Титульная карточка для сравнения с заголовком «Nemotron for Science vs GPT-Rosalind» и четырьмя статистическими показателями: открытые веса по OpenMDW-1.1 без необходимости подавать заявку; GPT-Rosalind — $5.00 за вход и $25.00 за выход за миллион токенов после проверки в рамках доверенного доступа; около 50 000 доступных для обучения вопросов по химии из LitmusBench v0.2; и 81% исправлений GROMACS в KTH за один ночной запуск DGX Spark.
Guides & Insights

Nemotron for Science против GPT-Rosalind: открытые веса против шлюза доверенного доступа

Автор

jinhao.song

Дата публикации

Новые модели · 20Все модели →
Бенчмарки: Artificial Analysis · обновляется ежедневно
Назад ко всем статьям

Спросите, сколько стоит каждый из этих двух, и получите ответ, который почти ничего не говорит о другом. NVIDIA Nemotron for Science, анонсированный на SC26 16 ноября 2026 года, представляет собой пакет для скачивания: открытый чекпойнт Nemotron 3.5 Super VL под OpenMDW-1.1, набор химических данных примерно на 50 000 вопросов под названием LitmusBench v0.2 и рецепты постобучения. Его предельная стоимость — это та GPU, которая у вас уже есть. GPT-Rosalind — это API с оплатой по мере использования, доступный через заявку: специализированная модель компании для наук о жизни, представленная 16 апреля 2026 года, 11 сентября 2026 года стала доступна по всему миру для организаций, соответствующих требованиям, со стоимостью $5.00 за миллион входных токенов и $25.00 за миллион выходных токенов с 5 октября. Одно — это набор. Другое — сервис с этапом проверки перед ним. Эта разница решает больше в вопросе, какой из них должна использовать ваша лаборатория, чем любой результат бенчмарка у любого из них.

Оба ярлыка гласят «наука», и в обоих случаях это слово несёт огромную нагрузку. Ни одна из моделей не является учёным общего назначения; каждая нацелена на конкретный участок исследовательской работы, создана компанией с конкретным коммерческим интересом в этом участке и оценивалась этой же компанией. Поэтому это сравнение разделяет три вопроса, которые обычно сливаются в репортажах о запуске: на что каждую модель фактически можно направить, кому разрешено её направлять и во сколько обходится один эксперимент на каждой из них.

Два разных продукта, а не две версии одного.

GPT-Rosalind — это модель рассуждения, настроенная для биологии — молекул, белков, генов, путей, механизмов заболеваний — с документированной экосистемой плагинов из более чем 50 инструментов для наук о жизни и подтверждённой историей исследовательских заметок, включающей запуск распределённых агентов, который отсеял более 700 источников до 11. Доступ к ней осуществляется через ChatGPT, Codex и API, а маршрут через API требует прохождения программы доверенного доступа OpenAI. Это ограничение на саму модель, а не на какую-то функцию. Возможность реальна; вопрос в том, получите ли вы её.

«Nemotron for Science» — это не модель в том же смысле. Модель внутри неё, Nemotron 3.5 Super VL, выпустила свои веса 12 октября 2026 года, а NVIDIA анонсировала её 15 октября — за пять недель до SC26. То, что появилось 16 ноября, — это сопутствующая инфраструктура: набор для оценки в области химии, рецепты посттренировки и документация о том, как подключить модель к научному ПО CUDA-X в качестве вызываемых инструментов. Никто не ограничивает к ней доступ. Вы клонируете её, подбираете оборудование, дообучаете на собственных данных, и единственный этап согласования — ваш собственный бюджет на вычисления.

Вся суть сравнения — в этой асимметрии, и всё нижеследующее есть её следствие.

Табло, измерение за измерением

• Модель доступа — Nemotron for Science: открытые веса на Hugging Face по лицензии OpenMDW-1.1, коммерческое и некоммерческое использование, без подачи заявки. GPT-Rosalind: проверка доверенного доступа перед первым вызовом API; доступ к чату через отдельную академическую программу, которая явно исключает вызовы API.

• Прейскурантная цена — Nemotron for Science: у поставщика нет тарифной карты; при самохостинге затраты — это ваше оборудование. Сторонний инференс указывает Super VL по цене $0,20 за миллион входных и $0,50 за миллион выходных токенов, со скидкой 75% за кэширование и смешанной ставкой $0,13. GPT-Rosalind: $5,00 за входные / $25,00 за выходные за миллион, $0,50 за кэшированные входные.

