NVIDIA Nemotron for Science 的標題卡,主標題為「推出了什麼,以及它證明了什麼」,並列出四項統計數據:約 50,000 道 LitmusBench v0.2 化學問題、總參數 120B 與活躍參數 12B、81% 的 GROMACS 設定由 KTH 代理在一次過夜的 DGX Spark 執行中修復,以及 100 萬 token 的上下文視窗。
Engineering & Research

深入剖析 NVIDIA Nemotron for Science:SC26 的開放化學堆疊究竟交付了什麼

作者

Gideon Frost

發佈日期

最新模型 · 20查看全部模型 →
基準測試:Artificial Analysis · 每日更新
返回全部文章

值得先從百分之八十一這個數字說起,而這不是基準測試分數。它是指在刻意破壞的 GROMACS 分子動力學設定中,由一個以NVIDIA Nemotron for Science為基礎打造的代理,在單一 DGX Spark 工作站上以單次徹夜執行所修復的比例;根據 KTH Royal Institute of Technology 的說法,每一項修正都由 GROMACS 本身驗證,而不是由模型自己批改自己的作業。NVIDIA 於 2026 年 11 月 16 日在芝加哥 SC26 上,由超大規模與高效能運算副總裁 Ian Buck 宣布這套組合。它一盒包含三項產物:開放的 Nemotron 3.5 Super VL 檢查點、名為 LitmusBench v0.2 的開放化學資料集(約 50,000 道題目),以及一組後訓練配方,可將模型接入 CUDA-X 加速的科學工具。

那個組合才是有趣的部分,而那不是標題所推銷的部分。到了 2026 年底,供應商再推出另一個開放檢查點已是例行公事;NVIDIA 在十月就發布了這個。11 月 16 日的新意在於它周邊的配套結構——評估集、操作配方,以及一組具名的機構部署案例,這些案例描述當你把模型指向真實的科學工作流程、而非排行榜時會發生什麼事。本文將深入剖析這個集合裡實際包含什麼、合作夥伴提供的數字能與不能證明什麼,以及對任何打算以此為基礎建構的人來說,缺口在哪裡。

這三件文物,分開展示

NVIDIA 的新聞稿與隨附的 X 貼文描述的是一組單一套件。把它拆開來看很重要,因為每一個部分都有不同的授權立場、不同的成熟度,以及不同的關注理由。

• 此檢查點 — Nemotron 3.5 Super VL,一款 1,200 億參數的混合專家模型,每個 token 啟用 120 億參數,採用 Mamba-2 與 Transformer 混合架構,每個 MoE 層有 512 個路由專家,配備 C-RADIO 視覺編碼器,並支援最多 100 萬個 token 的上下文。輸入文字、圖片和 2 分鐘 MP4 影片;輸出文字。OpenMDW-1.1,可商業及非商業使用,權重發布於 Hugging Face。這在 11 月 16 日並非新事——該儲存庫於 10 月 12 日上線,NVIDIA 自家的公告則隨後於 10 月 15 日發布。

• 此資料集——LitmusBench v0.2,一套約 50,000 道化學推理題目的開放集合,題目取自分子性質資料與實驗藥物開發紀錄。它專為科學基準測試通常必須拆分到兩個檔案中的兩項工作而打造:它既能評估化學推理,也能作為後訓練資料使用。溶解度預測與代謝歸宿是 NVIDIA 明確指出的兩個任務家族。

• 配方與工具——用於領域適應的後訓練配方,以及讓代理能把 CUDA-X 加速的科學軟體當作工具呼叫的串接機制。正是這一部分,讓聊天模型變成能執行模擬、讀取輸出,並決定下一步該怎麼做的系統。

檢查點是三者中最不新穎的,而資料集則是最持久的。基準測試套件會隨時間過時;一套採用寬鬆授權的五萬題化學題集,正是三年後仍會被引用的那種東西,也是 NVIDIA 在這次發布中投入最多成本免費釋出的部分。

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.

合作夥伴的結果究竟證明了什麼

公告中點名了七個組織,而附在它們身上的數字,是這份新聞稿中最接近證據的東西。這些數字全都是供應商自行呈報,且無一經過獨立重現——這項但書適用於本節的每一個數字,也是為何應把它們讀作案例研究,而非評分。

Terray Therapeutics以化學圖表——專利與論文中繪製的反應式——對模型進行後訓練,藉此擷取反應物、產物與反應條件。在 RxnScribe 上,它找回了約 76% 的標註反應,並在兩項基準測試上超越先前已發表的結果。圖表擷取並不光鮮亮麗,卻正是實際化學工作中很大一部分人力所在,因此,在具名基準上達到 76% 的找回率,是比推理分數更有用的說法。

Lila Sciences 是這份新聞稿所倚重的數字。在為自動化實驗室生成可直接執行的實驗室協議時,基礎模型在完全未經微調的情況下就達到前沿效能。經過實驗室回饋後訓練,量子點合成準確率達到 61%,相較於 GPT-6 Astra 的 54%,且推論成本低 10–20 倍。有兩點值得指出。若該協議屬實,這七個百分點的差距就是真實的;而成本倍數是更具影響力的數字——推論成本節省 10–20 倍,會改變哪些實驗根本值得進行。但這是一項由執行後訓練的一方所進行的比較,任務是他們選的,對手也是他们指名的競爭者。

Therna 經過後訓練,用於代理式 mRNA 治療設計,並將蛋白質表現範圍預測準確率提升近一倍。在一項盲測比較中,科學家在 96% 的情況下更偏好它的解釋,而非基礎模型的解釋。偏好不等於準確,96% 的偏好率說明的是推理讀起來如何,而不是它是否正確。

