Plansza tytułowa do porównania z nagłówkiem „Nemotron for Science vs Nemotron 3.5 Super”, stwierdzająca, że nie są to dwa modele: październikowy checkpoint o łącznej liczbie 120B i 12B aktywnych parametrów, z 512 ekspertami routowanymi na warstwę MoE, wagi na Hugging Face 12 października 2026 r. i ogłoszone 15 października, listopadowy pakiet 16 listopada na SC26 w Chicago oraz około 50 000 pytań LitmusBench v0.2 jako jedyny nowy artefakt modelu.
Engineering & Research

Nemotron for Science vs Nemotron 3.5 Super: te same wagi, inny produkt

Autor

jinhao.song

Data publikacji

Najnowsze modele · 20Zobacz wszystkie modele →
Benchmarki: Artificial Analysis · aktualizowane codziennie
Powrót do wszystkich wpisów

This comparison has an awkward fact at its centre: NVIDIA Nemotron for Science and NVIDIA Nemotron 3.5 Super are not two models. They are the same 120-billion-parameter checkpoint, shipped five weeks apart, wearing different packaging. Nemotron 3.5 Super is the weights — the repository under the fuller name Nemotron 3.5 Super VL 120B A12B, up on Hugging Face since 12 October 2026, announced on 15 October, OpenMDW-1.1, 12 billion active parameters per token, 1M-token context. Nemotron for Science is what NVIDIA announced at SC26 on 16 November: that checkpoint plus LitmusBench v0.2, roughly 50,000 chemistry-reasoning questions, plus post-training recipes and CUDA-X tool wiring, plus seven named institutional deployments.

Zatem użyteczne pytanie nie brzmi, który z nich jest lepszy. Brzmi ono: co pakiet listopadowy dodaje do październikowego checkpointu, czy te dodatki uzasadniają osobną nazwę i co właściwie pobrałbyś dzisiaj, gdybyś chciał uruchamiać agentów do chemii na krzemie NVIDIA. To ciekawsze pytanie niż tabela specyfikacji, a odpowiedź jest bardziej pochlebna dla NVIDIA, niż opowieści o przepakowaniu zwykle bywają.

Co jest identyczne, a to stanowi większość tego.

Zacznij od punktu kontrolnego, ponieważ wszystko w obu pakietach się na nim opiera. Architektura nie zmienia się między październikiem a listopadem: hybrydowa mieszanina ekspertów Mamba-2 i Transformer, 512 trasowanych ekspertów na warstwę MoE, głowice wielotokenowego przewidywania, enkoder wizyjny C-RADIO i łącznik wizyjno-językowy, łącznie 120B parametrów przy 12B aktywnych na token oraz kontekst do 1M tokenów. Dane wejściowe to tekst, obrazy RGB i wideo MP4 do dwóch minut; dane wyjściowe to tekst. Poziom intensywności rozumowania można konfigurować w szablonie czatu jako wyłączony, średni lub włączony.

• Parametry — łącznie 120B, 12B aktywnych. Identyczne w obu. Nie ma checkpointu Nemotron for Science o innej liczbie parametrów, ponieważ nie ma osobnego checkpointu Nemotron for Science.

• Licencja — OpenMDW-1.1 do użytku komercyjnego i niekomercyjnego. Identyczna, i to właśnie ona sprawia, że propozycja dotycząca post-trainingu jest w ogóle możliwa.

• Kontekst — 1 mln tokenów, przy czym karta zaleca wideo przy 2 FPS do 256 klatek lub 1 FPS i 128 klatek w rozdzielczości 1080p.

• Minimalna konfiguracja sprzętowa — 4× H100 lub 2× GB200 w BF16; kompilacja NVFP4 mieści się na pojedynczym DGX Spark, jednym H200, dwóch H100 lub jednym GB200. Linia DGX Spark to ta, na której opiera się SC26, i ta sama linia, którą październikowa karta już zawierała.

• Benchmarki — 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. Wszystkie zgłoszone przez dostawcę, wszystkie opublikowane wraz z październikową kartą, żadne z nich nie jest nowe.

Jeśli już pobrałeś Nemotron 3.5 Super w październiku, masz model, na którym opiera się Nemotron for Science. Nic w listopadowym ogłoszeniu nie zmienia jego wag.

Co tak naprawdę jest nowe — i nie jest to nic.

A teraz część, dla której warto było napisać ten artykuł. 16 listopada pojawiły się trzy rzeczy, których nie było 15 października, i każda z nich zmienia to, co możesz zrobić już pierwszego dnia.

