Een titelkaart voor de vergelijking, met als kop 'Nemotron for Science vs Nemotron 3.5 Super', waarin staat dat dit geen twee modellen zijn: het oktober-checkpoint met 120B totaal en 12B actief met 512 routed experts per MoE-laag, gewichten op Hugging Face 12 oktober 2026 en aangekondigd op 15 oktober, het novemberpakket op 16 november op SC26 in Chicago, en ongeveer 50.000 LitmusBench v0.2-vragen als het enige nieuwe modelartefact.
Engineering & Research

Nemotron for Science vs Nemotron 3.5 Super: dezelfde gewichten, een ander product

Auteur

jinhao.song

Publicatiedatum

Nieuwste modellen · 20Bekijk alle modellen →
Benchmarks: Artificial Analysis · dagelijks bijgewerkt
Terug naar alle berichten

Deze vergelijking heeft een ongemakkelijk feit in haar hart: NVIDIA Nemotron for Science en NVIDIA Nemotron 3.5 Super zijn geen twee modellen. Het is hetzelfde checkpoint van 120 miljard parameters, vijf weken na elkaar uitgebracht, in een andere verpakking. Nemotron 3.5 Super zijn de gewichten — de repository onder de vollere naam Nemotron 3.5 Super VL 120B A12B, sinds 12 oktober 2026 op Hugging Face, aangekondigd op 15 oktober, OpenMDW-1.1, 12 miljard actieve parameters per token, context van 1 miljoen tokens. Nemotron for Science is wat NVIDIA op 16 november op SC26 aankondigde: dat checkpoint plus LitmusBench v0.2, ongeveer 50.000 vragen over chemisch redeneren, plus recepten voor post-training en koppeling met CUDA-X-tools, plus zeven met naam genoemde institutionele implementaties.

Dus de nuttige vraag is niet welke beter is. Het is wat het novemberpakket toevoegt aan het oktobercheckpoint, of de toevoegingen een aparte naam rechtvaardigen, en wat je vandaag daadwerkelijk zou downloaden als je chemieagenten op NVIDIA-silicon wilde draaien. Dat is een interessantere vraag dan een specificatietabel, en het antwoord is vleiender voor NVIDIA dan een herverpakkingsverhaal gewoonlijk is.

Wat identiek is, en dat is het grootste deel ervan.

Begin bij de checkpoint, want alles in beide pakketten rust daarop. De architectuur verandert niet tussen oktober en november: een hybride mixture-of-experts van Mamba-2 en Transformer, 512 gerouteerde experts per MoE-laag, multi-tokenvoorspellingskoppen, een C-RADIO vision-encoder en een vision-language-connector, 120B totale parameters met 12B actief per token, en tot 1M tokens context. Invoer bestaat uit tekst, RGB-afbeeldingen en MP4-video van maximaal twee minuten; uitvoer is tekst. De redeneerinspanning is via de chatsjabloon configureerbaar op uit, gemiddeld of aan.

• Parameters — 120B totaal, 12B actief. Identiek in beide. Er is geen Nemotron for Science-checkpoint met een ander aantal parameters, omdat er geen apart Nemotron for Science-checkpoint is.

• Licentie — OpenMDW-1.1 voor commercieel en niet-commercieel gebruik. Identiek, en het is wat de posttraining-pitch überhaupt mogelijk maakt.

• Context — 1M tokens, waarbij de kaart video aanbeveelt op 2 FPS tot 256 frames, of 1 FPS en 128 frames bij 1080p.

• Minimale hardware — 4× H100 of 2× GB200 bij BF16; de NVFP4-build past op één DGX Spark, één H200, twee H100's of één GB200. De DGX Spark-regel is degene waarop SC26 leunt, en dezelfde die de oktoberkaart al bevatte.

• Benchmarks — 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. Allemaal door de leverancier gerapporteerd, allemaal gepubliceerd met de oktoberkaart, geen ervan nieuw.

Als je Nemotron 3.5 Super al in oktober hebt opgehaald, heb je het model waarop Nemotron for Science is gebouwd. Niets in de aankondiging van november verandert de gewichten ervan.

Wat er echt nieuw is, en dat is niet niets.

Nu het deel dat het artikel waard is. Op 16 november verschenen drie dingen die op 15 oktober nog niet bestonden, en elk ervan verandert wat je vanaf dag één kunt doen.

