Thẻ tiêu đề cho NVIDIA Nemotron for Science, với tiêu đề 'những gì đã ra mắt và những gì nó chứng minh', cùng bốn số liệu thống kê: khoảng 50.000 câu hỏi hóa học LitmusBench v0.2, 120B tổng và 12B tham số hoạt động, 81% các thiết lập GROMACS được một tác nhân KTH sửa chữa trong một lần chạy DGX Spark qua đêm, và cửa sổ ngữ cảnh 1M token.
Engineering & Research

Bên trong NVIDIA Nemotron for Science: Bộ Open Chemistry Stack của SC26 thực sự cung cấp những gì

Tác giả

Gideon Frost

Ngày đăng

Mô hình mới nhất · 20Xem tất cả mô hình →
Benchmark: Artificial Analysis · cập nhật hằng ngày
Quay lại tất cả bài viết

Tám mươi mốt phần trăm là con số đáng để bắt đầu, và đó không phải là điểm chuẩn đánh giá. Đó là tỷ lệ các thiết lập động lực học phân tử GROMACS bị cố ý làm hỏng mà một tác nhân được xây dựng trên NVIDIA Nemotron for Science đã sửa chữa trong một lần chạy qua đêm duy nhất trên một máy trạm DGX Spark, theo Viện Công nghệ Hoàng gia KTH — với mọi bản sửa lỗi đều được chính GROMACS kiểm tra thay vì để một mô hình tự chấm bài của chính nó. NVIDIA đã công bố bộ sưu tập này vào ngày 16 tháng 11 năm 2026 tại SC26 ở Chicago, thông qua Ian Buck, Phó Chủ tịch mảng Siêu quy mô và Điện toán Hiệu năng cao của hãng. Đó là ba thành phần trong một gói: checkpoint mở Nemotron 3.5 Super VL, một bộ dữ liệu hóa học mở có tên LitmusBench v0.2 với khoảng 50.000 câu hỏi, và một bộ công thức hậu huấn luyện giúp kết nối mô hình vào các công cụ khoa học được tăng tốc CUDA-X.

Sự kết hợp đó mới là phần thú vị, và đó không phải phần mà tiêu đề quảng bá. Việc một nhà cung cấp phát hành thêm một checkpoint mở là chuyện thường nhật vào cuối năm 2026; NVIDIA đã phát hành cái này vào tháng 10. Điều mới mẻ vào ngày 16 tháng 11 là phần khung xung quanh nó — bộ đánh giá, các công thức, và một tập hợp các triển khai theo tổ chức được nêu tên mô tả điều gì xảy ra khi bạn hướng mô hình vào một quy trình khoa học thực tế thay vì một bảng xếp hạng. Bài viết này đi qua những gì thực sự có trong bộ sưu tập, các con số từ đối tác chứng minh được và không chứng minh được điều gì, và những lỗ hổng nằm ở đâu cho bất kỳ ai đang lên kế hoạch xây dựng dựa trên nó.

Ba hiện vật, được tách riêng

Thông cáo báo chí của NVIDIA và bài đăng X đi kèm mô tả một gói duy nhất. Việc tách rời gói này rất quan trọng, vì mỗi phần có lập trường giấy phép khác nhau, mức độ trưởng thành khác nhau và lý do khác nhau để quan tâm.

• Bản checkpoint — Nemotron 3.5 Super VL, một hỗn hợp chuyên gia 120 tỷ tham số với 12 tỷ tham số hoạt động trên mỗi token, kiến trúc lai Mamba-2 và Transformer với 512 chuyên gia được định tuyến trên mỗi lớp MoE, bộ mã hóa thị giác C-RADIO và ngữ cảnh lên tới 1 triệu token. Đầu vào gồm văn bản, hình ảnh và video MP4 dài 2 phút; đầu ra là văn bản. OpenMDW-1.1, dùng cho mục đích thương mại và phi thương mại, trọng số có trên Hugging Face. Đây không phải là thông tin mới vào ngày 16 tháng 11 — kho lưu trữ đã được đưa lên vào ngày 12 tháng 10 và thông báo của chính NVIDIA tiếp theo vào ngày 15 tháng 10.

• Bộ dữ liệu — LitmusBench v0.2, một bộ mở gồm khoảng 50.000 câu hỏi suy luận hóa học được rút ra từ dữ liệu tính chất phân tử và hồ sơ thực nghiệm khám phá thuốc. Nó được xây dựng cho hai việc mà một bộ đánh giá khoa học thường phải tách giữa hai tệp: nó đánh giá suy luận hóa học và có thể dùng làm dữ liệu hậu huấn luyện. Dự đoán độ tan và số phận chuyển hóa là hai họ nhiệm vụ mà NVIDIA nêu rõ.

