Op 16 november 2026 kondigde NVIDIA tijdens SC26 Nemotron for Science aan: een pakket met Nemotron 3.5 Super VL, wetenschappelijke evaluaties, de chemiedataset LitmusBench v0.2 en recepten voor posttraining. NVIDIA meldde dat het model en de dataset op Hugging Face beschikbaar waren. De modelkaart geeft ontwikkelaars concrete BF16-configuraties; voor hergebruik van LitmusBench moet je per record de licentie bekijken. NVIDIA’s aankondiging
Wat de BF16-modelkaart vermeldt
De modelkaart beschrijft Nemotron 3.5 Super VL als een visie-taalmodel dat tekst, afbeeldingen en video als invoer verwerkt en tekst als uitvoer geeft. Het model heeft volgens die kaart 120 miljard parameters in totaal, waarvan 12 miljard actief, en een contextvenster van maximaal 1 miljoen tokens. De daadwerkelijke context kan kleiner zijn door GPU-geheugen en gelijktijdig gebruik. De architectuur combineert Mamba-2 en Transformer in een Mixture-of-Experts-model. De NVIDIA-modelkaart voor het BF16-model vermeldt voor die versie configuraties met 4× H100 of 2× GB200.
NVIDIA zei in de aankondiging ook dat Nemotron 3.5 Super VL was geoptimaliseerd voor lokaal gebruik op een DGX Spark met 128 GB geheugen. De BF16-modelkaart noemt voor dat specifieke artefact de configuraties met H100- en GB200-GPU’s. Wie de apparatuur voor een implementatie inschat, moet daarom de specificaties van de bedoelde modelversie naast de eigen deploymentopstelling leggen.
De modelkaart noemt OpenMDW-1.1 als licentie en beschrijft gebruik voor commerciële en niet-commerciële doeleinden. De modelbasis was eerder onderwerp van ons artikel over Nemotron 3.5 Super VL; Nemotron for Science voegt daar wetenschappelijke evaluaties, data en posttrainingrecepten aan toe.
LitmusBench v0.2 heeft licenties per record
NVIDIA beschrijft LitmusBench v0.2 als een dataset met bijna 50.000 chemievragen voor training en evaluatie. De twee licenties gelden op basis van de inhoud van afzonderlijke vragen, niet als één uniforme licentie voor de hele dataset. Het veld question_license vermeldt welke licentie bij een record hoort. Het licentiebestand van LitmusBench koppelt vragen met ChEMBL-data aan CC-BY-SA-4.0 en de overige vragen aan OpenMDW-1.1.
| Type vraag | Licentie | Veld met de licentieaanduiding |
| Vraag bevat ChEMBL-data | CC-BY-SA-4.0 | question_license |
| Overige vragen | OpenMDW-1.1 | question_license |
De gepubliceerde datasetrevisie is Engelstalig en bevat train.jsonl en validation.jsonl. Dat is relevant als je de vragen in een eigen onderzoeks- of trainingsworkflow wilt opnemen: controleer de licentie per record voordat je het gebruikt of verder verspreidt. De datasetpagina voor deze revisie beschrijft de bestanden en het formaat.
Controleer bij hergebruik van LitmusBench de waarde van question_license per vraag; de dataset hanteert niet voor elk record dezelfde licentie.
Welke wetenschappelijke toepassingen NVIDIA noemt
NVIDIA koppelt het pakket aan toepassingen in onder meer chemie, laboratoriumwerk en moleculair onderzoek. Het bedrijf meldt dat Terray Therapeutics het model verder trainde om reactanten, producten en reactieomstandigheden uit wetenschappelijke diagrammen te halen. NVIDIA rapporteert daarbij ongeveer 76% herstel van geannoteerde reacties op de RxnScribe-test, volgens de bijbehorende matchcriteria.
Voor Lila Sciences meldt NVIDIA dat posttraining met feedback uit het laboratorium de nauwkeurigheid bij quantumdots op 61% bracht; het bedrijf noemt 54% voor GPT-6 Astra bij die taak. Therna werkte volgens NVIDIA aan posttraining voor het ontwerpen van mRNA-therapieën. In die samenwerking hadden wetenschappers volgens het bedrijf in 96% van de vergelijkingen de voorkeur voor de uitleg van het postgetrainde model boven die van het basismodel.
NVIDIA meldt ook dat een agent van KTH Royal Institute of Technology in één nacht 81% van de testgevallen voor het herstellen van GROMACS-configuraties oploste, met redeneren ingeschakeld op één DGX Spark. Volgens NVIDIA controleerde GROMACS elke oplossing. Het bedrijf noemt daarnaast toepassingen bij Argonne National Laboratory voor het StructBioReasoner-systeem en toegang via het RIKYU AI-platform van RIKEN, met de RiVault-inferentiegateway. NVIDIA beschreef deze samenwerkingen en resultaten in de aankondiging.