
Nemotron for Science vs Nemotron 3.5 Super: 동일한 가중치, 다른 제품
- GoogleNEWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 100만 토큰당 · 90 tok/s
- AnthropicNEWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 100만 토큰당 · 97 tok/s
- orcaNEWOrca: OrcaC2 1.02026-11-0711 tok/s
- OrcaNEWOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 100만 토큰당 · 89 tok/s
- OrcaNEWOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 100만 토큰당 · 133 tok/s
- OrcaNEWOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 100만 토큰당 · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 100만 토큰당 · 125 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 100만 토큰당 · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 45 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447지능
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 100만 토큰당 · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929지능
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 100만 토큰당 · 134 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733지능
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740지능
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 100만 토큰당 · 126 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955지능
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855지능
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 100만 토큰당 · 179 tok/s
이 비교의 중심에는 곤란한 사실이 하나 있습니다: NVIDIA Nemotron for Science와 NVIDIA Nemotron 3.5 Super는 두 개의 모델이 아닙니다. 둘은 동일한 1,200억 매개변수 체크포인트가 5주 간격으로 출시되며 다른 포장을 하고 있는 것입니다. Nemotron 3.5 Super는 가중치입니다 — 더 긴 이름인 Nemotron 3.5 Super VL 120B A12B 아래의 리포지토리로, 2026년 10월 12일부터 Hugging Face에 올라와 있고, 10월 15일 발표되었으며, OpenMDW-1.1, 토큰당 활성 매개변수 120억 개, 100만 토큰 컨텍스트를 갖습니다. Nemotron for Science는 NVIDIA가 11월 16일 SC26에서 발표한 것으로, 해당 체크포인트에 LitmusBench v0.2(약 5만 개의 화학 추론 질문), 포스트 트레이닝 레시피와 CUDA-X 도구 연결, 그리고 이름이 지정된 7개 기관 배포가 더해진 것입니다.
따라서 유용한 질문은 어느 쪽이 더 나은가가 아니다. 그것은 11월 패키지가 10월 체크포인트에 무엇을 더하는지, 그 추가 사항이 별도 이름을 붙일 만한 가치가 있는지, 그리고 NVIDIA 실리콘에서 화학 에이전트를 실행하려는 경우 오늘 실제로 무엇을 다운로드하게 될지이다. 이는 사양 표보다 더 흥미로운 질문이며, 그 답은 보통의 재포장 이야기보다 NVIDIA에 더 후한 평가를 내린다.
무엇이 동일한지, 그리고 그것은 그 대부분이다
체크포인트부터 시작하겠습니다. 두 패키지의 모든 것이 여기에 달려 있기 때문입니다. 아키텍처는 10월과 11월 사이에 바뀌지 않습니다. Mamba-2와 Transformer를 결합한 하이브리드 전문가 혼합(MoE)으로, MoE 레이어당 512개의 라우팅된 전문가, 다중 토큰 예측 헤드, C-RADIO 비전 인코더와 비전-언어 커넥터를 갖추고 있으며, 총 120B 파라미터에 토큰당 12B가 활성화되고 최대 1M 토큰의 컨텍스트를 지원합니다. 입력은 텍스트, RGB 이미지, 최대 2분 길이의 MP4 비디오이며 출력은 텍스트입니다. 추론 노력(reasoning effort)은 채팅 템플릿을 통해 off, medium, on으로 구성할 수 있습니다.
• 매개변수 — 총 120B, 활성 12B. 둘 다 동일합니다. 매개변수 수가 다른 Nemotron for Science 체크포인트는 존재하지 않습니다. 별도의 Nemotron for Science 체크포인트가 없기 때문입니다.
• 라이선스 — 상업적 및 비상업적 사용을 위한 OpenMDW-1.1. 동일하며, 바로 이것이 포스트 트레이닝 제안을 가능하게 만드는 요소입니다.
• 컨텍스트 — 100만 토큰, 카드에서는 최대 256프레임까지 2 FPS의 비디오 또는 1080p에서 1 FPS 및 128프레임을 권장합니다.
• 하드웨어 최소 사양 — BF16 기준 4× H100 또는 2× GB200이며, NVFP4 빌드는 DGX Spark 1대, H200 1대, H100 2대 또는 GB200 1대에 들어간다. DGX Spark 라인은 SC26이 중점적으로 활용하는 라인이며, 10월 카드가 이미 담고 있던 바로 그 라인이다.
• 벤치마크 — 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 reasoning 80.82. 모두 공급업체가 보고한 수치이며, 모두 10월 카드와 함께 공개되었고, 새로운 것은 없습니다.
10월에 Nemotron 3.5 Super를 이미 받아두셨다면, Nemotron for Science가 기반으로 하는 모델을 이미 갖고 계신 것입니다. 11월 발표에서 그 가중치를 바꾸는 내용은 없습니다.
실제로 새로운 것은 무엇인가—그리고 그것은 결코 사소한 것이 아니다.
