
Een kijkje in NVIDIA Nemotron for Science: wat de Open Chemistry Stack van SC26 daadwerkelijk levert
- GoogleNIEUWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1 mln tokens · 90 tok/s
- AnthropicNIEUWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1 mln tokens · 97 tok/s
- orcaNIEUWOrca: OrcaC2 1.02026-11-0711 tok/s
- OrcaNIEUWOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1 mln tokens · 89 tok/s
- OrcaNIEUWOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1 mln tokens · 133 tok/s
- OrcaNIEUWOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 per 1 mln tokens · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1 mln tokens · 125 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1 mln tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1 mln tokens · 45 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligentie
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1 mln tokens · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligentie
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1 mln tokens · 134 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligentie
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligentie
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 per 1 mln tokens · 126 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligentie
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligentie
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 per 1 mln tokens · 179 tok/s
Eenentachtig procent is het getal om mee te beginnen, en het is geen benchmarkscore. Het is het aandeel van opzettelijk kapotte GROMACS-moleculairdynamica-opstellingen dat een agent gebouwd op NVIDIA Nemotron for Science in één nachtelijke run op één DGX Spark-workstation heeft gerepareerd, volgens KTH Royal Institute of Technology — waarbij elke fix door GROMACS zelf werd gecontroleerd in plaats van door een model dat zijn eigen huiswerk nakijkt. NVIDIA kondigde de collectie aan op 16 november 2026 tijdens SC26 in Chicago, via Ian Buck, zijn VP Hyperscale and High-Performance Computing. Het zijn drie artefacten in één doos: het open Nemotron 3.5 Super VL-checkpoint, een open chemiedataset genaamd LitmusBench v0.2 met ongeveer 50.000 vragen, en een set post-trainingrecepten die het model koppelen aan CUDA-X-versnelde wetenschappelijke tooling.
Die combinatie is het interessante deel, en het is niet het deel dat de kop verkoopt. Een leverancier die nog een open checkpoint uitbrengt, is eind 2026 routine; NVIDIA bracht deze in oktober uit. Wat nieuw is op 16 november, is de scaffolding eromheen — de evaluatieset, de recepten en een reeks met naam genoemde institutionele implementaties die beschrijven wat er gebeurt als je het model op een echte wetenschappelijke workflow richt in plaats van op een leaderboard. Dit stuk gaat na wat er feitelijk in de collectie zit, wat de partnernummers wel en niet aantonen, en waar de hiaten zitten voor iedereen die erop wil voortbouwen.
De drie artefacten, gescheiden
Het persbericht van NVIDIA en het bijbehorende bericht op X beschrijven één pakket. Het is belangrijk om dat op te splitsen, want elk onderdeel heeft een andere licentiehouding, een ander volwassenheidsniveau en een andere reden om je ermee bezig te houden.
• Het checkpoint — Nemotron 3.5 Super VL, een mengsel-van-experts-model met 120 miljard parameters en 12 miljard actieve parameters per token, een hybride van Mamba-2 en Transformer met 512 gerouteerde experts per MoE-laag, een C-RADIO-visie-encoder en tot 1M tokens context. Tekst, afbeeldingen en MP4-video van 2 minuten als invoer; tekst als uitvoer. OpenMDW-1.1, commercieel en niet-commercieel gebruik, gewichten op Hugging Face. Dit is niet nieuw op 16 november — de repository verscheen op 12 oktober en NVIDIA's eigen aankondiging volgde op 15 oktober.
• De dataset — LitmusBench v0.2, een open set van ongeveer 50.000 vragen over chemisch redeneren, samengesteld uit gegevens over moleculaire eigenschappen en experimentele records uit de geneesmiddelenontdekking. Het is gebouwd voor de twee taken die een wetenschappelijke benchmark gewoonlijk over twee bestanden moet verdelen: het evalueert chemisch redeneren, en het is bruikbaar als post-trainingsdata. Oplosbaarheidsvoorspelling en metabole bestemming zijn de twee taakfamilies die NVIDIA expliciet noemt.
• De recepten en tooling — post-trainingrecepten voor domeinaanpassing, plus de koppeling waarmee een agent CUDA-X-versnelde wetenschappelijke software als tools kan aanroepen. Dit is het onderdeel dat van een chatmodel iets maakt dat een simulatie kan uitvoeren, de uitvoer kan lezen en kan beslissen wat er daarna moet gebeuren.
De checkpoint is het minst vernieuwende van de drie en de dataset is het meest bestendig. Benchmarksuites verouderen; een scheikundeset van 50.000 vragen met een permissieve licentie is het soort ding dat over drie jaar nog steeds wordt geciteerd, en het is het onderdeel van deze release waar NVIDIA het meeste aan heeft uitgegeven om het weg te geven.

