比較用標題卡,主標題為「Nemotron for Science vs Nemotron 3.5 Super」,說明這並不是兩個模型:10 月檢查點總參數量為 120B、啟用參數為 12B,每個 MoE 層有 512 個路由專家,權重於 2026 年 10 月 12 日在 Hugging Face 上發布,並於 10 月 15 日宣布;11 月套件則於 11 月 16 日在芝加哥的 SC26 亮相;而約 50,000 道 LitmusBench v0.2 題目是唯一新增的模型產物。
Engineering & Research

Nemotron for Science 與 Nemotron 3.5 Super:相同權重,不同產品

作者

jinhao.song

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

這項比較的核心有一個尷尬的事實:NVIDIA Nemotron for Science 與 NVIDIA Nemotron 3.5 Super 並不是兩個模型。它們是同一個 1200 億參數檢查點,相隔五週推出,只是換了不同包裝。Nemotron 3.5 Super 是權重——也就是以更完整名稱 Nemotron 3.5 Super VL 120B A12B 存在的儲存庫,自 2026 年 10 月 12 日起在 Hugging Face 上架,於 10 月 15 日發布,OpenMDW-1.1,每個 token 120 億活躍參數,100 萬 token 上下文。Nemotron for Science 則是 NVIDIA 於 11 月 16 日在 SC26 宣布的內容:該檢查點再加上 LitmusBench v0.2、約 50,000 道化學推理題,再加上後訓練配方與 CUDA-X 工具整合,再加上七個具名機構部署。

有用的問題不是哪一個更好,而是十一月套件為十月檢查點新增了什麼、這些新增是否足以合理化成一個獨立名稱,以及如果你今天想在 NVIDIA 晶片上執行化學智能體,你實際會下載什麼。這比規格表更有趣,而答案對 NVIDIA 而言,也比一般重新包裝的故事更為有利。

什麼是相同的,而那佔了其中大部分

先從檢查點開始,因為這兩個套件中的所有內容都取決於它。架構在十月到十一月之間沒有改變:Mamba-2 與 Transformer 混合專家架構、每個 MoE 層有 512 個路由專家、多 token 預測頭、C-RADIO 視覺編碼器與視覺語言連接器、總參數 120B 且每個 token 啟用 12B,以及最多 1M 個 token 的上下文。輸入為文字、RGB 影像,以及最長兩分鐘的 MP4 影片;輸出為文字。可透過聊天範本將推理強度設為關閉、中等或開啟。

• 參數 — 總計 120B,啟用 12B。兩者完全相同。不存在參數數量不同的 Nemotron for Science 檢查點,因為根本沒有獨立的 Nemotron for Science 檢查點。

• 授權 — OpenMDW-1.1,適用於商業與非商業用途。兩者完全相同,而正是這一點,才讓後訓練的提案得以成立。

• 上下文 — 100 萬個 token,卡片建議影片以 2 FPS 最高 256 幀,或於 1080p 下以 1 FPS 處理 128 幀。

• 硬體門檻 — 在 BF16 下為 4× H100 或 2× GB200;NVFP4 版本則可容納於單台 DGX Spark、單張 H200、兩張 H100 或單張 GB200。DGX Spark 這條產品線正是 SC26 所倚重的,而它也是十月那張卡早已搭載的同一條產品線。

• 基準測試 — 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。全數皆為廠商自行回報,且都隨十月卡一併公布,沒有一項是新的。

如果你在十月已經下載了 Nemotron 3.5 Super,你手上的模型就是 Nemotron for Science 所建構的基礎。十一月公告中的任何內容都不會改變它的權重。

真正新的是什麼,而這絕非無足輕重。

現在來到值得寫成文章的部分。11月16日出現了3樣在10月15日尚不存在的東西,而每一樣都會改變你第一天能做的事。

LitmusBench v0.2 是本次的重頭戲。 約 50,000 道化學推理題,以分子性質資料與實驗性藥物探索紀錄建構而成,涵蓋預測溶解度以及化合物在人體內如何代謝等任務。有兩項特性讓它不只是排行榜:它是開放的,而且設計上同時可用於後訓練與評估。一個採用寬鬆授權、卻沒有化學資料可供微調的 120B 模型,是你必須為它建立資料集的模型;一個隨附 50,000 道標註化學題的 120B 模型,則是你一週內就能調適的模型。這就是這個套件所帶來的差異。

這些配方是第二部分。NVIDIA 發布了用於領域適應的後訓練配方,以及將模型嵌入代理工作流程的文件,這些工作流程會讀取科學資訊、撰寫程式碼並呼叫 CUDA-X 加速工具。對於任何曾嘗試讓通用模型正確呼叫分子動力學套件的人來說,工具接線文件是決定迴圈究竟能否運作的不起眼部分。

這些部署是第三類,而且它們是證據而非產物。Terray Therapeutics 以化學圖表對該模型進行後訓練,在 RxnScribe 上還原了約 76% 的標註反應,在兩項基準測試上均超越先前發表的結果。Lila Sciences 達到 61% 的量子點合成準確率,相較於 GPT-6 Astra 的 54%,且推論成本低 10–20 倍。Therna 在 mRNA 設計上將蛋白質表現範圍預測準確率幾乎提升一倍,且在 96% 的盲測比較中,科學家更偏好其解釋。Argonne 正將其整合進 StructBioReasoner;Jülich 將其導入藥物與科學發現代理;RIKEN 則透過 RiVault 閘道在 RIKYU 上提供服務。而 KTH 打造了一個 GROMACS 修復代理,在單一台 DGX Spark 上以一次通宵執行修好了 81% 的刻意破壞設定,並經 GROMACS 本身驗證。

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.

