A 16 de novembro de 2026, a NVIDIA apresentou o Nemotron for Science, um pacote dirigido a investigadores que querem construir agentes especializados para trabalho científico. Reúne aplicações científicas do modelo aberto Nemotron 3.5 Super VL da empresa, avaliações, um novo conjunto de dados aberto de química e receitas de pós-treino. A NVIDIA diz que os investigadores podem adaptar o modelo a tarefas como experiências de química e conceção de proteínas e depois integrá-lo em fluxos de trabalho de agentes que leem material científico, escrevem código e chamam ferramentas de cálculo, incluindo as bibliotecas aceleradas CUDA-X da NVIDIA.

O conjunto de dados é o LitmusBench v0.2, que a NVIDIA descreve como quase 50 000 perguntas para treinar e avaliar modelos de linguagem em raciocínio químico. Baseia-se em propriedades moleculares e em dados experimentais de descoberta de fármacos e destina-se a melhorar a capacidade dos modelos de prever o comportamento das moléculas, incluindo a solubilidade e a forma como o corpo humano as processa. A NVIDIA indica que o Nemotron 3.5 Super VL e o LitmusBench v0.2 já estão disponíveis na Hugging Face e que o modelo foi otimizado para correr localmente num sistema NVIDIA DGX Spark com 128 GB.

A empresa aponta três utilizadores das ciências da vida, e todos estes resultados vêm do anúncio da NVIDIA. A Terray Therapeutics fez o pós-treino do modelo para extrair reagentes, produtos e condições de reação a partir de diagramas científicos e diz ter recuperado cerca de 76 % das reações anotadas no teste RxnScribe, superando resultados anteriormente publicados em dois testes de referência. A Lila Sciences usou-o para conceber protocolos de laboratório para os seus laboratórios automatizados e afirma que o pós-treino com retorno do laboratório quase duplicou a precisão no fabrico de pontos quânticos, para 61 %, contra 54 % do GPT-6 Astra, com um custo de inferência 10 a 20 vezes inferior. A Therna diz que o pós-treino para o desenho de terapias de mRNA quase duplicou a precisão na previsão de intervalos de expressão proteica em comparação com modelos de ponta e que os cientistas preferiram as suas explicações às do modelo de base em 96 % das comparações.

São também citadas instituições de investigação. O Argonne National Laboratory está a integrar o Nemotron no seu sistema multiagente StructBioReasoner, usado para conceber e avaliar candidatos terapêuticos baseados em proteínas. O KTH Royal Institute of Technology criou um agente que repara configurações avariadas de dinâmica molecular GROMACS e, segundo a NVIDIA, numa execução noturna num único DGX Spark, com raciocínio ativado, corrigiu 81 % dos casos de teste, tendo cada correção sido verificada pelo próprio GROMACS. O RIKEN oferece o Nemotron, incluindo o Nemotron 3.5 Super VL, na sua plataforma de supercomputação de IA RIKYU através do portal de inferência RiVault, e o Jülich Supercomputing Centre está a integrá-lo em agentes de descoberta de fármacos e de descoberta científica.

Ian Buck, vice-presidente de computação de hiperescala e de alto desempenho da NVIDIA, afirmou que o pacote dá aos investigadores modelos abertos, dados científicos e receitas de pós-treino para construir agentes que raciocinam sobre problemas científicos e usam as ferramentas CUDA-X.

O lançamento é um anúncio do próprio fabricante, e as comparações de desempenho, os rácios de custo e os valores de precisão não foram reproduzidos de forma independente. A comparação com o GPT-6 Astra, por exemplo, provém de uma tarefa da própria Lila Sciences e de um valor comunicado pela NVIDIA. Para quem desenvolve, o que se pode verificar são os pesos abertos e o conjunto de dados na Hugging Face, que outros podem agora testar nas suas tarefas científicas.

Referências