced at $5.00 input and $25.00 output per million with 27.5% on MedChemBench and 63.2% on LabWorkBench, and is not tracked on that index.

화학과 생물학은 동일한 벤치마크가 아닙니다

이것이 사양을 하나씩 읽는 방식이 숨기는 불일치다. GPT-Rosalind의 공개된 근거는 압도적으로 생물학적이다: 단백질 발현 범위, 유전자 수준 추론, 의약화학, 실험실 프로토콜 작업. Nemotron for Science의 공개된 근거는 압도적으로 화학적·계산적이다: 반응식 추출, 용해도 예측, 대사 거동, 양자점 합성, 분자 동역학 복구. 둘 다 '과학'이지만, 계산화학 그룹과 중개 종양학 그룹은 같은 시장에 있지 않다.

진정으로 겹치는 지점은 에이전트 계층이며, 여기서 NVIDIA의 증거는 유난히 구체적이다. 깨진 GROMACS 입력 덱을 읽고, 토폴로지와 좌표 파일이 왜 불일치하는지 파악한 뒤, 엔진이 받아들이는 수정안을 만들어내는 모델은 검증 가능한 보상이 따르는 다단계 도구 사용을 수행하는 것이며, KTH는 자체 구성한 테스트 사례에서 81% 성공률을 보고한다. 이에 비교되는 Rosalind 증거는 10월에 진행된 32분짜리 콜레스테롤 수송 가설 실행으로, 수천 개의 협력 에이전트가 700개 이상의 참고문헌을 11개로 추려냈고 블라인드 검토자들은 비교의 약 4분의 3에서 그 출력을 선호했다. 둘 다 1차 자료다. 둘 다 계획하고 실행하고 점검하는 루프를 설명한다. 어느 쪽도 프로덕션 부하에서의 완료율을 공개하지 않는데, 바로 그 수치가 실제로 두 가지를 비교할 수 있게 해줄 숫자다.

두 증거 기반을 경쟁 관계가 아니라 상호 보완적인 것으로 읽으십시오. 귀하의 연구가 습식 실험실 생물학이라면 NVIDIA의 화학 데이터셋은 귀하에게 거의 무관하며, Rosalind의 MedChemBench 및 LabWorkBench 행이 읽어야 할 항목입니다. 귀하의 연구가 계산화학 또는 분자 시뮬레이션이라면 GROMACS 및 양자점 결과가 귀하의 실제 한 주를 설명하며, Rosalind의 생물학 튜닝은 귀하가 프리미엄을 지불하고도 사용하지 않을 것입니다.

실험 비용은 얼마일까, 계산해 보면

토큰당 가격 책정은 이 둘 모두에 잘못된 단위이므로, 중요한 계산은 다음과 같습니다. Nemotron for Science에 대한 포스트 트레이닝 실행을 예로 들면, BF16의 120B 모델에는 4× H100 또는 2× GB200이 필요하고, NVFP4 빌드에서는 DGX Spark 한 대가 필요합니다. DGX Spark 한 대에서 밤새 한 번 실행하는 것, 즉 KTH 구성은 보유하든 시간당 대여하든 해당 하드웨어에 대해 고정적이고 예측 가능한 비용입니다. 데이터셋은 무료이고 레시피는 공개되어 있습니다. 루프를 백 번 실행해도 아흔아홉 번째 실행의 한계 비용은 첫 번째 실행과 같습니다.

이제 종량제 전문 모델에 대해 같은 반복을 해보겠습니다. 백만 토큰당 입력 $5.00, 출력 $25.00에서 대규모 과학 코퍼스에 대한 단일 롱컨텍스트 패스는 결코 무시할 수 있는 수준이 아니며, 실패한 시도의 비용은 성공한 시도와 동일한 요율로 청구됩니다. 그래서 Rosalind 쪽에서 $0.50의 캐시된 입력이 그토록 중요한 것입니다. 프롬프트가 큰 접두사를 공유하면 할인은 90%이고 경제성은 완전히 달라집니다. 공유하지 않으면 달라지지 않습니다.

