Титульная карточка для сравнения с заголовком «Nemotron for Science vs Nemotron 3.5 Super», где говорится, что это не две модели: октябрьский чекпойнт со 120B общих и 12B активных параметров и 512 маршрутизируемыми экспертами на каждом слое MoE, веса на Hugging Face от 12 октября 2026 года и анонс 15 октября, ноябрьский пакет от 16 ноября на SC26 в Чикаго, и примерно 50 000 вопросов LitmusBench v0.2 как единственный новый артефакт модели.
Engineering & Research

Nemotron for Science vs Nemotron 3.5 Super: те же веса, другой продукт

Автор

jinhao.song

Дата публикации

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

В основе этого сравнения лежит неудобный факт: NVIDIA Nemotron for Science и NVIDIA Nemotron 3.5 Super — это не две модели. Это один и тот же чекпоинт на 120 млрд параметров, выпущенный с интервалом в пять недель в разной упаковке. Nemotron 3.5 Super — это веса: репозиторий под более полным названием Nemotron 3.5 Super VL 120B A12B, доступный на Hugging Face с 12 октября 2026 года, анонсированный 15 октября, OpenMDW-1.1, 12 млрд активных параметров на токен, контекст в 1M токенов. Nemotron for Science — это то, что NVIDIA анонсировала на SC26 16 ноября: этот чекпоинт плюс LitmusBench v0.2, примерно 50 000 вопросов по химическому рассуждению, плюс рецепты посттренировки и интеграция инструментов CUDA-X, плюс семь названных институциональных внедрений.

Так что полезный вопрос — не о том, что лучше. А о том, что ноябрьский пакет добавляет к октябрьскому чекпоинту, оправдывают ли эти добавления отдельное название, и что вы на самом деле скачали бы сегодня, если бы хотели запускать химических агентов на кремнии NVIDIA. Это более интересный вопрос, чем таблица характеристик, и ответ льстит NVIDIA сильнее, чем обычно бывает в истории о переупаковке.

Что идентично, и это составляет большую часть этого

Начните с контрольной точки, потому что всё в обоих пакетах держится на ней. Архитектура не меняется между октябрём и ноябрём: гибридная смесь экспертов Mamba-2 и Transformer, 512 маршрутизируемых экспертов на слой MoE, головы предсказания нескольких токенов, визуальный энкодер C-RADIO и соединитель «видение — язык», 120 млрд общих параметров при 12 млрд активных на токен и контекст до 1 млн токенов. Входные данные — текст, RGB-изображения и MP4-видео длительностью до двух минут; выходные — текст. Уровень усилий при рассуждении настраивается через шаблон чата: выкл., средний или вкл.

• Параметры — 120B всего, 12B активных. Идентично в обоих. Нет контрольной точки Nemotron for Science с другим числом параметров, потому что отдельной контрольной точки Nemotron for Science не существует.

• Лицензия — OpenMDW-1.1 для коммерческого и некоммерческого использования. Идентичная, и именно она делает возможным сам питч постобучения.

• Контекст — 1 млн токенов, при этом карта рекомендует видео с частотой 2 FPS до 256 кадров или 1 FPS и 128 кадров при 1080p.

• Аппаратный минимум — 4× H100 или 2× GB200 при BF16; сборка NVFP4 умещается на одном DGX Spark, одном H200, двух H100 или одном GB200. Линейка DGX Spark — та, на которую опирается SC26, и та же линейка, которая уже фигурировала в октябрьской карточке.

• Бенчмарки — 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. Все данные заявлены производителем, все опубликованы вместе с октябрьской карточкой, ни один из них не является новым.

Если вы уже скачали Nemotron 3.5 Super в октябре, у вас есть модель, на которой основан Nemotron for Science. Ничто в ноябрьском анонсе не меняет её веса.

Что действительно нового, и это не пустяк

Теперь — то, ради чего стоит написать статью. 16 ноября появилось три вещи, которых не существовало 15 октября, и каждая из них меняет то, что вы можете сделать в первый же день.

