用于对比的标题卡,标题为“Nemotron for Science vs GPT-Rosalind”,并列出四项统计数据:在 OpenMDW-1.1 下开放权重且无需申请;GPT-Rosalind 每百万 token 输入 5.00 美元、输出 25.00 美元,需经过可信访问审核;约 50,000 道可训练的 LitmusBench v0.2 化学题;在 KTH,一次夜间 DGX Spark 运行完成了 81% 的 GROMACS 修复。
Guides & Insights

Nemotron for Science 与 GPT-Rosalind:开放权重对抗可信访问门槛

作者

jinhao.song

发布日期

最新模型 · 20查看全部模型 →
基准测试:Artificial Analysis · 每日更新
返回全部文章

问问这两者各自要花多少钱,你得到的答案几乎不会说明另一个的花费。NVIDIA Nemotron for Science于2026年11月16日在SC26上发布,是一个可下载套件:采用 OpenMDW-1.1 的开放 Nemotron 3.5 Super VL 检查点、一个约含 50,000 个问题的化学数据集 LitmusBench v0.2,以及后训练配方。它的边际成本就是你已有的那块 GPU。GPT-Rosalind则是需要先申请才能使用的按量计费 API:该公司的生命科学专门产品于2026年4月16日推出,2026年9月11日向全球符合条件的组织开放,并自10月5日起按每百万输入 token 5.00 美元、每百万输出 token 25.00 美元计费。一个是工具包,另一个是带有审核步骤的服务。这个差异比任何一方的基准测试分数都更能决定你的实验室该选哪一个。

两个标签都写着“科学”,而这个词在两种情况下都承担了很重的含义。这两个模型都不是通用型科学家;每一个都针对研究工作中的某个特定环节,由一家在该环节有特定商业利益的公司构建,并由该公司进行评估。因此,这一比较拆解了在发布报道中常被混为一谈的三个问题:每个模型实际上可以被用来处理什么,谁被允许去使用它,以及在每个模型上做一次实验要花多少成本。

两个不同的产品,而不是同一个产品的两个版本。

GPT-Rosalind 是一个面向生物学——分子、蛋白质、基因、通路、疾病机制——进行调优的推理模型,拥有有据可查的插件生态,涵盖 50 多种生命科学工具,并有一份研究笔记记录,其中包括一次分布式智能体运行,从 700 多篇参考文献中筛选出 11 篇。它通过 ChatGPT、Codex 和 API 访问,而 API 途径需要完成 OpenAI 的可信访问计划。这是对模型本身的关卡,而不是对某项功能的关卡。能力是真实存在的;问题在于你是否能获得它。

Nemotron for Science 并不是同一意义上的模型。它内部的模型 Nemotron 3.5 Super VL 于 2026 年 10 月 12 日发布权重,并由 NVIDIA 于 10 月 15 日宣布——比 SC26 早五周。11 月 16 日落地的是其周边配套:一套化学评估集、后训练配方,以及将模型接入 CUDA-X 科学软件并作为可调用工具使用的文档。没有人对它设门槛。你克隆它、配置硬件规模、用自己的数据微调它,唯一的审批环节就是你自己的算力预算。

这种不对称就是比较的全部,下面的一切都是由此产生的结果。

记分牌,逐维度拆解

• 访问模式 — Nemotron for Science:在 Hugging Face 上以 OpenMDW-1.1 协议开放权重,允许商业和非商业使用,无需申请。GPT-Rosalind:在首次 API 调用前需通过可信访问审查;聊天访问通过单独的学术项目提供,该项目明确排除 API 调用。

• 标价 — Nemotron for Science:无供应商费率卡;自托管成本就是你的硬件成本。第三方推理将 Super VL 列为每百万输入 $0.20、每百万输出 $0.50,并提供 75% 缓存折扣和 $0.13 的混合费率。GPT-Rosalind:每百万输入 $5.00 / 输出 $25.00,缓存输入 $0.50。

• 参数 — Nemotron 3.5 Super VL:总计 120B,每个 token 激活 12B,采用 Mamba-2 与 Transformer 混合 MoE,每个 MoE 层有 512 个路由专家。GPT-Rosalind:未披露。

• 上下文与模态——两者均为 1M tokens。Super VL 可接收文本、图像以及最长两分钟的 MP4 视频,并输出文本。GPT-Rosalind 通过 ChatGPT、Codex 和 API 接收文本与科学文件输入;未发布其支持通用图像输入的说法。

• 领域证据——Nemotron for Science:七家具名合作伙伴与机构,包括 Terray 在 RxnScribe 上实现 76% 的反应回收率、KTH 的智能体在一次通宵 DGX Spark 运行中修复了 81% 的损坏 GROMACS 配置,以及在 Lila Sciences 对阵 GPT-6 Astra 时量子点合成准确率为 61% 对 54%。GPT-Rosalind:BixBench 领先,MedChemBench 27.5%,GeneBench 21.6%,LabWorkBench 63.2%,以及在 LifeSciBench 上每 token 性能提升 4.42%。双方数据均为厂商自报。

• 独立评分 — Nemotron 3.5 Super VL:Artificial Analysis Intelligence Index 14,每秒 291 个 token,首个回答 token 用时 11.85 秒。GPT-Rosalind:未纳入该指数。

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.