이제 이 글의 핵심 부분입니다. 11월 16일, 10월 15일에는 없었던 세 가지가 등장했으며, 각각은 첫날부터 할 수 있는 일을 바꿔 놓습니다.
LitmusBench v0.2가 핵심입니다. 약 50,000개의 화학 추론 질문은 분자 특성 데이터와 실험적 신약 발견 기록을 바탕으로 구축되었으며, 용해도 예측과 신체가 화합물을 대사하는 방식 같은 과제를 다룹니다. 두 가지 특성 덕분에 이것은 단순한 리더보드 이상입니다. 개방형이며, 평가뿐 아니라 포스트트레이닝에도 사용되도록 설계되었습니다. 허용적 라이선스를 갖고 미세 조정할 화학 데이터가 없는 120B 모델은 데이터셋을 직접 구축해야 하는 모델입니다. 50,000개의 주석이 달린 화학 질문과 함께 제공되는 120B 모델은 일주일 안에 적응시킬 수 있는 모델입니다. 이 패키지가 가져다주는 차이가 바로 그것입니다.
레시피는 두 번째 부분입니다. NVIDIA는 도메인 적응을 위한 사후 학습 레시피와 과학 정보를 읽고, 코드를 작성하며 CUDA-X 가속 도구를 호출하는 에이전트 워크플로에 모델을 내장하기 위한 문서를 공개했습니다. 일반 모델이 분자 동역학 패키지를 올바르게 호출하도록 해보려 한 사람이라면, 도구 연결 문서는 루프가 작동하는지 자체를 결정하는 화려하지 않은 부분입니다.
배포 사례는 세 번째이며, 그것들은 아티팩트가 아니라 증거입니다. Terray Therapeutics는 화학 다이어그램으로 모델을 후속 학습시켜 RxnScribe에서 주석이 달린 반응의 약 76%를 복원했으며, 두 벤치마크에서 이전에 발표된 결과를 뛰어넘었습니다. Lila Sciences는 10–20× 더 낮은 추론 비용으로 GPT-6 Astra의 54%에 대비해 61%의 양자점 합성 정확도를 기록했습니다. Therna는 mRNA 설계를 위한 단백질 발현 범위 예측 정확도를 거의 두 배로 높였으며, 과학자들은 96%의 블라인드 비교에서 그 설명을 더 선호했습니다. Argonne은 이를 StructBioReasoner에 통합하고 있습니다. Jülich는 약물 및 과학 발견 에이전트에 통합하고 있습니다. RIKEN은 RiVault 게이트웨이를 통해 RIKYU에서 이를 제공하고 있습니다. 그리고 KTH는 단일 DGX Spark에서 하룻밤 한 번의 실행으로 의도적으로 손상된 설정의 81%를 수정하는 GROMACS 복구 에이전트를 구축했으며, 이는 GROMACS 자체로 검증되었습니다.

두 이름으로 나누는 것이 왜 정당화될 수 있는지
냉소적으로 해석하면 NVIDIA가 같은 모델을 두 번 발표했다는 것이다. 나는 그 주장이 성립한다고 보지 않으며, 그 이유는 두 발표가 서로 다른 질문에 답하기 때문이다.
10월의 질문은 "이 체크포인트는 무엇이며 배포할 수 있나?"였습니다. 답은 1M 토큰 창을 갖춘 120B 비전-언어 MoE, DGX Spark에서 GB200 노드에 이르는 하드웨어 최소 요구 사항, 그리고 속도 주장이었습니다 — NVIDIA에 따르면 동급 차기 최고보다 5배 빠르지만, 해당 주장이 나올 당시 Artificial Analysis는 이 모델을 목록에 올리지 않았습니다. 그것은 모델 출시입니다.
11월의 질문은 "화학 그룹이 월요일에 그것을 가지고 무엇을 하느냐?"입니다. 그 답은 데이터셋, 레시피, 그리고 이미 그것을 실행하고 수치를 보고한 일곱 개 조직입니다. 가중치를 제공하는 것은 워크플로를 제공하는 것과 같은 제품이 아니며, 연구 그룹이 실제로 채택할 수 있는 것은 후자입니다.
그 해석을 뒷받침하는 가장 강력한 증거는 파트너 결과의 형태다. 모든 대표 수치는 출고 당시의 체크포인트가 아니라 후속 학습된 변형에서 나온다. Terray는 다이어그램으로 이를 적응시켰다. Lila는 실험실 피드백으로 적응시켰다. Therna는 mRNA 설계 데이터로 적응시켰다. 이 패키지는 기본 모델이 화학자라고 주장하는 것이 아니라, 기본 모델이 도메인 팀이 그것을 화학자로 만들 수 있을 만큼 충분히 좋은 출발점이라고 주장한다. 그것은 더 겸손하면서 더 유용한 주장이며, 그 주장을 뒷받침할 데이터셋이 존재하기도 전인 10월에 그런 주장을 하는 것은 이상할 것이다.
패키지가 여전히 제공하지 않는 것
세 가지 격차, 어려운 방식으로 발견했을 때 치르게 될 비용이 큰 순서대로.
