
Внутри NVIDIA Nemotron for Science: что на самом деле поставляет Open Chemistry Stack для SC26
- GoogleНОВИНКАGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 за 1 млн токенов · 90 tok/s
- AnthropicНОВИНКАAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 за 1 млн токенов · 97 tok/s
- orcaНОВИНКАOrca: OrcaC2 1.02026-11-0711 tok/s
- OrcaНОВИНКАOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 за 1 млн токенов · 89 tok/s
- OrcaНОВИНКАOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 за 1 млн токенов · 133 tok/s
- OrcaНОВИНКАOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 за 1 млн токенов · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 за 1 млн токенов · 125 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 за 1 млн токенов · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 92 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 45 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Интеллект
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 за 1 млн токенов · 193 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Интеллект
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 за 1 млн токенов · 134 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Интеллект
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Интеллект
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 за 1 млн токенов · 126 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Интеллект
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Интеллект
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 за 1 млн токенов · 179 tok/s
Восемьдесят один процент — это число, с которого стоит начать, и это не результат бенчмарка. Это доля намеренно сломанных конфигураций молекулярной динамики GROMACS, которые агент, построенный на NVIDIA Nemotron for Science, исправил за один ночной прогон на одной рабочей станции DGX Spark, по данным KTH Royal Institute of Technology — причём каждое исправление проверялось самим GROMACS, а не моделью, которая сама себе ставит оценку. NVIDIA объявила об этом наборе 16 ноября 2026 года на SC26 в Чикаго через Иэна Бака, её вице-президента по гипермасштабным и высокопроизводительным вычислениям. Это три артефакта в одном комплекте: открытый чекпоинт Nemotron 3.5 Super VL, открытый химический датасет LitmusBench v0.2 примерно на 50 000 вопросов и набор рецептов постобучения, которые интегрируют модель с ускоренными научными инструментами CUDA-X.
Именно это сочетание и есть самое интересное — и вовсе не то, что продаёт заголовок. К концу 2026 года выпуск вендором очередного открытого чекпойнта — дело рутинное; NVIDIA выпустила этот в октябре. Новое 16 ноября — это инфраструктурная обвязка вокруг него: оценочный набор, рецепты и ряд поименованных институциональных внедрений, которые описывают, что происходит, когда модель направляют на реальный научный рабочий процесс, а не на таблицу лидеров. В этом материале разбирается, что на самом деле входит в коллекцию, что партнёрские цифры доказывают, а что нет, и где находятся пробелы для всех, кто планирует на ней строить.
Три артефакта, разделённые
Пресс-релиз NVIDIA и сопровождающий его пост в X описывают единый пакет. Важно разобрать его на составляющие, потому что у каждой части своя лицензионная позиция, свой уровень зрелости и своя причина обратить на неё внимание.
• Чекпойнт — Nemotron 3.5 Super VL: смесь экспертов на 120 млрд параметров с 12 млрд активных на токен, гибрид Mamba-2 и Transformer с 512 маршрутизируемыми экспертами на слой MoE, визуальный энкодер C-RADIO и контекст до 1 млн токенов. На входе — текст, изображения и 2-минутное MP4-видео; на выходе — текст. OpenMDW-1.1, коммерческое и некоммерческое использование, веса на Hugging Face. Это не новость от 16 ноября — репозиторий появился 12 октября, а собственный анонс NVIDIA последовал 15 октября.
• Набор данных — LitmusBench v0.2, открытый набор примерно из 50 000 вопросов по химическому мышлению, составленный на основе данных о свойствах молекул и записей экспериментальных исследований лекарств. Он создан для двух задач, которые научный бенчмарк обычно вынужден разделять между двумя файлами: он оценивает химическое мышление и может использоваться как данные для постобучения. NVIDIA явно называет два семейства задач: предсказание растворимости и метаболическую судьбу.
• Рецепты и инструменты — рецепты дообучения для адаптации к предметной области, а также связующая обвязка, позволяющая агенту вызывать ускоренное CUDA-X научное ПО как инструменты. Именно этот компонент превращает чат-модель в нечто, способное запускать симуляцию, читать вывод и решать, что делать дальше.