• Параметры — Nemotron 3.5 Super VL: всего 120B, 12B активных на токен, гибридная MoE на основе Mamba-2 и Transformer с 512 маршрутизируемыми экспертами на слой MoE. GPT-Rosalind: не раскрывается.

• Контекст и модальность — У обоих — 1 млн токенов. Super VL принимает текст, изображения и MP4-видео длительностью до двух минут и выдаёт текст. GPT-Rosalind принимает текст и научные файлы через ChatGPT, Codex и API; публичных заявлений о поддержке ввода изображений общего назначения нет.

• Доказательства в предметной области — Nemotron for Science: семь названных партнёров и учреждений, включая 76% восстановления реакций на RxnScribe в Terray, 81% исправленных сломанных установок GROMACS агентом KTH за один ночной запуск на DGX Spark и 61% против 54% точности синтеза квантовых точек по сравнению с GPT-6 Astra в Lila Sciences. GPT-Rosalind: лидирует в BixBench, MedChemBench 27,5%, GeneBench 21,6%, LabWorkBench 63,2% и прирост производительности на токен 4,42% на LifeSciBench. Все показатели заявлены поставщиками с обеих сторон.

• Независимая оценка — Nemotron 3.5 Super VL: индекс интеллекта Artificial Analysis — 14, 291 токен в секунду, 11,85 с до первого токена ответа. GPT-Rosalind: не отслеживается в этом индексе.

A two-column comparison scoreboard for Nemotron for Science and GPT-Rosalind across six dimensions: access, list price, parameters, context and modality, domain evidence, and independent score. Nemotron is open weights at 120B total and 12B active with an Artificial Analysis Intelligence Index of 14; GPT-Rosalind is trusted-access reviewed, priced at $5.00 input and $25.00 output per million with 27.5% on MedChemBench and 63.2% on LabWorkBench, and is not tracked on that index.

Химия и биология — это не один и тот же критерий.

Вот несоответствие, которое скрывает чтение спецификация за спецификацией. Опубликованные свидетельства GPT-Rosalind носят преимущественно биологический характер: диапазоны экспрессии белков, рассуждения на генном уровне, медицинская химия, работа с лабораторными протоколами. Опубликованные свидетельства Nemotron for Science носят преимущественно химический и вычислительный характер: извлечение схем реакций, прогнозирование растворимости, метаболическая судьба, синтез квантовых точек, коррекция молекулярной динамики. И то и другое — «наука», но группа вычислительной химии и группа трансляционной онкологии не работают на одном рынке.

Где они действительно пересекаются — это агентный слой, и здесь доказательства NVIDIA необычно конкретны. Модель, которая читает повреждённый входной набор GROMACS, выясняет, почему топология и файл координат не согласуются, и выдаёт исправление, которое затем принимает движок, выполняет многошаговое использование инструментов с проверяемой наградой — и KTH сообщает о 81% успеха на построенных ими тестовых случаях. Сопоставимое свидетельство Rosalind — это 32-минутный прогон гипотезы о транспорте холестерина в октябре, где тысячи взаимодействующих агентов отобрали из более чем 700 источников 11, а слепые рецензенты предпочли результат примерно в трёх четвертях сравнений. Оба источника — первичные. Оба описывают цикл, который планирует, выполняет и проверяет. Ни один не публикует долю завершений под производственной нагрузкой — а именно это число действительно позволило бы их сравнить.

Рассматривайте две доказательные базы как взаимодополняющие, а не конкурирующие. Если вы занимаетесь лабораторной биологией, химический набор данных NVIDIA почти не имеет к вам отношения, и читать нужно строки MedChemBench и LabWorkBench от Rosalind. Если вы занимаетесь вычислительной химией или молекулярным моделированием, результаты GROMACS и квантовых точек описывают вашу реальную рабочую неделю, а биологическая настройка Rosalind — это то, за что вы платили бы надбавку и не использовали.

Сколько стоит эксперимент — подсчитано

Цена за токен — неправильная единица для обоих этих случаев, поэтому вот арифметика, которая имеет значение. Возьмём прогон постобучения Nemotron for Science: модель на 120B в BF16 требует 4× H100 или 2× GB200 либо один DGX Spark в сборке NVFP4. Один ночной прогон на одном DGX Spark — конфигурация KTH — это фиксированная, заранее известная стоимость на фоне оборудования, которым вы либо владеете, либо арендуете почасово. Набор данных бесплатен, а рецепты опубликованы. Можно запустить цикл сто раз, и предельная стоимость девяносто девятого прогона будет такой же, как первого.