LitmusBench v0.2 is het hoogtepunt. Ongeveer 50.000 vragen over chemisch redeneren, opgebouwd uit gegevens over moleculaire eigenschappen en experimentele dossiers uit de geneesmiddelenontdekking, met taken zoals het voorspellen van oplosbaarheid en hoe het lichaam een verbinding metaboliseert. Twee eigenschappen maken het meer dan een ranglijst: het is open, en het is ontworpen om zowel voor post-training als voor evaluatie te worden gebruikt. Een 120B-model met een permissieve licentie en zonder chemiegegevens om op te fine-tunen is een model waarvoor je een dataset moet bouwen; een 120B-model dat wordt geleverd met 50.000 geannoteerde chemievragen is een model dat je binnen een week kunt aanpassen. Dat is het verschil dat dit pakket oplevert.

De recepten zijn het tweede onderdeel. NVIDIA heeft post-trainingrecepten gepubliceerd voor domeinaanpassing en documentatie voor het inbedden van het model in agentworkflows die wetenschappelijke informatie lezen, code schrijven en CUDA-X-versnelde tooling aanroepen. Voor iedereen die heeft geprobeerd een algemeen model een molecular-dynamicspakket correct te laten aanroepen, is de documentatie over tool-wiring het weinig glamoureuze onderdeel dat bepaalt of de lus überhaupt werkt.

De implementaties zijn de derde, en ze zijn bewijs in plaats van artefacten. Terray Therapeutics heeft het model post-getraind op scheikundediagrammen en haalde ongeveer 76% van de geannoteerde reacties op RxnScribe terug, waarmee het eerdere gepubliceerde resultaten op twee benchmarks overtrof. Lila Sciences behaalde 61% nauwkeurigheid bij de synthese van kwantumdots, tegenover 54% voor GPT-6 Astra, tegen 10–20× lagere inferentiekosten. Therna verdubbelde bijna de nauwkeurigheid van voorspellingen van het eiwitexpressiebereik voor mRNA-ontwerp, waarbij wetenschappers in 96% van de geblindeerde vergelijkingen de voorkeur gaven aan de uitleg ervan. Argonne integreert het in StructBioReasoner; Jülich in agenten voor geneesmiddelen- en wetenschapsontdekking; RIKEN serveert het op RIKYU via de RiVault-gateway. En KTH bouwde een GROMACS-reparatieagent die 81% van opzettelijk kapotgemaakte opstellingen repareerde in één nachtelijke run op één enkele DGX Spark, geverifieerd door GROMACS zelf.

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.

Waarom de splitsing in twee namen verdedigbaar is

De cynische lezing is dat NVIDIA hetzelfde model twee keer heeft aangekondigd. Ik denk niet dat dat standhoudt, en de reden is dat de twee aankondigingen verschillende vragen beantwoorden.

De vraag van oktober was: "wat is dit checkpoint en kan het worden uitgerold?" Het antwoord was een 120B vision-language MoE met een contextvenster van 1M tokens, een hardwareondergrens die van een DGX Spark tot een GB200-node reikt, en een snelheidsclaim — 5× sneller dan de op één na beste in zijn klasse, volgens NVIDIA, hoewel Artificial Analysis het model niet vermeldde op het moment dat de claim werd gedaan. Dat is een modellancering.

De vraag van november is: "wat doet een scheikundegroep er op maandag mee?" Dat antwoord is een dataset, een recept en zeven organisaties die het al hebben gedaan en cijfers hebben gerapporteerd. Gewichten leveren is niet hetzelfde product als een workflow leveren, en het tweede is wat een onderzoeksgroep daadwerkelijk kan adopteren.

Het sterkste bewijs voor die lezing is de vorm van de partnerresultaten. Elk afzonderlijk hoofdcijfer komt uit een post-getrainde variant, niet uit het checkpoint zoals het is geleverd. Terray paste het aan op diagrammen. Lila paste het aan op basis van labfeedback. Therna paste het aan op mRNA-ontwerpgegevens. Het pakket beweert niet dat het basismodel een chemicus is; het beweert dat het basismodel een goed genoeg uitgangspunt is dat een domeinteam er een chemicus van kan maken. Dat is een bescheidener bewering en een nuttiger bewering, en het zou vreemd zijn om die in oktober te doen, voordat de dataset bestond om die mee te doen.