• Các công thức và bộ công cụ — các công thức hậu huấn luyện cho thích ứng miền, cùng cơ chế kết nối cho phép một tác nhân gọi phần mềm khoa học được tăng tốc CUDA-X như các công cụ. Đây là phần biến một mô hình trò chuyện thành thứ có thể chạy mô phỏng, đọc đầu ra và quyết định làm gì tiếp theo.

Checkpoint là thứ ít mới lạ nhất trong ba thứ, còn bộ dữ liệu là thứ bền vững nhất. Các bộ benchmark rồi sẽ cũ đi; một bộ 50.000 câu hỏi hóa học với giấy phép thoáng là kiểu thứ vẫn được trích dẫn sau ba năm nữa, và đây là phần trong bản phát hành này mà NVIDIA đã chi nhiều nhất để cho đi.

A two-column summary card contrasting what was announced at SC26 with what is not yet established: the checkpoint is Nemotron 3.5 Super VL at 120B total and 12B active, the dataset is LitmusBench v0.2 at about 50,000 questions, partner results include 76% RxnScribe recovery at Terray and 61% versus 54% quantum-dot accuracy at Lila, the licence is OpenMDW-1.1, and no NVIDIA rate card or agent completion rate has been published.

Kết quả của đối tác thực sự chứng minh điều gì

Bảy tổ chức được nêu tên trong thông báo, và những con số gắn với họ là thứ gần nhất với bằng chứng trong thông cáo. Tất cả đều do nhà cung cấp tự báo cáo và không có con số nào được tái tạo độc lập — lưu ý đó áp dụng cho mọi con số trong phần này, và đó là lý do nên đọc chúng như các nghiên cứu điển hình thay vì như điểm số.

Terray Therapeutics đã huấn luyện tiếp mô hình trên các sơ đồ hóa học — những sơ đồ phản ứng được vẽ trong bằng sáng chế và bài báo — để trích xuất chất tham gia phản ứng, sản phẩm và điều kiện phản ứng. Trên RxnScribe, mô hình khôi phục được khoảng 76% các phản ứng được chú thích và vượt qua các kết quả đã công bố trước đó trên hai bộ đánh giá chuẩn. Trích xuất sơ đồ là công việc không hào nhoáng và là nơi một phần lớn lao động hóa học thực tế thực sự diễn ra, vì vậy tỷ lệ khôi phục 76% trên một bộ đánh giá chuẩn được nêu tên là một tuyên bố hữu ích hơn một điểm số suy luận.

Lila Sciences là con số mà bản phát hành dựa vào. Khi tạo ra các quy trình thí nghiệm sẵn sàng thực thi cho các phòng thí nghiệm tự động, mô hình cơ sở đã đạt hiệu năng tiên phong mà hoàn toàn không cần tinh chỉnh. Với hậu huấn luyện dựa trên phản hồi từ phòng thí nghiệm, độ chính xác tổng hợp chấm lượng tử đạt 61% so với 54% của GPT-6 Astra, với chi phí suy luận thấp hơn 10–20×. Có hai điều đáng lưu ý. Khoảng cách bảy điểm là thật nếu quy trình là thật, và bội số chi phí mới là con số có hệ quả lớn hơn — mức tiết kiệm chi phí suy luận 10–20× thay đổi việc những thí nghiệm nào đáng để chạy ngay từ đầu. Nhưng đây là một phép so sánh do chính bên đã thực hiện hậu huấn luyện tiến hành, trên một nhiệm vụ do họ chọn, với một đối thủ do họ nêu tên.

Therna được huấn luyện sau cho thiết kế trị liệu mRNA có tính tác tử và gần như tăng gấp đôi độ chính xác dự đoán phạm vi biểu hiện protein. Trong một so sánh mù, các nhà khoa học thích phần giải thích của nó hơn mô hình cơ sở trong 96% trường hợp. Sự ưa thích không phải là độ chính xác, và tỷ lệ ưa thích 96% là một nhận định về việc lập luận được đọc ra sao, chứ không phải về việc nó có đúng hay không.