Теперь та же итерация для специализированной модели с оплатой по факту использования. При $5,00 за ввод и $25,00 за вывод за миллион токенов один проход с длинным контекстом по большому научному корпусу — это не погрешность округления, а стоимость неудачной попытки взимается по той же ставке, что и успешной. Вот почему кешированный ввод по $0,50 так важен на стороне Rosalind: если ваши промпты имеют общий большой префикс, скидка составляет 90%, и экономика меняется полностью. Если нет — то нет.

Честный вывод из этой арифметики не в том, что «открытое дешевле». Он в том, что две модели ценообразования поощряют разные типы работы. Итеративное дообучение поощряет открытые веса, потому что вы платите за вычисления и ни за что больше. Разовая оценка сотни гипотез на передовой модели поощряет API с оплатой по использованию, потому что вы платите за то, что используете, и ни за что больше. Большинство исследовательских групп делают и то, и другое, и вот это неудобно.

A two-column cost card titled 'What one experiment costs, worked out', comparing a self-hosted Nemotron run against a metered GPT-Rosalind call across unit of cost, cost of run ninety-nine, cost of a failed attempt, shared prompt prefix discount, hardware requirement, and the kind of work each pricing shape rewards.

Где слой маршрутизации уместен, а где нет

Ни один из этих чекпойнтов не входит в наш каталог. Мы не предоставляем Nemotron 3.5 Super VL и не предоставляем GPT-Rosalind, и было бы странно писать статью, делающую вид, что это не так, — практический ответ для первого: скачать его, а для второго — подать заявку в OpenAI.

На нашей стороне границы находится та часть научного агента, которая не является научной моделью. Агент KTH GROMACS, конвейер извлечения Terray и генератор протоколов Lila — все это агенты, обернутые вокруг предметной модели: они планируют, вызывают инструменты, читают выходные данные и решают, что делать дальше, причем слой планирования обычно представляет собой универсальную, а не специализированную модель. Именно на этом слое один ключ для более 200 моделей по каталожной цене провайдера с наценкой 0% оправдывает себя, и именно здесь автоматическое переключение при сбое имеет значение — агентный запуск, который длится шесть часов, — это запуск, который вы не хотите потерять на пятом часу из-за того, что у одного вышестоящего провайдера выдался неудачный день. DSL маршрутизации компонует эти вызовы; специализированная модель остается там, где ей место.

Какой вариант выбрать

Если вы — группа по вычислительной химии или молекулярному моделированию с доступными GPU-ресурсами, Nemotron for Science — почти очевидный выбор: разрешительная лицензия, набор из 50 000 вопросов по химии, который можно использовать и для оценки, и для обучения, а также документированный цикл работы с инструментами, продемонстрированный на том самом режиме отказа, с которым вы сталкиваетесь каждую неделю. Отсутствие тарифной сетки поставщика не проблема, если вы всё равно собирались разворачивать решение у себя.

Если вы занимаетесь трансляционной биологией и вам нужна модель, которая рассуждает о белках и механизмах заболеваний, то из этих двух Rosalind — единственная, ориентированная на вашу работу, а проверка для получения доверенного доступа — это плата за вход. Заложите сроки этой проверки в план проекта и учтите, что бесплатные места по академической программе не включают доступ к API — университетской группе, которой нужен пайплайн, придётся заключить собственное коммерческое соглашение.

И если вы создаёте агента, а не модель, выбор менее значим, чем кажется. Оба можно вызывать из цикла; у обоих есть режимы отказов; ни один не публикует показатель завершаемости, который позволил бы решить вопрос. Разумный шаг — построить цикл так, чтобы модель под ним была значением конфигурации, а затем измерять. Это единственное сравнение, которое вам оставил любой из поставщиков.

A screenshot of the Artificial Analysis model page for Nemotron 3.5 Super VL, showing the model title, the NVIDIA open-weights label with an October 2026 release date, and the performance and price analysis panel with Intelligence Index 14, 291 output tokens per second, $0.20 input and $0.50 output per million tokens, a 75% cache discount, 11.85 seconds to first token and $0.56 per task, above the site's written analysis and a technical specifications sidebar.
© 2026 OrcaRouter