Чекпойнт — наименее оригинальный из трёх, а датасет — самый долговечный. Наборы для бенчмарков устаревают; набор из 50 000 вопросов по химии с разрешительной лицензией — это то, что будут цитировать и через три года, и именно на эту часть релиза NVIDIA потратила больше всего, чтобы отдать её бесплатно.

Что на самом деле демонстрируют результаты партнёра
В анонсе названы семь организаций, и цифры, привязанные к ним, — это самое близкое к доказательствам, что есть в пресс-релизе. Все они получены от самих поставщиков, и ни одна из них не была независимо воспроизведена — эта оговорка относится к каждому числу в этом разделе и является причиной читать их как примеры из практики, а не как баллы.
Terray Therapeutics дообучила модель на химических схемах — схемах реакций, которые рисуют в патентах и статьях, — чтобы извлекать реагенты, продукты и условия реакций. На RxnScribe она восстановила около 76% размеченных реакций и превзошла ранее опубликованные результаты на двух бенчмарках. Извлечение данных со схем — занятие негламурное, и именно на него уходит значительная доля реального химического труда, поэтому показатель восстановления 76% на именованном бенчмарке — более полезное утверждение, чем оценка за рассуждения.
Lila Sciences — это число, на которое опирается релиз. Создавая готовые к выполнению лабораторные протоколы для автоматизированных лабораторий, базовая модель сравнялась с передовыми решениями вообще без дообучения. После дообучения с обратной связью из лаборатории точность синтеза квантовых точек достигла 61% против 54% у GPT-6 Astra при в 10–20 раз меньшей стоимости инференса. Стоит отметить два момента. Разрыв в семь пунктов реален, если реален сам протокол, а более значимой цифрой является кратность затрат — экономия на инференсе в 10–20 раз меняет то, какие эксперименты вообще стоит проводить. Но это сравнение провела сторона, выполнявшая дообучение, на выбранной ею задаче и с названным ею конкурентом.
Therna прошла дообучение для агентного проектирования мРНК-терапевтических препаратов и почти вдвое повысила точность прогнозирования диапазона экспрессии белка. В слепом сравнении учёные предпочитали её объяснения объяснениям базовой модели в 96% случаев. Предпочтение — не точность, и 96%-я доля предпочтений говорит о том, как воспринимается ход рассуждений, а не о том, верно ли оно.
Затем институциональные внедрения — та часть, которая убеждает меня больше всего именно потому, что их не подают как победы. Argonne National Laboratory интегрирует Nemotron в StructBioReasoner — многоагентную систему для разработки терапевтических средств против рака на основе белков. Jülich Supercomputing Centre интегрирует его в агенты для открытия лекарств и научных исследований. RIKEN предоставляет модели, включая Super VL, на своей суперкомпьютерной платформе RIKYU через шлюз инференса RiVault — реальный путь в продакшене, на реальном оборудовании, для реальных пользователей. И KTH создал агент для исправления GROMACS, обеспечивший тот показатель в 81%, на одном DGX Spark, за одну ночь.
Результат KTH заслуживает отдельного предложения из-за своей формы. Неисправная конфигурация молекулярной динамики — это обыденный массовый сбой: несоответствующее силовое поле, топология, не соответствующая файлу координат, отсутствующий include-файл. Исправление 81% таких сбоев — не бенчмарк на способность рассуждать. Это модель выполняет ту работу, которую группа вычислительной химии сейчас поручает аспиранту, и проверяет её движок моделирования, а не сама модель, что делает этот результат самым чистым доказательством в релизе.
Почему это история о постобучении, рядящаяся в одежды модели
Перечитайте пресс-релиз и обратите внимание, что NVIDIA на самом деле просит вас сделать. Каждый без исключения результат партнёров связан с адаптацией: Terray дообучена на диаграммах, Lila — на лабораторной обратной связи, Therna — на дизайне мРНК. Ни одна из ключевых цифр не получена из чекпойнта в том виде, в каком он поставляется. Это сделано намеренно, и это самое честное в этом анонсе.
Аргумент в том, что базовые модели уже достаточно хороши, поэтому отличие обеспечивает цикл постобучения, а не прогон предобучения. NVIDIA продаёт именно этот цикл: 120B-чекпоинт с разрешительной лицензией, который можно дообучать без юридической проверки, датасет по химии для дообучения и рецепты, описывающие, как это сделать. Это по-настоящему иной питч, чем «наша модель умнее», и такой питч работает только если веса открыты — именно поэтому лицензия важнее таблицы бенчмарков.