Tiếp theo là các triển khai cấp tổ chức, phần tôi thấy thuyết phục nhất chính vì chúng không được trình bày như những chiến thắng. Argonne National Laboratory đang đưa Nemotron vào StructBioReasoner, một hệ thống đa tác tử để thiết kế các liệu pháp điều trị ung thư dựa trên protein. Jülich Supercomputing Centre đang tích hợp nó vào các tác tử khám phá thuốc và khoa học. RIKEN đang phục vụ các mô hình, bao gồm cả Super VL, trên nền tảng siêu máy tính RIKYU của mình thông qua cổng suy luận RiVault — một lộ trình sản xuất thực tế, trên phần cứng thực, cho người dùng thực. Và KTH đã xây dựng tác tử sửa chữa GROMACS đằng sau con số 81% đó, trên một DGX Spark duy nhất, chỉ trong một đêm.

Kết quả KTH xứng đáng có một câu riêng vì hình dạng của nó. Một thiết lập động lực học phân tử bị hỏng là kiểu lỗi tầm thường nhưng xảy ra với tần suất lớn: trường lực không khớp, cấu trúc liên kết không khớp với tệp tọa độ, thiếu include. Việc sửa 81% trong số đó không phải là một bài đánh giá năng lực suy luận. Đó là việc mô hình đang làm loại công việc mà một nhóm hóa học tính toán hiện giao cho một nghiên cứu sinh, và nó được xác minh bởi công cụ mô phỏng chứ không phải bởi mô hình, điều này khiến nó trở thành bằng chứng rõ ràng nhất trong bản phát hành.

Tại sao đây lại là một câu chuyện hậu huấn luyện khoác lên mình bộ cánh của một mô hình

Hãy đọc lại thông cáo phát hành và để ý xem NVIDIA thực sự đang yêu cầu bạn làm gì. Mọi kết quả của từng đối tác đều liên quan đến việc thích ứng: Terray được huấn luyện tiếp trên sơ đồ, Lila được huấn luyện tiếp trên phản hồi phòng thí nghiệm, Therna được huấn luyện tiếp trên thiết kế mRNA. Không một con số nổi bật nào đến từ checkpoint nguyên trạng như khi phát hành. Đó là chủ ý, và đó là điều trung thực nhất trong thông báo.

Luận điểm là các mô hình nền giờ đã đủ tốt đến mức yếu tố khác biệt nằm ở vòng huấn luyện hậu kỳ, chứ không phải ở lần chạy tiền huấn luyện. NVIDIA đang bán chính cái vòng đó: một checkpoint 120B được cấp phép thoáng mà bạn có thể tinh chỉnh mà không cần rà soát pháp lý, một bộ dữ liệu hóa học để tinh chỉnh, và các công thức mô tả cách thực hiện. Đó là một lời chào hàng thực sự khác biệt so với "mô hình của chúng tôi thông minh hơn", và đó là lời chào hàng chỉ có thể hiệu quả nếu trọng số là mở — chính vì thế mà giấy phép quan trọng hơn bảng điểm chuẩn.

Điều đó cũng giải thích dòng phần cứng. NVIDIA cho biết mô hình được tinh chỉnh để chạy cục bộ trên DGX Spark 128GB, và bản dựng BF16 cần 4× H100 hoặc 2× GB200, trong khi bản dựng NVFP4 vừa với một DGX Spark, một H200, hai H100 hoặc một GB200. Vòng lặp hậu huấn luyện là một khối lượng công việc lặp đi lặp lại, khối lượng lớn, độ trễ thấp, và sự khác biệt giữa "thuê một node" và "có một chiếc máy ngay trên bàn thử" chính là sự khác biệt giữa một vòng lặp bạn chạy hai lần mỗi quý và một vòng lặp bạn chạy hai lần mỗi ngày.

Những khoảng trống, được nói rõ ràng

Có ba điều còn thiếu trong bản phát hành, và mỗi điều sẽ thay đổi cách bạn lập kế hoạch.

• Không có đánh giá độc lập nào về các tuyên bố khoa học. Artificial Analysis có theo dõi Nemotron 3.5 Super VL — họ liệt kê Chỉ số Thông minh là 14, đầu ra ở 291 token mỗi giây, thời gian đến token trả lời đầu tiên là 11,85 giây, và giá niêm yết là 0,20 USD cho mỗi triệu token đầu vào và 0,50 USD cho mỗi triệu token đầu ra với mức giảm giá bộ nhớ đệm 75%. Điều đó hữu ích và đây là bên thứ ba. Không có mục nào trong số đó là một bài đánh giá chuẩn về hóa học. Mọi con số khoa học trong bản phát hành SC26 đều đến từ một bên có lợi ích trong kết quả, và LitmusBench v0.2 còn quá mới đến mức chưa có nhóm bên ngoài nào công bố điểm số trên đó.

