Ett titelkort för jämförelsen, med rubriken "Nemotron for Science vs GPT-Rosalind", med fyra statistikuppgifter: öppna vikter under OpenMDW-1.1 utan ansökan, GPT-Rosalind till $5.00 för indata och $25.00 för utdata per miljon token bakom granskning för betrodd åtkomst, ungefär 50 000 träningsbara LitmusBench v0.2-kemifrågor, och 81 % av GROMACS-rättningarna vid KTH i en enda DGX Spark-körning över natten.
Guides & Insights

Nemotron for Science vs GPT-Rosalind: Öppna vikter mot en grind för betrodd åtkomst

Författare

jinhao.song

Publiceringsdatum

Senaste modellerna · 20Visa alla modeller →
Benchmarks: Artificial Analysis · uppdateras dagligen
Tillbaka till alla inlägg

Fråga vad var och en av dessa två kostar och du får ett svar som nästan inte säger något om den andra. NVIDIA Nemotron for Science, som tillkännagavs på SC26 den 16 november 2026, är ett nedladdningsbart paket: den öppna checkpointen Nemotron 3.5 Super VL under OpenMDW-1.1, ett kemidataset med ungefär 50 000 frågor som heter LitmusBench v0.2 och recept för efterträning. Dess marginalkostnad är den GPU du redan äger. GPT-Rosalind är ett mätarbaserat API bakom en ansökan: företagets specialist för livsvetenskaper, som introducerades den 16 april 2026, öppnades världsomspännande för behöriga organisationer den 11 september 2026 och debiteras med 5,00 USD per miljon indatatokens och 25,00 USD per miljon utdatatokens sedan den 5 oktober. Det ena är ett kit. Det andra är en tjänst med ett granskningssteg framför sig. Den skillnaden har större betydelse för vilken av dem ditt labb bör använda än något benchmarkresultat för någon av dem.

Båda etiketterna säger "vetenskap", och det ordet får bära mycket i båda fallen. Ingen av modellerna är en allmän forskare; var och en är inriktad på en specifik del av forskningsarbetet, byggd av ett företag med ett specifikt kommersiellt intresse i den delen och utvärderad av det företaget. Så den här jämförelsen separerar tre frågor som slås ihop i bevakningen vid lansering: vad varje modell faktiskt kan riktas mot, vem som får rikta den och vad ett experiment kostar på var och en.

Två olika produkter, inte två versioner av en och samma

GPT-Rosalind är en resonemangsmodell finjusterad för biologi – molekyler, proteiner, gener, signalvägar, sjukdomsmekanismer – med ett dokumenterat plugin-ekosystem på över 50 livsvetenskapliga verktyg och en dokumenterad historik av forskningsnoteringar som omfattar en körning med distribuerade agenter där fler än 700 referenser sållades ned till 11. Den nås via ChatGPT, Codex och API:et, och API-vägen kräver att man klarar OpenAI:s program för betrodd åtkomst. Det är en grind för själva modellen, inte för en funktion. Kapaciteten är verklig; frågan är om du får den.

Nemotron for Science är inte en modell i samma bemärkelse. Modellen inuti den, Nemotron 3.5 Super VL, släppte sina vikter den 12 oktober 2026 och annonserades av NVIDIA den 15 oktober – fem veckor före SC26. Det som lanserades den 16 november är den omgivande apparaten: ett utvärderingsset för kemi, recept för efterträning och dokumentation för att koppla modellen till CUDA-X vetenskaplig programvara som anropbara verktyg. Ingen kontrollerar åtkomsten. Du klonar den, dimensionerar hårdvaran, finjusterar den på dina egna data, och det enda godkännandesteget är din egen beräkningsbudget.

Den asymmetrin är hela jämförelsen, och allt nedan är en följd av den.

Resultattavlan, dimension för dimension

• Åtkomstmodell — Nemotron for Science: öppna vikter på Hugging Face under OpenMDW-1.1, kommersiell och icke-kommersiell användning, ingen ansökan. GPT-Rosalind: granskning för betrodd åtkomst före det första API-anropet; chattåtkomst via ett separat akademiskt program som uttryckligen utesluter API-anrop.