Это также объясняет аппаратную линейку. NVIDIA утверждает, что модель оптимизирована для локального запуска на 128-ГБ DGX Spark, причём сборка BF16 требует 4× H100 или 2× GB200, тогда как сборка NVFP4 помещается на один DGX Spark, H200, два H100 или GB200. Цикл постобучения — это итеративная, высоконагруженная и низколатентная рабочая нагрузка, и разница между «арендовать узел» и «на столе стоит коробка» — это разница между циклом, который вы запускаете дважды в квартал, и тем, который вы запускаете дважды в день.
Пробелы, если говорить прямо
В релизе отсутствуют три вещи, и каждая из них повлияла бы на ваши планы.
• Независимой оценки научных утверждений нет. Artificial Analysis действительно отслеживает Nemotron 3.5 Super VL — там указаны Intelligence Index, равный 14, вывод со скоростью 291 токен в секунду, время до первого токена ответа 11,85 секунды и указанная цена $0,20 за миллион входных и $0,50 за миллион выходных токенов при 75%-й скидке на кэш. Это полезно, и это данные третьей стороны. Но ничто из этого не является химическим бенчмарком. Каждая научная цифра в релизе SC26 исходит от стороны, заинтересованной в результате, а LitmusBench v0.2 настолько нов, что ни одна внешняя группа ещё не опубликовала по нему оценку.
• Опубликованной цены за модель как услугу нет. Указанные в AA $0.20/$0.50 — это тариф сторонней платформы, а не прайс-лист NVIDIA — NVIDIA не публиковала расценок за токен для NIM. Если вы планируете бюджет, честный ответ на сегодня таков: самохостинг — единственный путь с известной стоимостью.
• Оценки цикла агента нет — только оценка компонентов. В рецептах описывается агент, который планирует, запускает симуляции, проверяет результаты и корректирует свои действия. Никто в релизе не сообщает, как часто этот цикл завершается без участия человека, сколько вызовов инструментов он расходует и во сколько обходится каждая выполненная задача. Именно эти цифры решают, является ли агент продуктом или демонстрацией, и их нет.

Что это значит, если вы строите
Практический вывод таков: Nemotron for Science — это не модель, которую вы внедряете, а стартовый набор. Если ваша группа занимается химией или структурной биологией и у вас есть вычислительные мощности на GPU, то сочетание чекпойнта на 120B с разрешительной лицензией, 50 000 вопросов по химии и набора опубликованных рецептов — это по-настоящему хороший пакет для первой недели, а результат KTH позволяет предположить, что цикл вызова инструментов работает достаточно хорошо, чтобы быть полезным при рутинных сбоях.
Он не является готовой заменой размещённому API. Nemotron 3.5 Super VL отсутствует в нашем каталоге; сегодня мы его не предоставляем, и именно на самостоятельное развёртывание фактически ориентирован этот выпуск. Там, где команды используют размещённую модель в качестве слоя рассуждений более крупного конвейера — а большинство так и делает, поскольку агентный цикл вокруг научной модели обычно строится на универсальной модели — вопрос маршрутизации не относится к этому анонсу. Один ключ более чем к 200 моделям по цене из прайс-листа провайдера с наценкой 0% и автоматическим переключением при сбое, когда вышестоящий провайдер деградирует посреди выполнения, — это та часть, которая не даёт многочасовой агентной задаче умереть на третьем часу из-за того, что у одного провайдера выдался неудачный день.
Что посмотреть дальше
Первая внешняя оценка LitmusBench v0.2 даёт больше, чем любой отдельный бенчмарк, потому что это единственное число здесь, которое может получить нейтральная сторона. Опубликованный прайс-лист NIM превратил бы сравнение затрат в арифметику, а не в позиционирование. А отчёт о самом цикле агента — доля завершённых задач, бюджет вызовов инструментов, стоимость на завершённую задачу — это то, что превратило бы этот перспективный комплект в решение о закупке.
А пока что самая честная формулировка — та, которую релиз невольно даёт сам себе: в октябре NVIDIA выпустила хорошую контрольную точку, а в ноябре — то, что делает эту контрольную точку полезной. Это менее громкое объявление и при этом более ценное.