• 독립적인 화학 평가가 없습니다. Artificial Analysis는 Nemotron 3.5 Super VL을 실제로 목록에 올려 두었습니다. Intelligence Index 14, 초당 출력 토큰 291개, 첫 답변 토큰까지 11.85초, 백만 입력 토큰당 $0.20 및 백만 출력 토큰당 $0.50(75% 캐시 할인 적용)입니다. 이는 제3자의 일반 점수이며 알아둘 가치가 있습니다. 그러나 화학 점수는 아닙니다. SC26 발표의 모든 과학 수치는 이해관계가 있는 당사자가 산출한 것이며, LitmusBench v0.2는 너무 최신이라 외부 그룹이 아직 이에 대한 결과를 발표하지 않았습니다.
• 공급업체 가격 없음. 위의 $0.20/$0.50은 제3자 플랫폼의 요금 계량기이지 NVIDIA의 요율표가 아닙니다. NVIDIA는 토큰당 NIM 가격을 공개하지 않았으므로, 비용이 알려진 유일한 예산 책정 경로는 셀프 호스팅입니다.
• 에이전트 루프의 완료율이 없습니다. KTH 결과는 테스트 케이스의 81%가 수정되었다고 보고하며, 이는 릴리스에서 가장 구체적인 수치입니다. 그러나 각 수정에 몇 번의 도구 호출이 필요했는지, 에이전트가 진전 없이 얼마나 자주 루프를 돌았는지, 완료된 작업에 비용이 얼마나 들었는지는 보고하지 않습니다. 이러한 수치가 에이전트가 배포 가능한지, 아니면 단지 인상적인지 결정합니다.
실행 방법과 주변 스택이 어디에 맞는지
오픈 웨이트 릴리스치고는 배포 권장 사항이 이례적으로 명확하니, 그대로 문자 그대로 받아들이면 된다. 모델 카드에는 vLLM에서 TP4 또는 TP2, --trust-remote-code, 비동기 스케줄링, 드래프트 토큰 5개를 쓰는 MTP 추측 디코딩과 --max-num-seqs 32를 사용하거나, SGLang에서 FP8 KV 캐시와 5단계 EAGLE 추측 디코딩을 사용하라고 명시되어 있다. 샘플링은 텍스트의 경우 temperature 1.0에 top_p 0.95, 비전의 경우 0.6에 0.95이며, 예제에 나오는 서버 이름은 nemotron-3.5-super-vl이다. 멀티모달 제한은 프롬프트당 이미지 1개, 동영상 1개다. 이는 스스로 도출할 것이 아니라 그대로 복사할 수 있는 구성이다.
Nemotron 3.5 Super VL은 저희 카탈로그에 없습니다 — 저희가 이를 제공하지 않으므로 자체 호스팅 경로가 실제 경로이며, 그것은 오픈 체크포인트에 관한 기사가 말해도 타당한 내용입니다. 저희 쪽 스택이 실제로 관여하는 부분은 과학 모델 자체가 아니라 그 주변입니다. 연구 에이전트는 도메인 체크포인트를 감싼 플래너입니다. 작업을 분해하고, 화학 모델을 호출하고, 시뮬레이션을 호출하고, 결과를 읽고, 다음에 무엇을 할지 결정합니다. 플래너는 보통 범용 모델이며, 바로 그 계층에서 200개 이상의 모델에 걸쳐 키 하나로 제공업체 정가 그대로, 0% 마크업으로 통합 작업을 줄여 줍니다 — 자동 페일오버가 함께 제공되어, 6시간 밤샘 실행이 한 제공업체의 성능 저하 때문에 5시간째에 실패하지 않습니다. 모델 퓨전은 여기서 알아둘 만한 또 하나의 수단입니다: 여러 모델로 구성된 패널이 동일한 화학 질문에 함께 답하는 것은 어떤 프로토콜을 실제 하드웨어에서 실행할 가치가 있는지 선별하는 합리적인 방법입니다.

무엇을 볼까요?
최초의 외부 LitmusBench v0.2 점수는 등장할 수 있는 가장 유용한 단일 항목입니다. 왜냐하면 그것은 이 이야기에서 중립적인 제3자가 생성할 수 있는 유일한 숫자이기 때문입니다. NIM 요금표가 있으면 호스팅 대 자체 호스팅 비교가 추측이 아니라 산술이 될 것입니다. 그리고 에이전트 루프 보고서 — 완료율, 도구 호출 예산, 완료된 작업당 비용 — 는 KTH와 Lila의 결과를 고무적인 일화에서 집단이 계획을 세울 수 있는 근거로 바꿔 줄 것입니다.
그때까지는 간단히 말해: 10월에 Nemotron 3.5 Super를 받았다면, Nemotron for Science는 그것을 대체하는 것이 아니라, 화학 도구로 만들어 주는 데이터와 레시피로 확장하는 것입니다. 받지 않았다면, 11월 패키지가 더 나은 진입점입니다. 동일한 가중치에 시작 키트가 붙어 있기 때문입니다.