그 계산에서 나오는 정직한 결론은 “오픈이 더 저렴하다”가 아니다. 그것은 두 가지 가격 구조가 서로 다른 작업에 유리하다는 것이다. 반복적 파인튜닝은 오픈 가중치에 유리한데, 컴퓨팅 비용만 내면 되고 그 밖에는 아무것도 내지 않기 때문이다. 프런티어 모델을 대상으로 100개의 가설을 단발적으로 평가하는 일은 사용량 기반 API에 유리한데, 사용한 만큼만 내고 그 밖에는 아무것도 내지 않기 때문이다. 대부분의 연구 그룹은 둘 다 한다는 점이 곤란한 부분이다.

A two-column cost card titled 'What one experiment costs, worked out', comparing a self-hosted Nemotron run against a metered GPT-Rosalind call across unit of cost, cost of run ninety-nine, cost of a failed attempt, shared prompt prefix discount, hardware requirement, and the kind of work each pricing shape rewards.

라우팅 계층이 적합한 곳과 그렇지 않은 곳

두 체크포인트 모두 우리 카탈로그에 없습니다. 우리는 Nemotron 3.5 Super VL을 제공하지 않고 GPT-Rosalind도 제공하지 않으며, 그렇지 않은 것처럼 가장하는 글은 이상할 것입니다 — 첫 번째에 대한 실질적인 답은 그것을 다운로드하는 것이고, 두 번째는 OpenAI에 신청하는 것입니다.

경계의 우리 쪽에 있는 것은 과학 에이전트에서 과학 모델이 아닌 부분입니다. KTH GROMACS 에이전트, Terray 추출 파이프라인, Lila 프로토콜 생성기는 모두 도메인 모델을 감싼 에이전트입니다. 이들은 계획을 세우고 도구를 호출하며 출력을 읽고 다음에 무엇을 할지 결정하는데, 계획 계층은 보통 전문 모델이 아니라 범용 모델입니다. 그 계층은 단일 키가 200개 이상의 모델에 걸쳐 공급자 정가에 0% 마크업으로 제값을 하는 곳이며, 자동 장애 조치가 중요한 곳입니다 — 6시간 걸리는 에이전틱 실행은 한 업스트림 공급자가 안 좋은 오후를 보냈다는 이유로 5시간째에 잃고 싶지 않은 실행입니다. 그 라우팅 DSL이 그러한 호출을 구성합니다. 전문 모델은 있어야 할 곳에 그대로 있습니다.

어느 걸 고를까?

GPU 역량을 갖춘 계산화학 또는 분자 시뮬레이션 그룹이라면 Nemotron for Science는 거의 고민할 필요가 없는 선택입니다: 허용적인 라이선스, 평가와 학습에 모두 사용할 수 있는 5만 문항 화학 세트, 그리고 여러분이 매주 직면하는 바로 그 실패 모드에서 입증된 문서화된 도구 루프까지 갖추고 있습니다. 어차피 셀프 호스팅할 계획이었다면 공급업체 요금표가 없다는 점은 문제가 되지 않습니다.

중개 생물학을 수행 중이고 단백질과 질병 기전을 추론하는 모델이 필요하다면, Rosalind는 두 모델 중 당신의 업무를 겨냥한 유일한 모델이며, trusted-access 심사는 참여를 위한 필수 조건입니다. 프로젝트 계획에 심사 일정을 위한 시간을 반영하고, 학술 프로그램의 무료 좌석에는 API 액세스가 포함되지 않는다는 점에 유의하세요 — 파이프라인을 원하는 대학 그룹은 자체 상업 계약을 마련해야 합니다.

그리고 모델이 아니라 에이전트를 만드는 중이라면, 그 선택은 겉보기보다 중요하지 않다. 둘 다 루프에서 호출할 수 있고, 둘 다 실패 모드가 있으며, 어느 쪽도 그 질문을 해결해 줄 완료율을 공개하지 않는다. 현명한 방법은 그 아래의 모델을 구성 값으로 두도록 루프를 만든 다음 측정하는 것이다. 그것이 두 공급업체가 당신에게 남겨 둔 유일한 비교다.

A screenshot of the Artificial Analysis model page for Nemotron 3.5 Super VL, showing the model title, the NVIDIA open-weights label with an October 2026 release date, and the performance and price analysis panel with Intelligence Index 14, 291 output tokens per second, $0.20 input and $0.50 output per million tokens, a 75% cache discount, 11.85 seconds to first token and $0.56 per task, above the site's written analysis and a technical specifications sidebar.