• Listpris — Nemotron for Science: ingen prislista från leverantören; kostnaden för egen drift är din hårdvara. Tredjepartsinferens listar Super VL till $0,20 per miljon indata och $0,50 per miljon utdata, med 75 % cacheringsrabatt och en blandad taxa på $0,13. GPT-Rosalind: $5,00 indata / $25,00 utdata per miljon, $0,50 cachad indata.

• Parametrar — Nemotron 3.5 Super VL: 120B totalt, 12B aktiva per token, Mamba-2 och Transformer-hybrid-MoE med 512 routade experter per MoE-lager. GPT-Rosalind: ej offentliggjort.

• Kontext och modalitet — Båda 1M tokens. Super VL tar emot text, bilder och MP4-video på upp till två minuter och ger text som utdata. GPT-Rosalind tar emot text och vetenskapliga filer som indata via ChatGPT, Codex och API:et; inget allmänt påstående om bildindata har publicerats.

• Domänbevis — Nemotron for Science: sju namngivna partner och institutioner, inklusive 76 % reaktionsåtervinning på RxnScribe hos Terray, 81 % av trasiga GROMACS-konfigurationer som reparerats av en KTH-agent under en nattlig DGX Spark-körning, och 61 % mot 54 % i noggrannhet för kvantpricksyntes jämfört med GPT-6 Astra hos Lila Sciences. GPT-Rosalind: BixBench leder, MedChemBench 27,5 %, GeneBench 21,6 %, LabWorkBench 63,2 % och en prestandavinst per token på 4,42 % på LifeSciBench. Allt leverantörsrapporterat på båda sidor.

• Oberoende poäng — Nemotron 3.5 Super VL: Artificial Analysis Intelligence Index 14, 291 tokens per sekund, 11,85 s till första svarstoken. GPT-Rosalind: spåras inte i det indexet.

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.

Kemi och biologi är inte samma måttstock.

Detta är den diskrepans som en genomgång specifikation för specifikation döljer. GPT-Rosalinds publicerade evidens är övervägande biologisk: proteinuttrycksintervall, resonemang på gennivå, läkemedelskemi och arbete med laboratorieprotokoll. Nemotron for Science:s publicerade evidens är övervägande kemisk och beräkningsmässig: extrahering av reaktionsscheman, löslighetsprediktion, metaboliskt öde, syntes av kvantprickar och reparation av molekyldynamik. Båda är ”vetenskap”, och en grupp för beräkningskemi och en translationell onkologigrupp befinner sig inte på samma marknad.

Där de verkligen överlappar är i det agentiska lagret, och här är NVIDIAs bevis ovanligt konkreta. En modell som läser ett trasigt GROMACS-indatadeck, räknar ut varför topologin och koordinatfilen inte stämmer överens och tar fram en åtgärd som motorn sedan accepterar, utför verktygsanvändning i flera steg med en verifierbar belöning – och KTH rapporterar 81 % framgång på testfall som de själva har konstruerat. Det jämförbara Rosalind-beviset är den 32 minuter långa hypoteskörningen om kolesteroltrafficking från oktober, där tusentals samverkande agenter granskade över 700 referenser ner till 11 och blinda granskare föredrog resultatet i ungefär tre fjärdedelar av jämförelserna. Båda är förstapartsdata. Båda beskriver en loop som planerar, utför och kontrollerar. Ingen av dem publicerar en slutförandegrad under produktionsbelastning, vilket är den siffra som faktiskt skulle göra det möjligt att jämföra dem.

Läs de två evidensbaserna som kompletterande snarare än konkurrerande. Om ditt arbete är våtlabbsbiologi är NVIDIAs kemidatauppsättning nästan irrelevant för dig, och Rosalinds MedChemBench- och LabWorkBench-rader är de du bör läsa. Om ditt arbete är beräkningskemi eller molekylsimulering beskriver GROMACS- och kvantpricksresultaten din faktiska vecka, och Rosalinds biologiska finjustering är det du skulle betala extra för och inte använda.