接著是機構部署,而這正是我覺得最有說服力的部分,因為它們並沒有被包裝成勝利。 Argonne National Laboratory正在把 Nemotron 納入 StructBioReasoner,這是一套用於設計蛋白質癌症療法的多代理系統。 Jülich Supercomputing Centre正將其整合進藥物與科學發現代理。 RIKEN則透過 RiVault 推論閘道,在其 RIKYU 超級運算平台上提供這些模型,包括 Super VL——這是真實的正式生產途徑,運行於真實硬體,服務真實使用者。而 KTH在單台 DGX Spark 上,連夜打造出支撐那 81% 數字的 GROMACS 修復代理。

KTH 的結果因其形態值得單獨用一句話說明。一個壞掉的分子動力學設定是平凡且大量發生的失敗:力場不匹配、拓撲與座標檔不符、缺少 include。修好其中 81% 並不是推理基準。這是模型在做計算化學團隊目前會交給研究生做的那類工作,而且是由模擬引擎而非模型來驗證,這使它成為本次發佈中最乾淨的證據。

為什麼這其實是一個披著模型外衣的後訓練故事

再讀一次這份發布內容,留意 NVIDIA 實際上是要你做什麼。每一個合作夥伴的成果都涉及調適:Terray 在圖表上做後訓練,Lila 在實驗室回饋上做後訓練,Therna 在 mRNA 設計上做後訓練。沒有任何一個重點數字來自原封不動出貨的檢查點。這是刻意為之,也是這份公告中最誠實的一點。

這個論點是:基礎模型如今已經夠好,真正的差異化在於後訓練循環,而不是預訓練階段。NVIDIA 賣的是這個循環:一個以寬鬆授權釋出的 120B 檢查點,讓你無須法律審查就能微調;一個可供微調的化學資料集;以及說明如何操作的做法。這與「我們的模型更聰明」是截然不同的推銷訴求,而且這種訴求只有在權重開放時才成立——這正是為什麼授權比基準測試表更重要。

這也說明了硬體產品線。NVIDIA 表示,該模型經過調校,可在 128GB DGX Spark 上本機執行;BF16 版本需要 4× H100 或 2× GB200,而 NVFP4 版本則可容納於單台 DGX Spark、一台 H200、兩台 H100 或一台 GB200。後訓練迴圈是迭代式、高吞吐量、低延遲的工作負載,而「租一個節點」與「工作台上有台機器」之間的差別,就是每季跑兩次的迴圈與每天跑兩次的迴圈之間的差別。

這些落差,直白地說

這次發布缺少了三件事,而每一件都會改變你的規劃方式。

• 對科學主張沒有獨立評估。Artificial Analysis 確實有追蹤 Nemotron 3.5 Super VL——它列出 Intelligence Index 為 14,輸出速度為每秒 291 個 token,首個回答 token 的時間為 11.85 秒,並列出價格為每百萬輸入 token 0.20 美元、每百萬輸出 token 0.50 美元,且有 75% 快取折扣。這很有用,而且是第三方資訊。但這些都不是化學基準測試。SC26 發布內容中的每一個科學數字,都來自與結果有利害關係的一方,而 LitmusBench v0.2 夠新,尚無外部團體公布其分數。

• 該模型以服務形式提供,並無公開定價。AA 所列的 $0.20/$0.50 是第三方平台的計價標準,並非 NVIDIA 的官方價目表——NVIDIA 並未公布 NIM 的每 token 價格。若您正在編列預算,就目前而言,最誠實的答案是:自行託管是唯一成本已知的途徑。

• 沒有對代理迴圈進行評估,只評估各個元件。 這些操作指南描述了一個會規劃、執行模擬、檢查結果並進行調整的代理。發布版本中沒有人報告這個迴圈有多少次能在無需人工介入的情況下完成、它消耗了多少次工具呼叫,或每項完成任務的成本是多少。這些正是決定一個代理是產品還是演示的數字,而它們都付之闕如。

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.

如果你正在開發,這代表什麼

實務上的解讀是:Nemotron for Science 不是讓你直接採用的模型,而是一套入門套件。如果你的團隊做化學或結構生物學,而且有 GPU 資源,那麼以寬鬆授權釋出的 120B 檢查點、5 萬道化學題,再加上一組已公開的操作指南,合起來確實是很不錯的第一週套件——而 KTH 的結果顯示,工具呼叫迴圈運作得夠好,足以在處理日常失敗案例時派上用場。

它並不是託管 API 的即插即用替代品。Nemotron 3.5 Super VL 不在我們的目錄中;我們目前不提供它,而這次發佈實際上正是圍繞自架路徑打造的。當團隊把託管模型用作更大管線的推理層——大多數團隊確實如此,因為科學模型周圍的代理迴圈通常是通用模型——路由問題與這項公告是分開的。只要一組金鑰,就能在超過 200 個模型上,以供應商定價、0% 加成使用,並享有自動容錯移轉——當上游在執行途中效能下降時——這正是讓長達數小時的代理式工作不會在第三小時因為某家供應商下午狀況不佳而中斷的關鍵。

接下來要看什麼

第一個外部 LitmusBench v0.2 分數,比任何單一基準測試都更能定論,因為這是這裡唯一能由中立第三方產生的數字。一份公開的 NIM 價目表,會讓成本比較變成算術問題,而不是立場表述。而一份關於代理迴圈本身的報告——完成率、工具呼叫預算、每項完成任務的成本——正是能讓這套方案從有前景的工具包,轉變為採購決策的東西。

在那之前,最公允的總結,正是這份發布內容無意間為自己寫下的:NVIDIA 在十月交出了一個不錯的檢查點,而到了十一月,它交出了讓這個檢查點變得有用的東西。那是一則較不令人興奮、卻更有價值的公告。

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.