LitmusBench v0.2 to najważniejsza informacja. Około 50 000 pytań wymagających rozumowania chemicznego, zbudowanych na podstawie danych o właściwościach cząsteczek i eksperymentalnych rejestrów odkrywania leków, obejmujących zadania takie jak przewidywanie rozpuszczalności i sposobu, w jaki organizm metabolizuje związek. Dwie cechy czynią go czymś więcej niż rankingiem: jest otwarty i zaprojektowany do wykorzystania zarówno do post-trainingu, jak i do ewaluacji. Model 120B na liberalnej licencji, bez danych chemicznych, na których można go dostroić, to model, dla którego trzeba zbudować zbiór danych; model 120B dostarczany z 50 000 pytań chemicznych z adnotacjami to model, który można zaadaptować w tydzień. To różnica, którą zapewnia ten pakiet.

Przepisy to drugi element. NVIDIA opublikowała przepisy dotyczące treningu po wstępnym treningu (post-training) na potrzeby adaptacji do domeny oraz dokumentację dotyczącą osadzania modelu w przepływach pracy agentów, które czytają informacje naukowe, piszą kod i wywołują narzędzia przyspieszane przez CUDA-X. Dla każdego, kto próbował skłonić model ogólnego przeznaczenia do prawidłowego wywoływania pakietu do dynamiki molekularnej, dokumentacja dotycząca okablowania narzędzi jest tą nieefektowną częścią, która decyduje o tym, czy cała pętla w ogóle działa.

Wdrożenia są trzecie i stanowią dowód, a nie artefakty. Terray Therapeutics dotrenowało model na diagramach chemicznych i odzyskało około 76% oznaczonych reakcji w RxnScribe, przewyższając wcześniejsze opublikowane wyniki w dwóch benchmarkach. Lila Sciences osiągnęła 61% dokładności syntezy kropek kwantowych wobec 54% dla GPT-6 Astra przy 10–20× niższym koszcie wnioskowania. Therna niemal podwoiła dokładność przewidywania zakresu ekspresji białek dla projektowania mRNA, a naukowcy preferowali jej wyjaśnienia w 96% porównań w trybie ślepym. Argonne integruje go ze StructBioReasoner; Jülich — z agentami do odkrywania leków i odkryć naukowych; RIKEN udostępnia go na RIKYU przez bramę RiVault. A KTH zbudowało agenta naprawczego GROMACS, który naprawił 81% celowo zepsutych konfiguracji podczas jednego nocnego przebiegu na pojedynczym DGX Spark, co zweryfikował sam GROMACS.

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.

Dlaczego podział na dwie nazwy jest uzasadniony

Cyniczna interpretacja mówi, że NVIDIA dwa razy ogłosiła ten sam model. Nie uważam, żeby się to obroniło, a powód jest taki, że te dwa ogłoszenia odpowiadają na różne pytania.

Pytaniem października było: „czym jest ten checkpoint i czy można go wdrożyć?”. Odpowiedź brzmiała: model MoE 120B do zadań językowo-wizualnych z oknem 1M tokenów, minimalnymi wymaganiami sprzętowymi od DGX Spark po węzeł GB200 oraz twierdzeniem o szybkości — 5× szybciej niż następny najlepszy w swojej klasie, według NVIDIA, choć Artificial Analysis nie uwzględniał tego modelu w momencie formułowania tego twierdzenia. To premiera modelu.

Pytanie listopada brzmi: „co w poniedziałek robi z tym grupa chemików?”. Odpowiedzią jest zbiór danych, przepis i siedem organizacji, które już to zrobiły i podały liczby. Udostępnianie wag modelu to nie ten sam produkt co udostępnianie przepływu pracy, a to drugie jest tym, co grupa badawcza może faktycznie przyjąć.

Najsilniejszym dowodem na taką interpretację jest kształt wyników partnerów. Każda pojedyncza kluczowa liczba pochodzi z wariantu po dodatkowym treningu, a nie z punktu kontrolnego w postaci dostarczonej. Terray dostosował go na diagramach. Lila dostosowała go na podstawie informacji zwrotnych z laboratorium. Therna dostosowała go na danych dotyczących projektowania mRNA. Pakiet nie twierdzi, że model bazowy jest chemikiem; twierdzi, że model bazowy jest wystarczająco dobrym punktem wyjścia, aby zespół dziedzinowy mógł go nim uczynić. To skromniejsze i bardziej użyteczne twierdzenie, a dziwne byłoby głosić je w październiku, zanim istniał zbiór danych, za pomocą którego można by to zrobić.

Czego pakiet nadal Ci nie daje

Trzy luki, w kolejności według tego, ile kosztowałoby cię odkrycie ich na własnej skórze.