Wat het pakket je nog steeds niet geeft

Drie hiaten, gerangschikt naar hoeveel het je zou kosten om ze op de harde manier te ontdekken.

• Geen onafhankelijke chemische evaluatie.Artificial Analysis vermeldt wel Nemotron 3.5 Super VL — Intelligentie-index 14, 291 tokens per seconde output, 11,85 s tot het eerste antwoordtoken, $0,20 per miljoen input en $0,50 per miljoen output met 75% cachekorting. Dat is een algemene score van een derde partij, en het is goed om te weten. Het is geen chemische score. Elk wetenschappelijk cijfer in de SC26-release is geproduceerd door een partij die er belang bij heeft, en LitmusBench v0.2 is zo nieuw dat geen enkele externe groep er een resultaat over heeft gepubliceerd.

• Geen leveranciersprijs. De $0.20/$0.50 hierboven is de tariefmeter van een platform van een derde partij, niet een NVIDIA-tariefkaart. NVIDIA heeft geen prijs per token voor NIM gepubliceerd, wat betekent dat de enige budgetteringsroute met bekende kosten self-hosting is.

• Geen voltooiingspercentage voor de agent-lus. Het KTH-resultaat meldt dat 81% van de testcases is gerepareerd, het meest concrete getal in de release — maar het meldt niet hoeveel tool-aanroepen elke reparatie kostte, hoe vaak de agent-lus zonder voortgang ronddraaide, of wat een voltooide taak kostte. Dat zijn de getallen die bepalen of een agent inzetbaar is of slechts indrukwekkend.

Hoe je het uitvoert, en waar de omliggende stack past

Het deploymentadvies is ongewoon duidelijk voor een open-weights-release, dus neem het letterlijk. De modelkaart specificeert vLLM met TP4 of TP2, --trust-remote-code, asynchrone scheduling, MTP-speculatieve decoding met vijf drafttokens en --max-num-seqs 32; of SGLang met FP8-KV-cache en EAGLE-speculatieve decoding met vijf stappen. Sampling is temperatuur 1.0 met top_p 0.95 voor tekst en 0.6 met 0.95 voor visie, en de servernaam in de voorbeelden is nemotron-3.5-super-vl. Multimodale limieten zijn één afbeelding en één video per prompt. Dat is een configuratie die je kunt kopiëren in plaats van afleiden.

Nemotron 3.5 Super VL staat niet in onze catalogus — we leveren het niet, dus het self-hosted-traject is het echte, en dat is een redelijke uitspraak voor een artikel over een open checkpoint. Waar onze kant van de stack wél aan bod komt, is rond het wetenschapsmodel en niet erin. Een researchagent is een planner rond een domeincheckpoint: hij splitst een taak op, roept het chemiemodel aan, roept een simulatie aan, leest het resultaat en beslist wat er hierna gebeurt. De planner is doorgaans een algemeen model, en dat is de laag waar één sleutel voor meer dan 200 modellen tegen de lijstprijs van de provider met 0% markup het integratiewerk bespaart — met automatische failover, zodat een nachtelijke run van zes uur niet om vijf uur faalt omdat één provider degradeerde. Model fusion is de andere hefboom die hier het kennen waard is: een panel van modellen dat samen dezelfde chemievraag beantwoordt, is een redelijke manier om te bepalen welke protocollen de moeite waard zijn om op echte hardware te draaien.

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.

Wat te kijken

Een eerste externe LitmusBench v0.2-score is het nuttigste dat zou kunnen verschijnen, want het is het enige getal in dit verhaal dat een neutrale partij kan genereren. Een NIM-tarievenkaart zou de vergelijking tussen gehost en zelf gehost rekenwerk maken in plaats van giswerk. En een agent-looprapport — voltooiingspercentage, budget voor tool-calls, kosten per afgeronde taak — zou de resultaten van KTH en Lila omzetten van aanmoedigende anekdotes in iets waarop een groep kan plannen.

Tot die tijd, de korte versie: als je Nemotron 3.5 Super in oktober hebt gedownload, vervangt Nemotron for Science het niet; het breidt het uit met de data en recepten die er een tool voor scheikunde van maken. Heb je dat niet gedaan, dan is het novemberpakket het betere instappunt, omdat het dezelfde gewichten zijn met een startpakket erbij.

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.