LitmusBench v0.2 — главная новость. Около 50 000 вопросов по химическому рассуждению, построенных на данных о свойствах молекул и экспериментальных записях из области разработки лекарств и охватывающих такие задачи, как прогнозирование растворимости и того, как организм метаболизирует соединение. Два свойства делают его не просто очередным лидербордом: он открыт и предназначен для использования как для дообучения, так и для оценки. Модель 120B с разрешительной лицензией и без химических данных для тонкой настройки — это модель, для которой вам придётся создать набор данных; модель 120B, поставляемая с 50 000 размеченных вопросов по химии, — это модель, которую можно адаптировать за неделю. Вот в чём разница, которую даёт этот пакет.

Рецепты — это вторая часть. NVIDIA опубликовала рецепты постобучения для адаптации к предметной области и документацию по встраиванию модели в агентные рабочие процессы, которые читают научную информацию, пишут код и вызывают ускоренные инструменты CUDA-X. Для тех, кто пытался заставить универсальную модель правильно вызывать пакет молекулярной динамики, документация по подключению инструментов — это та неприглядная часть, которая определяет, работает ли цикл вообще.

Внедрения — это третье, и они служат доказательством, а не артефактами. Terray Therapeutics дообучила модель на химических схемах и восстановила около 76% аннотированных реакций в RxnScribe, превзойдя ранее опубликованные результаты по двум бенчмаркам. Lila Sciences достигла 61% точности синтеза квантовых точек против 54% у GPT-6 Astra при в 10–20 раз меньшей стоимости инференса. Therna почти вдвое повысила точность предсказания диапазона экспрессии белка для дизайна мРНК, при этом учёные предпочли её объяснения в 96% слепых сравнений. Argonne интегрирует её в StructBioReasoner; Jülich — в агентов для поиска лекарств и научных открытий; RIKEN предоставляет её на RIKYU через шлюз RiVault. А KTH создал агент по исправлению GROMACS, который за один ночной прогон на одном DGX Spark исправил 81% намеренно сломанных конфигураций, что подтвердил сам 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.

Почему разделение на два названия оправдано

Циничная интерпретация такова: NVIDIA дважды анонсировала одну и ту же модель. Я не считаю, что это выдерживает проверку, и причина в том, что эти два анонса отвечают на разные вопросы.

Вопрос октября был: «что это за чекпоинт и можно ли его развернуть?» Ответом была 120B vision-language MoE с окном в 1M токенов, минимальными требованиями к оборудованию от DGX Spark до узла GB200 и заявлением о скорости — в 5 раз быстрее следующего лучшего в своём классе, по данным NVIDIA, хотя Artificial Analysis не указывала эту модель в списке на момент, когда было сделано это заявление. Это запуск модели.

Вопрос ноября звучит так: «что группа химиков делает с этим в понедельник?» Ответ на него — это набор данных, рецепт и семь организаций, которые уже сделали это и сообщили цифры. Поставка весов — не тот же продукт, что поставка рабочего процесса, и именно второе исследовательская группа действительно может внедрить.

Самое сильное свидетельство в пользу такого прочтения — это характер результатов партнёров. Каждая без исключения ключевая цифра взята из варианта после дообучения, а не из чекпойнта в том виде, в каком он поставляется. Terray адаптировала его на диаграммах. Lila адаптировала его на отзывах лаборатории. Therna адаптировала его на данных по дизайну мРНК. Пакет не утверждает, что базовая модель — химик; он утверждает, что базовая модель — достаточно хорошая отправная точка, чтобы команда специалистов в предметной области могла сделать её химиком. Это более скромное и более полезное утверждение, и было бы странно выдвигать его в октябре — до того, как появился набор данных, с помощью которого его можно было бы сделать.

Чего пакет по-прежнему вам не даёт

Три пробела — в порядке того, насколько дорого вам обойдётся обнаружить их на собственном опыте.