化学和生物学不是同一个基准。

这正是逐项对照规格阅读时会掩盖的错配。GPT-Rosalind 公布的证据绝大多数是生物学方向的:蛋白表达范围、基因层面推理、药物化学、实验室方案工作。Nemotron for Science 公布的证据绝大多数是化学与计算方向的:反应式抽取、溶解度预测、代谢归宿、量子点合成、分子动力学修复。两者都算"科学",但一个计算化学团队和一个转化肿瘤学团队并不在同一个市场里。

它们真正重叠的地方在于智能体层,而 NVIDIA 在这里的证据异常具体。一个模型读取损坏的 GROMACS 输入文件,弄清楚拓扑文件与坐标文件为何不一致,并给出引擎随后接受的修复方案,这就是在进行带可验证奖励的多步工具使用——而 KTH 报告,在他们构建的测试用例上成功率为 81%。可比的 Rosalind 证据是 10 月那次持续 32 分钟的胆固醇转运假说运行:数千个协作智能体将 700 多篇参考文献筛选到 11 篇,盲审评审员在约四分之三的对比中更偏好其输出。两者都是第一方证据。两者都描述了一个规划、执行和检查的循环。两者都没有公布生产负载下的完成率,而这才是真正能让你比较它们的数字。

把这两个证据库视为互补关系,而不是彼此竞争。如果你的工作是湿实验生物学,NVIDIA 的化学数据集对你几乎无关紧要,你该读的是 Rosalind 的 MedChemBench 和 LabWorkBench 行。如果你的工作是计算化学或分子模拟,GROMACS 和量子点结果描述的才是你实际的一周工作,而 Rosalind 的生物学调优则是你会为之支付溢价却用不上的东西。

一次实验的成本,算清楚了

按 token 计价对这两种情况来说都是错误的计量单位,所以真正重要的是这笔算术。以 Nemotron for Science 上的一次后训练运行为例:一个 120B 模型在 BF16 下需要 4× H100 或 2× GB200,或者在 NVFP4 构建上只需一台 DGX Spark。在一台 DGX Spark 上跑一次通宵运行——也就是 KTH 配置——相对于你自有或按小时租用的硬件而言,是一笔固定且可预知的成本。数据集免费,配方已公开。你可以把这个循环跑一百次,而第九十九次运行的边际成本与第一次相同。

现在对按量计费的专用模型做同样的迭代。按每百万 token 输入 5.00 美元、输出 25.00 美元计算,对大型科学语料做一次长上下文处理绝不是可以忽略不计的小钱,而且失败尝试的计费与成功尝试相同。这就是为什么在 Rosalind 这一侧,0.50 美元的缓存输入如此重要:如果你的提示共享很大的前缀,折扣就是 90%,经济账就完全不同。如果它们不共享,那就不会。

从这笔算术中得出的诚实结论并不是“开源更便宜”,而是这两种定价形态适合不同的工作。迭代式微调适合开放权重,因为你只需为算力付费,别的都不用付。用前沿模型对上百个假设进行突发式评估,则适合按量计费的 API,因为你只需为实际用量付费,别的都不用付。大多数研究团队两者都做,而尴尬之处正在这里。

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.

路由层适用于何处,又不适用于何处

这两个检查点都不在我们的目录中。我们不提供 Nemotron 3.5 Super VL,也不提供 GPT-Rosalind,如果一篇文章假装并非如此,那会很奇怪——对前者的实际答案是自行下载,对后者则是向 OpenAI 提出申请。

位于我们这条线这一侧的,是科学智能体中不属于科学模型的那部分。KTH GROMACS 智能体、Terray 提取流水线和 Lila 协议生成器,都是围绕领域模型构建的智能体:它们负责规划、调用工具、读取输出并决定下一步做什么,而规划层通常是通用模型,而非专业模型。这一层正是只需一把密钥就能覆盖200 多个模型,以供应商目录价、0% 加价调用——其价值正在于此;也正是在这一层,自动故障转移至关重要——一次耗时六小时的智能体运行,你绝不希望在第五个小时因为某个上游供应商下午状态不佳而前功尽弃。路由 DSL负责组合这些调用;专业模型则留在它该在的位置。

该选哪一个

如果你是一个具备 GPU 算力的计算化学或分子模拟团队,那么 Nemotron for Science 几乎是不用犹豫的选择:许可证宽松,有一套 50,000 道题的化学题集,既可用于评估也可用于训练,还有一个有文档记录的工具循环,并且已经在你们每周都会遇到的那种确切故障模式上得到了验证。既然你本来就打算自行托管,那么没有厂商价目表并不是问题。

如果你从事转化生物学,需要一个能对蛋白质和疾病机制进行推理的模型,那么 Rosalind 是两者中唯一面向你这项工作的,而可信访问审查就是准入门槛。要在项目计划中为审查周期留出时间,并注意学术项目的免费席位不包括 API 访问——想要搭建流水线的高校团队需要有自己的商业安排。

如果你构建的是智能体而不是模型,那么这种选择的影响并没有看上去那么大。两者都可以从循环中调用;两者都有故障模式;两家都没有公布能解决这个问题的完成率。明智的做法是构建循环时把底层模型设为配置值,然后再进行测量。这是两家供应商留给你的唯一比较方式。

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.