Vad ett experiment kostar, uträknat

Prissättning per token är fel enhet för båda dessa, så här är aritmetiken som spelar roll. Ta en efterträningskörning på Nemotron for Science: en 120B-modell i BF16 kräver 4× H100 eller 2× GB200, eller en enda DGX Spark på NVFP4-bygget. En enda övernattningskörning på en DGX Spark – KTH-konfigurationen – är en fast, känd kostnad mot hårdvara som du antingen äger eller hyr per timme. Datasetet är gratis och recepten är publicerade. Du kan köra loopen hundra gånger, och marginalkostnaden för den nittionionde körningen är densamma som för den första.

Nu samma iteration på en specialist med förbrukningsbaserad debitering. Med $5,00 för indata och $25,00 för utdata per miljon token är en enda långkontextkörning över ett stort vetenskapligt korpus inte ett avrundningsfel, och kostnaden för ett misslyckat försök debiteras till samma taxa som ett lyckat. Det är därför cachad indata till $0,50 spelar så stor roll på Rosalind-sidan: om dina promptar delar ett stort prefix är rabatten 90 % och ekonomin förändras helt. Om de inte gör det, gör de inte det.

Den ärliga slutsatsen av den aritmetiken är inte "öppet är billigare". Det är att de två prissättningsmodellerna belönar olika typer av arbete. Iterativ finjustering belönar öppna vikter, eftersom du betalar för beräkningskraft och inget annat. Snabbutvärdering av hundra hypoteser mot en frontier-modell belönar ett användningsbaserat API, eftersom du betalar för det du använder och inget annat. De flesta forskargrupper gör båda, vilket är det besvärliga.

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.

Var routinglagret passar in, och var det inte gör det

Ingen av checkpointarna finns i vår katalog. Vi tillhandahåller inte Nemotron 3.5 Super VL och vi tillhandahåller inte GPT-Rosalind, och det skulle vara en märklig artikel som låtsades något annat – det praktiska svaret för den första är att du laddar ner den, och för den andra att du ansöker hos OpenAI.

Det som ligger på vår sida av gränsen är den del av en vetenskapsagent som inte är själva vetenskapsmodellen. KTH GROMACS-agenten, Terray-extraktionspipelinen och Lila-protokollgeneratorn är alla agenter byggda runt en domänmodell: de planerar, anropar verktyg, läser utdata och beslutar vad som ska göras härnäst, och planeringslagret är vanligtvis en allmän modell snarare än en specialist. Det lagret är där en enda nyckel som täcker mer än 200 modeller till leverantörens listpris med 0 % påslag gör nytta, och där automatisk failover spelar roll – en agentisk körning som tar sex timmar är en körning du inte vill förlora vid timme fem för att en uppströmsleverantör hade en dålig eftermiddag. Routing-DSL:en komponerar dessa anrop; specialisten stannar där den hör hemma.

Vilken ska man välja?

Om ni är en grupp för beräkningskemi eller molekylsimulering med GPU-kapacitet är Nemotron for Science nästan en självklarhet: tillåtande licens, en kemimängd med 50 000 frågor som ni både kan utvärdera och träna på, och en dokumenterad verktygsslinga som har demonstrerats på exakt det felmönster ni hanterar varje vecka. Avsaknaden av en leverantörsprislista är inget problem när ni ändå hade tänkt köra det lokalt.

Om du arbetar med translationell biologi och behöver en modell som resonerar kring proteiner och sjukdomsmekanismer, är Rosalind den enda av de två som är inriktad på ditt arbete, och granskningen för betrodd åtkomst är inträdesbiljetten. Avsätt tid för granskningsprocessen i projektplanen och notera att det akademiska programmets kostnadsfria platser inte omfattar API-åtkomst — en universitetsgrupp som vill ha en pipeline behöver ett eget kommersiellt avtal.

Och om du bygger agenten och inte modellen har valet mindre betydelse än det verkar. Båda kan anropas från en loop; båda har fellägen; ingen av dem publicerar den slutförandegrad som skulle avgöra frågan. Det kloka draget är att bygga loopen så att modellen under den är ett konfigurationsvärde och sedan mäta. Det är den enda jämförelse som någon av leverantörerna har lämnat till dig.

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.