• Brak niezależnej oceny chemicznej.Artificial Analysis wymienia jednak Nemotron 3.5 Super VL — Intelligence Index 14, 291 tokenów na sekundę na wyjściu, 11,85 s do pierwszego tokena odpowiedzi, 0,20 USD za milion tokenów wejściowych i 0,50 USD za milion tokenów wyjściowych przy 75% zniżki za pamięć podręczną. To ogólny wynik strony trzeciej i warto go znać. To nie jest wynik chemiczny. Każda liczba naukowa w wydaniu SC26 została wyprodukowana przez stronę, która ma w tym własny interes, a LitmusBench v0.2 jest wystarczająco nowy, że żadna zewnętrzna grupa nie opublikowała na jego temat wyniku.

• Brak ceny dostawcy. Wskazane powyżej $0.20/$0.50 to licznik platformy zewnętrznej, a nie cennik NVIDIA. NVIDIA nie opublikowała cennika NIM za token, co oznacza, że jedyną ścieżką budżetowania o znanym koszcie jest samodzielny hosting.

• Brak współczynnika ukończenia dla pętli agenta. Wynik KTH podaje, że naprawiono 81% przypadków testowych, co jest najbardziej konkretną liczbą w wydaniu — ale nie podaje, ile wywołań narzędzi wymagała każda naprawa, jak często pętla agenta wykonywała się bez postępu ani ile kosztowało ukończone zadanie. To właśnie te liczby decydują o tym, czy agent nadaje się do wdrożenia, czy jest jedynie imponujący.

Jak to uruchomić i gdzie pasuje otaczający stos technologiczny?

Zalecenia wdrożeniowe są wyjątkowo jasne jak na wydanie z otwartymi wagami, więc należy traktować je dosłownie. Karta określa vLLM z TP4 lub TP2, --trust-remote-code, asynchroniczne planowanie, spekulacyjne dekodowanie MTP z pięcioma tokenami roboczymi i --max-num-seqs 32; albo SGLang z pamięcią podręczną KV FP8 i spekulacyjnym dekodowaniem EAGLE w pięciu krokach. Próbkowanie to temperatura 1.0 z top_p 0.95 dla tekstu oraz 0.6 z 0.95 dla wizji, a nazwa serwera w przykładach to nemotron-3.5-super-vl. Limity multimodalne to jeden obraz i jedno wideo na prompt. To konfiguracja, którą można skopiować, a nie wyprowadzać.

Nemotron 3.5 Super VL nie ma w naszym katalogu — nie obsługujemy go, więc ścieżka samodzielnego hostowania jest tą właściwą, i to uczciwe stwierdzenie w artykule o otwartym checkpointcie. Nasza strona stosu wchodzi do gry wokół modelu naukowego, a nie w nim samym. Agent badawczy to planista opakowany wokół checkpointu dziedzinowego: rozkłada zadanie, wywołuje model chemiczny, wywołuje symulację, odczytuje wynik i decyduje, co dalej. Planista to zwykle model ogólny i to jest warstwa, w której jeden klucz obejmujący ponad 200 modeli w cenie katalogowej dostawcy z 0% marży oszczędza pracę integracyjną — z automatycznym przełączaniem awaryjnym, dzięki czemu sześciogodzinny nocny przebieg nie zawodzi w piątej godzinie, bo jeden dostawca uległ degradacji. Fuzja modeli to inna dźwignia warta poznania w tym kontekście: panel modeli odpowiadających wspólnie na to samo pytanie chemiczne to rozsądny sposób na wstępną selekcję protokołów wartych uruchomienia na prawdziwym sprzęcie.

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.

Co obejrzeć

Pierwszy zewnętrzny wynik LitmusBench v0.2 to najbardziej użyteczna rzecz, jaka mogłaby się pojawić, ponieważ jest to jedyna liczba w tej historii, którą może wygenerować niezależny podmiot. Karta stawek NIM sprawiłaby, że porównanie wariantu hostowanego z self-hosted stałoby się arytmetyką, a nie zgadywaniem. A raport pętli agenta — współczynnik ukończenia, budżet wywołań narzędzi, koszt na ukończone zadanie — przekształciłby wyniki KTH i Lila z zachęcających anegdot w coś, względem czego grupa może planować.

Do tego czasu, w skrócie: jeśli pobrałeś Nemotron 3.5 Super w październiku, Nemotron for Science nie zastępuje go, lecz rozszerza go o dane i przepisy, które czynią z niego narzędzie chemiczne. Jeśli tego nie zrobiłeś, listopadowy pakiet jest lepszym punktem wejścia, ponieważ to te same wagi z dołączonym zestawem startowym.

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.