Содержание
Что входит в Nemotron for Science
NVIDIA 16 ноября представила Nemotron for Science — набор открытых компонентов для разработки научных AI-агентов: модель Nemotron 3.5 Super VL, датасет для химических задач и рецепты дообучения. Веса и данные уже доступны исследователям и разработчикам на Hugging Face. Это не отдельный потребительский чат и не новая базовая модель: анонс объединяет существующую мультимодальную модель и инструменты её специализации для науки.
Химические задачи с проверяемыми ответами
В состав инициативы входит LitmusBench v0.2. В карточке указаны 47 118 обучающих и 2 056 тестовых вопросов — всего 49 174. Они посвящены свойствам молекул и экспериментальным данным о разработке лекарств, включая растворимость и процессы усвоения и преобразования веществ организмом.
Задания требуют коротких ответов. Данные получены из ChEMBL, ExpansionRx и набора Biogen; часть вопросов использует молекулярные дескрипторы RDKit. Поэтому это не просто коллекция научных текстов для чтения: набор предназначен для оценки и дообучения моделей на конкретных химических задачах.
Опубликованные рецепты NVIDIA показывают, как связать предметные данные с NeMo Gym и NeMo RL. В таком процессе результат модели проверяется, а оценка используется как сигнал при обучении с подкреплением. Исследователь может адаптировать модель к специализированной задаче, а затем включить её в агента, который пишет код и вызывает вычислительные инструменты.
Какая модель лежит в основе
Nemotron 3.5 Super VL работает с текстом, изображениями и видео, а ответы выдаёт текстом. У неё 120 млрд параметров, из которых при вычислении активны 12 млрд; заявленное контекстное окно — до 1 млн токенов. Реальная конфигурация сервера может ограничивать длину контекста в зависимости от памяти и числа одновременных запросов.
Для полноточной версии BF16 карточка приводит конфигурации с четырьмя H100 или двумя GB200. Квантованный вариант NVFP4 снижает требования к памяти: NVIDIA публикует варианты запуска на одной DGX Spark, одной H200 и другом поддерживаемом оборудовании. Для DGX Spark с 128 ГБ памяти предусмотрена отдельная конфигурация; это не обещание работы на обычном ноутбуке или телефоне.
Что уже проверяли исследовательские команды
По данным NVIDIA, Terray Therapeutics дообучила модель извлекать реагенты, продукты и условия реакций из научных схем. На тесте RxnScribe система восстановила около 76% размеченных реакций по критериям этого бенчмарка. Такой результат относится к конкретной задаче извлечения данных, а не к универсальной точности модели в химии.
Другая демонстрация — агент Королевского технологического института KTH для исправления неработающих конфигураций молекулярной динамики GROMACS. В одном ночном прогоне на DGX Spark он исправил 81% тестовых случаев при включённом рассуждении, причём каждое исправление отдельно проверял сам GROMACS. Это пример узкого проверяемого рабочего процесса, а не доказательство готовности к автономной лаборатории.
Argonne интегрирует Nemotron в многоагентную систему StructBioReasoner для проектирования и оценки белковых терапевтических кандидатов. Сообщение описывает исследовательское применение: клинической эффективности или готовности лекарств оно не устанавливает.
Где попробовать
Официально опубликованы веса BF16, квантованная версия NVFP4 с конфигурациями запуска и химический датасет. Модель разрешена для коммерческого и некоммерческого использования по OpenMDW 1.1; для данных действуют отдельные условия, указанные в карточке. Это самостоятельное развёртывание на совместимом оборудовании, а не включённый в публикацию бесплатный облачный сервис.
Источник анонса: NVIDIA Newsroom, 16 ноября 2026 года. Приведённые результаты исследовательских команд опубликованы NVIDIA и не являются независимой оценкой всех возможных сценариев.
Как проверить набор на своей научной задаче
Выберите совместимую конфигурацию
Откройте официальную карточку BF16 или NVFP4 и сопоставьте её требования с имеющимся оборудованием. Для DGX Spark используйте именно конфигурацию этой системы, а не пример BF16 для H100.
Подготовьте контрольные вопросы
Скачайте LitmusBench v0.2 со страницы NVIDIA на Hugging Face. Сохраните разделение train и test: тестовые вопросы не должны попадать в обучающую выборку.
Запустите модель по её карточке
Используйте раздел Quick Start для выбранного оборудования и указанный там образ среды. После загрузки модели проверьте, что локальный сервер отвечает, и выполните небольшой контрольный запрос.
Сравните результат до и после адаптации
Зафиксируйте исходные ответы на отложенных вопросах. Для дообучения используйте опубликованный технический разбор NVIDIA с NeMo Gym и NeMo RL, затем повторите оценку на той же тестовой выборке.