• Независимой оценки химии нет. Artificial Analysis действительно включает Nemotron 3.5 Super VL — индекс интеллекта 14, 291 токен в секунду на выходе, 11,85 с до первого токена ответа, $0,20 за миллион входных и $0,50 за миллион выходных токенов при 75% скидке на кэш. Это сторонняя общая оценка, и о ней стоит знать. Это не оценка по химии. Каждая научная цифра в релизе SC26 была получена стороной, заинтересованной в ней, а LitmusBench v0.2 настолько нов, что ни одна внешняя группа не опубликовала по нему результатов.

• Нет цены от поставщика. Указанные выше $0.20/$0.50 — это тариф сторонней платформы, а не прайс-лист NVIDIA. NVIDIA не опубликовала цену NIM за токен, а значит, единственный путь бюджетирования с известной стоимостью — самостоятельный хостинг.

• Нет данных о доле завершённых циклов агента. В результате KTH сообщается, что исправлено 81% тестовых случаев, — это самое конкретное число в релизе, но там не указано, сколько вызовов инструментов потребовалось для каждого исправления, как часто агент зацикливался без прогресса и сколько стоило выполнение завершённой задачи. Именно эти цифры определяют, пригоден ли агент к развёртыванию или он лишь впечатляет.

Как это запустить и где вписывается окружающий стек

Рекомендации по развёртыванию на удивление однозначны для релиза с открытыми весами, поэтому воспринимайте их буквально. В карточке модели указаны vLLM с TP4 или TP2, --trust-remote-code, асинхронным планированием, спекулятивным декодированием MTP с пятью черновыми токенами и --max-num-seqs 32; либо SGLang с FP8 KV-кэшем и спекулятивным декодированием EAGLE на пяти шагах. Сэмплирование: температура 1.0 с top_p 0.95 для текста и 0.6 с 0.95 для изображений, а имя сервера в примерах — nemotron-3.5-super-vl. Мультимодальные ограничения — одно изображение и одно видео на запрос. Это конфигурация, которую можно скопировать, а не выводить самостоятельно.

Nemotron 3.5 Super VL отсутствует в нашем каталоге — мы его не предоставляем, поэтому реальный путь здесь — самостоятельный хостинг, и для статьи об открытом чекпоинте это вполне уместно сказать. Наша часть стека проявляется не внутри научной модели, а вокруг неё. Исследовательский агент — это планировщик, обёрнутый вокруг предметного чекпоинта: он декомпозирует задачу, вызывает химическую модель, вызывает симуляцию, читает результат и решает, что делать дальше. Планировщик обычно представляет собой универсальную модель, и именно на этом уровне один ключ к более чем 200 моделям по прайс-листу провайдера с наценкой 0 % экономит работу по интеграции — с автоматическим переключением при сбое, чтобы шестичасовой ночной прогон не оборвался на пятом часу из-за деградации одного провайдера. Объединение моделей — ещё один рычаг, о котором стоит знать в этом контексте: пул моделей, совместно отвечающих на один и тот же химический вопрос, — разумный способ отсеять, какие протоколы стоит запускать на реальном оборудовании.

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.

Что посмотреть

Первый внешний результат LitmusBench v0.2 — это самое полезное, что могло бы появиться, потому что это единственное число в этой истории, которое может получить нейтральная сторона. Тарифная карта NIM превратила бы сравнение хостингового и самостоятельно размещённого вариантов из догадок в арифметику. А отчёт по агентному циклу — доля завершённых задач, бюджет вызовов инструментов, стоимость одной завершённой задачи — превратил бы результаты KTH и Lila из обнадёживающих историй в нечто, на что группа может опираться при планировании.

А пока — коротко: если вы скачали Nemotron 3.5 Super в октябре, Nemotron for Science его не заменяет, а дополняет — данными и рецептами, которые превращают его в инструмент для химии. Если не скачали, ноябрьский пакет — более удобная точка входа, потому что это те же веса, но с прилагающимся стартовым набором.

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.
© 2026 OrcaRouter