• Không có giá công bố cho mô hình dưới dạng dịch vụ. Mức $0,20/$0,50 được liệt kê trên AA là đồng hồ đo của một nền tảng bên thứ ba, không phải bảng giá của NVIDIA — NVIDIA chưa công bố con số nào trên mỗi token cho NIM. Nếu bạn đang lập ngân sách, câu trả lời trung thực vào lúc này là tự vận hành là con đường duy nhất có chi phí đã biết.

• Không đánh giá vòng lặp agent, chỉ đánh giá các thành phần. Các công thức mô tả một agent biết lập kế hoạch, chạy mô phỏng, kiểm tra kết quả và điều chỉnh. Không ai trong bản phát hành báo cáo vòng lặp đó hoàn tất mà không cần con người bao nhiêu lần, nó tiêu tốn bao nhiêu lần gọi công cụ, hay chi phí cho mỗi tác vụ hoàn thành là bao nhiêu. Đó là những con số quyết định một agent là sản phẩm hay bản demo, và chúng đang vắng mặt.

A screenshot of NVIDIA's newsroom press release announcing Nemotron for Science at SC26, showing the announcement headline, the dateline and the opening paragraphs describing the collection of open models, datasets, tools and post-training recipes.

Điều này có nghĩa gì nếu bạn đang xây dựng

Cách hiểu thực tế là Nemotron for Science không phải là một mô hình mà bạn chọn áp dụng; nó là một bộ khởi đầu. Nếu nhóm của bạn làm hóa học hoặc sinh học cấu trúc và bạn có năng lực GPU, thì sự kết hợp của một checkpoint 120B được cấp phép thoáng, 50.000 câu hỏi hóa học và một bộ công thức đã công bố là một gói tuần đầu thực sự tốt — và kết quả từ KTH cho thấy vòng lặp gọi công cụ hoạt động đủ tốt để hữu ích với những lỗi thường ngày.

Điều mà nó không phải là một bản thay thế dùng ngay được cho một API được lưu trữ. Nemotron 3.5 Super VL không có trong danh mục của chúng tôi; chúng tôi không cung cấp nó ở thời điểm hiện tại, và con đường tự lưu trữ chính là điều mà bản phát hành này thực sự được xây dựng xoay quanh. Ở những nơi các đội vận hành một mô hình được lưu trữ làm lớp lập luận của một pipeline lớn hơn — và hầu hết đều làm như vậy, bởi vòng lặp agent bao quanh mô hình khoa học thường là một mô hình tổng quát — thì câu hỏi định tuyến là vấn đề tách biệt với thông báo này. Một khóa duy nhất cho hơn 200 mô hình ở giá niêm yết của nhà cung cấp với mức phụ phí 0%, cùng với chuyển đổi dự phòng tự động khi một dịch vụ thượng nguồn bị suy giảm giữa chừng, chính là phần giữ cho một tác vụ agent kéo dài nhiều giờ không bị chết ở giờ thứ ba chỉ vì một nhà cung cấp có một buổi chiều tồi tệ.

Xem gì tiếp theo

Điểm số LitmusBench v0.2 từ bên ngoài đầu tiên giải quyết được nhiều hơn bất kỳ một benchmark đơn lẻ nào, vì đây là con số duy nhất ở đây mà một bên trung lập có thể tạo ra. Một bảng giá NIM được công bố sẽ biến việc so sánh chi phí thành bài toán số học thay vì định vị. Và một báo cáo về chính vòng lặp agent — tỷ lệ hoàn thành, ngân sách gọi công cụ, chi phí cho mỗi tác vụ hoàn thành — chính là thứ sẽ biến đây từ một bộ công cụ đầy hứa hẹn thành một quyết định mua sắm.

Cho đến lúc đó, bản tóm tắt công bằng nhất chính là bản mà thông cáo phát hành vô tình tự viết cho mình: NVIDIA đã phát hành một checkpoint tốt vào tháng 10, và đến tháng 11, họ phát hành thứ khiến checkpoint đó trở nên hữu ích. Đó là một thông báo kém hào hứng hơn nhưng lại có giá trị hơn.

A three-row card listing what the release does not establish: no independent science score despite Artificial Analysis tracking Nemotron 3.5 Super VL at Intelligence Index 14 and 291 tokens per second; no NVIDIA per-token rate card, only a third-party meter at $0.20 and $0.50 per million tokens; and no agent-loop completion rate, tool-call budget or cost per completed task.