為什麼拆成兩個名稱是站得住腳的

憤世嫉俗的解讀是 NVIDIA 把同一個模型發布了兩次。我不認為這種說法站得住腳,原因是這兩次發布回答的是不同的問題。

十月的問題是:「這個檢查點是什麼,以及它能被部署嗎?」答案是一個 120B 視覺語言 MoE,具備 1M 個 token 的上下文窗口、涵蓋從 DGX Spark 到 GB200 節點的硬體門檻,以及一項速度宣稱——根據 NVIDIA,它比同級次佳者快 5 倍,儘管在該宣稱提出時,Artificial Analysis 並未列出該模型。那是一次模型發布。

十一月的問題是:「化學團隊週一拿它來做什麼?」那個答案是一份資料集、一份操作配方,以及七個已經實際做過並回報數字的組織。交付權重和交付工作流程並不是同一種產品,而研究團隊真正能採用的是後者。

這種解讀最有力的證據,就是合作夥伴成果的形態。每一個醒目的數字都來自經過後訓練的變體,而不是出廠時的檢查點。Terray 以圖表資料對它進行了調適。Lila 以實驗室回饋對它進行了調適。Therna 以 mRNA 設計資料對它進行了調適。這個套件並不是在宣稱基礎模型就是化學家;它宣稱的是,基礎模型是夠好的起點,能讓領域團隊把它變成化學家。這是更謙遜、也更有用的主張;而且在十月、在足以佐證它的資料集尚未存在之前就提出這種主張,會顯得很奇怪。

這個套件仍然沒有提供給你的東西

三個缺口,依你得親身吃虧才發現時所付出的代價高低排序。

• 沒有獨立的化學評估。Artificial Analysis 確實列出了 Nemotron 3.5 Super VL:智慧指數 14、輸出速度每秒 291 個 token、首個答案 token 延遲 11.85 秒,每百萬輸入 token 0.20 美元、每百萬輸出 token 0.50 美元,並享 75% 快取折扣。這是第三方的通用評分,值得了解,但這不是化學評分。SC26 發布內容中的每一項科學數據,都是由有利害關係的一方所產出,而 LitmusBench v0.2 夠新,尚無外部團隊公布其結果。

• 沒有廠商定價。上述的 $0.20/$0.50 是第三方平台的計價,並非 NVIDIA 的價目表。NVIDIA 並未公布任何按 token 計價的 NIM 價格,這意味著唯一成本已知的預算規劃途徑就是自架。

• agent 迴圈沒有完成率。KTH 的結果報告指出 81% 的測試案例已修復,這是此次發布中最具體的數字——但它並未報告每次修復耗費多少次工具呼叫、agent 在沒有進展的情況下循環的頻率,或完成一項任務的成本。這些數字才決定一個 agent 是可部署的,還是僅僅令人印象深刻。

如何執行它,以及周邊技術堆疊該如何搭配

對於開放權重版本而言,這份部署建議異常明確,所以請照字面理解。模型卡指定:vLLM 搭配 TP4 或 TP2、--trust-remote-code、非同步排程、MTP 推測解碼並使用五個草稿 token 與 --max-num-seqs 32;或 SGLang 搭配 FP8 KV 快取與 EAGLE 推測解碼、五個步驟。取樣設定為文字使用 temperature 1.0 與 top_p 0.95,視覺使用 0.6 與 0.95;範例中的伺服器名稱為 nemotron-3.5-super-vl。多模態限制為每個提示詞一張影像與一段影片。這是可直接複製、無須自行推導的設定。

Nemotron 3.5 Super VL 並不在我們的目錄裡——我們不提供它,所以自架路徑才是真正的路徑,而對一篇關於開放檢查點的文章來說,這樣說也站得住腳。我們這端的堆疊真正發揮作用的地方,是在科學模型的周邊,而不是在它裡面。研究型代理就是包在領域檢查點外的一層規劃器:它會拆解任務、呼叫化學模型、呼叫模擬、讀取結果,然後決定下一步該做什麼。規劃器通常是通用模型,而這正是只要一把金鑰就能橫跨超過 200 個模型、以供應商定價、0% 加價,省下整合工作的地方——還搭配自動容錯移轉,讓長達六小時的隔夜執行不會在第五個小時因為某家供應商效能衰退而失敗。模型融合是這裡另一個值得了解的槓桿:讓一組模型一起回答同一個化學問題,是判斷哪些流程值得在真實硬體上執行的一種合理方式。

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.

有什麼好看

第一個外部 LitmusBench v0.2 分數會是可能出現的最有用單一資訊,因為它是這個故事裡唯一能由中立第三方產生的數字。NIM 費率表會讓託管與自託管的比較變成算術,而不是猜測。而 agent-loop 報告——完成率、工具呼叫預算、每項完成任務的成本——會把 KTH 和 Lila 的結果,從令人鼓舞的軼事轉變成團隊可以據以規劃的依據。

在那之前,簡短版:如果你在十月拉取了 Nemotron 3.5 Super,Nemotron for Science 並不會取代它,而是用讓它成為化學工具的那些資料與配方來延伸它。如果你沒有,十一月的套件是更好的切入點,因為它是相同的權重,並附帶一個入門套件。

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.