Wat de partnerresultaten daadwerkelijk aantonen
Zeven organisaties worden in de aankondiging genoemd, en de cijfers die eraan zijn gekoppeld zijn het dichtst bij bewijs dat het persbericht bevat. Alles ervan is door leveranciers gerapporteerd en niets ervan is onafhankelijk gereproduceerd — die waarschuwing geldt voor elk getal in deze sectie, en het is de reden om ze als gevalsstudies te lezen in plaats van als scores.
Terray Therapeutics heeft het model nagetraind op chemiediagrammen — de reactieschema's die in patenten en artikelen worden getekend — om reactanten, producten en reactieomstandigheden te extraheren. Op RxnScribe haalde het ongeveer 76% van de geannoteerde reacties terug en overtrof het eerdere gepubliceerde resultaten op twee benchmarks. Diagramextractie is weinig glamoureus en juist daar gaat een groot deel van het echte chemiewerk naartoe, dus een recoverypercentage van 76% op een genoemde benchmark is een nuttiger claim dan een redeneerscore.
Lila Sciences is het getal waarop de release leunt. Bij het genereren van uitvoeringsklare labprotocollen voor geautomatiseerde labs evenaarde het basismodel de frontierprestaties zonder enige fine-tuning. Met post-training op labfeedback bereikte de nauwkeurigheid bij kwantumdotsynthese 61% tegenover 54% voor GPT-6 Astra, bij 10–20× lagere inferentiekosten. Twee dingen zijn het vermelden waard. Het gat van zeven punten is echt als het protocol klopt, en de kostenfactor is het cijfer met meer gevolgen — een 10–20× lagere inferentiekosten verandert welke experimenten überhaupt de moeite waard zijn om uit te voeren. Maar dit is een vergelijking uitgevoerd door de partij die de post-training deed, op een taak die zij koos, tegen een concurrent die zij noemde.
Therna is verder getraind voor agentisch ontwerp van mRNA-therapeutica en verdubbelde de nauwkeurigheid van het voorspellen van het bereik van eiwitexpressie bijna. In een geblindeerde vergelijking verkozen wetenschappers de uitleg ervan boven die van het basismodel in 96% van de gevallen. Voorkeur is geen nauwkeurigheid, en een voorkeurspercentage van 96% zegt iets over hoe de redenering leest, niet over of die juist is.
Dan de institutionele implementaties, die ik juist het overtuigendst vind omdat ze niet als overwinningen worden gepresenteerd. Argonne National Laboratory integreert Nemotron in StructBioReasoner, een multi-agentsysteem voor het ontwerpen van op eiwitten gebaseerde kankerbehandelingen. Jülich Supercomputing Centre integreert het in agenten voor geneesmiddelenontdekking en wetenschappelijke ontdekking. RIKEN biedt de modellen, inclusief Super VL, aan op zijn RIKYU-supercomputerplatform via de RiVault-inferentiegateway — een echte productieroute, op echte hardware, voor echte gebruikers. En KTH bouwde de GROMACS-reparatieagent achter dat cijfer van 81%, op één enkele DGX Spark, in één nacht.
Het KTH-resultaat verdient een eigen zin vanwege zijn vorm. Een kapotte opzet voor moleculaire dynamica is een alledaagse, veelvoorkomende fout: een niet-passend krachtveld, een topologie die niet overeenkomt met het coördinatenbestand, een ontbrekende include. Het repareren van 81% ervan is geen benchmark voor redeneervermogen. Het is het model dat het soort werk doet dat een computationele-chemiegroep momenteel aan een promovendus toewijst, en het wordt geverifieerd door de simulatie-engine in plaats van door het model, wat het tot het schoonste bewijs in de release maakt.
Waarom dit een post-trainingverhaal is in de kleren van een model
Lees de release nog eens en merk op wat NVIDIA je eigenlijk vraagt te doen. Elk afzonderlijk partnerresultaat behelst aanpassing: Terray is nagetraind op diagrammen, Lila op labfeedback, Therna op mRNA-ontwerp. Geen enkel van de kopcijfers komt van het checkpoint zoals het geleverd wordt. Dat is bewust, en het is het meest eerlijke aan de aankondiging.
Het argument is dat basismodellen nu goed genoeg zijn, waardoor het onderscheidende element de post-trainingslus is, niet de pretraining. NVIDIA verkoopt die lus: een 120B-checkpoint met een permissieve licentie dat je kunt fine-tunen zonder juridische toets, een chemiedataset om op te fine-tunen, en recepten die beschrijven hoe je dat doet. Dat is een werkelijk ander verkoopargument dan "ons model is slimmer", en het is een argument dat alleen werkt als de gewichten open zijn — en precies daarom is de licentie belangrijker dan de benchmarktabel.
