NVIDIA ha annunciato Nemotron for Science a SC26 il 16 novembre 2026. Il pacchetto combina Nemotron 3.5 Super VL, valutazioni scientifiche, il dataset chimico LitmusBench v0.2 e ricette di post-addestramento; per chi sviluppa agenti scientifici, la scheda del modello BF16 specifica configurazioni GPU precise, mentre i termini di LitmusBench cambiano da un record all’altro (annuncio di NVIDIA).
Cosa include Nemotron for Science
NVIDIA presenta il pacchetto come una base per agenti che affrontano attività scientifiche con dati e strumenti specializzati. LitmusBench v0.2 comprende quasi 50.000 domande di chimica destinate all’addestramento e alla valutazione. NVIDIA afferma che il modello e il dataset sono disponibili su Hugging Face.
La revisione del dataset indicata da NVIDIA è in inglese e in formato JSON; contiene i file train.jsonl e validation.jsonl (pagina della revisione).
Le configurazioni indicate per il modello BF16
La scheda NVIDIA del checkpoint NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-BF16 descrive un modello di visione e linguaggio che riceve testo, immagini e video e produce testo. Riporta 120 miliardi di parametri totali, di cui 12 miliardi attivi, e una finestra di contesto fino a un milione di token. In base alla memoria GPU disponibile e alla concorrenza, le configurazioni di deployment possono usare una finestra più ridotta.
Per questo checkpoint BF16, la scheda elenca configurazioni con 4× H100 oppure 2× GB200. Indica inoltre la licenza OpenMDW-1.1 e l’uso commerciale o non commerciale (scheda del modello).
NVIDIA ha anche dichiarato che Nemotron 3.5 Super VL è stato ottimizzato per l’uso locale su DGX Spark con 128 GB di memoria. La scheda del checkpoint BF16 riporta le configurazioni GPU elencate sopra. Per il quadro più ampio del modello multimodale, puoi leggere anche il precedente approfondimento su Nemotron 3.5 Super VL.
LitmusBench v0.2 applica licenze diverse per record
La licenza pertinente dipende dai dati contenuti nella singola domanda. Il file di licenza di NVIDIA assegna CC-BY-SA-4.0 alle domande che includono dati di ChEMBL e OpenMDW-1.1 a tutte le altre. Il campo question_license identifica il termine applicabile a ciascun record (file delle licenze).
| Tipo di domanda | Licenza | Campo che identifica la licenza |
| Domande che contengono dati di ChEMBL | CC-BY-SA-4.0 | question_license |
| Tutte le altre domande | OpenMDW-1.1 | question_license |
Prima di riutilizzare una domanda di LitmusBench, controlla il campo question_license del suo record.
Le applicazioni descritte da NVIDIA
NVIDIA riferisce che Terray Therapeutics ha adattato il modello per estrarre reazioni chimiche da diagrammi e ha recuperato circa il 76% delle reazioni annotate nel test RxnScribe, secondo i criteri di corrispondenza del benchmark. Lila Sciences ha impiegato il modello per progettare protocolli di laboratorio; dopo un post-addestramento con riscontri sperimentali, NVIDIA riporta un’accuratezza del 61% in un’attività sui punti quantici, contro il 54% di GPT-6 Astra.
Per un’attività distinta, NVIDIA riferisce che l’agente sviluppato da KTH ha corretto l’81% dei casi di configurazione di GROMACS in una sessione notturna su un singolo DGX Spark, con la funzione di ragionamento abilitata. Secondo NVIDIA, GROMACS ha verificato singolarmente ogni correzione. Questi esempi riguardano compiti diversi: le relative percentuali descrivono ciascun test nel proprio contesto (comunicato di NVIDIA).