Het verklaart ook de hardwarelijn. NVIDIA zegt dat het model is afgestemd om lokaal te draaien op een 128GB DGX Spark, en de BF16-build wil 4× H100 of 2× GB200, terwijl de NVFP4-build past op één DGX Spark, een H200, twee H100's of een GB200. Een post-traininglus is een iteratieve workload met een hoog volume en lage latentie, en het verschil tussen "een node huren" en "er staat een box op de werkbank" is het verschil tussen een lus die je twee keer per kwartaal draait en een die je twee keer per dag draait.
De hiaten, ronduit benoemd
Er ontbreken drie dingen in de release, en elk ervan zou je planning veranderen.
• Geen onafhankelijke evaluatie van de wetenschappelijke claims. Artificial Analysis volgt Nemotron 3.5 Super VL wel — het vermeldt een Intelligence Index van 14, output met 291 tokens per seconde, een tijd tot het eerste antwoordtoken van 11,85 seconden, en een vermelde prijs van $0,20 per miljoen input en $0,50 per miljoen output met 75% cachekorting. Dat is nuttig en het is van een derde partij. Niets ervan is een scheikundebenchmark. Elk wetenschappelijk cijfer in de SC26-release is afkomstig van een partij die belang heeft bij het resultaat, en LitmusBench v0.2 is zo nieuw dat geen enkele externe groep er nog een score op heeft gepubliceerd.
• Geen gepubliceerde prijs voor het model als service. De bij AA vermelde $0,20/$0,50 is de tariefmeter van een platform van derden, niet een NVIDIA-tariefkaart — NVIDIA heeft geen prijs per token voor NIM gepubliceerd. Als u een budget opstelt, is het eerlijke antwoord vandaag dat zelf hosten de enige weg is met een bekende kostprijs.
• Geen evaluatie van de agentlus, alleen van de componenten. De recepten beschrijven een agent die plant, simulaties uitvoert, resultaten controleert en bijstuurt. Niemand in de release rapporteert hoe vaak die lus zonder mens wordt voltooid, hoeveel tool-aanroepen hij verbruikt, of wat het kost per voltooide taak. Dat zijn de cijfers die bepalen of een agent een product of een demo is, en ze ontbreken.

Wat dit betekent als je aan het bouwen bent
De praktische interpretatie is dat Nemotron for Science geen model is dat je adopteert; het is een startpakket. Als je groep scheikunde of structurele biologie doet en je hebt GPU-capaciteit, dan is de combinatie van een 120B-checkpoint met een permissieve licentie, 50.000 scheikundevragen en een reeks gepubliceerde recepten een echt goed pakket voor week één — en het KTH-resultaat suggereert dat de tool-calling-loop goed genoeg werkt om nuttig te zijn bij alledaagse fouten.
Wat het niet is, is een kant-en-klare vervanging voor een gehoste API. Nemotron 3.5 Super VL staat niet in onze catalogus; we leveren het vandaag niet, en het zelf-gehoste pad is waar deze release daadwerkelijk omheen is gebouwd. Waar teams een gehost model draaien als de redeneerlaag van een grotere pijplijn — en de meeste doen dat, omdat de agent-loop rond het wetenschapsmodel meestal een algemeen model is — staat de routeringsvraag los van deze aankondiging. Eén sleutel voor meer dan 200 modellen tegen de lijstprijs van de provider met 0% opslag, en automatische failover wanneer een upstream midden in een run verslechtert, is het onderdeel dat voorkomt dat een agentische taak van meerdere uren er in uur drie mee ophoudt omdat één provider een slechte middag had.
Wat nu te kijken
{{1}}Een eerste externe LitmusBench v0.2-score{{/1}} beslecht meer dan welke afzonderlijke benchmark dan ook zou doen, omdat {{2}}het hier het enige getal is dat een neutrale partij kan genereren{{/2}}. {{3}}Een gepubliceerde NIM-prijslijst{{/3}} zou {{4}}de kostenvergelijking{{/4}} een kwestie van rekenen maken in plaats van positionering. En {{5}}een rapport over de agentlus zelf — voltooiingspercentage, budget voor tool-aanroepen, kosten per afgeronde taak —{{/5}} is {{6}}het element dat dit van een veelbelovende kit in een inkoopbeslissing zou veranderen.{{/6}}
Tot dan is de eerlijkste samenvatting degene die de release per ongeluk zelf schrijft: NVIDIA leverde in oktober een goede checkpoint, en in november leverde het datgene wat die checkpoint bruikbaar maakt. Dat is een minder opwindende aankondiging en een waardevollere.

