Eigent
Pricing
A cream facade with blue windows refracted through fine vertical glass

AI workspace

  • OverviewSee the whole workspace.
  • Spaces and SessionsKeep each project's files and work together.
  • Skills & ConnectorsTeach agents your way of working. Connect your tools.
  • AutomationsRun Tasks on a schedule or a trigger.
  • Remote ControlCheck in from your browser or phone.
  • Use casesSee real work, finished.

Updates

  • ChangelogCatch up on the latest releases.
  • RoadmapFollow what comes next.
  • WindowsDownload Eigent for Windows.
  • MacDownload Eigent for macOS.
  • LinuxDownload Eigent for Linux.
  • Open SourceInspect, adapt, and make it yours.
  • EnterpriseRoll Eigent out across your company.
Concrete balconies and golden railings refracted through fine vertical glass

Enterprise

  • OverviewAn AI workspace for every team, in your environment.
  • MonitoringSee every run, step by step.
  • GovernanceSet who can build, run, and approve.
  • ControlLimit what agents can reach.
  • Security and trustHow we protect your data.
  • Enterprise servicesWe build it with you, then hand it over to your team.
  • Talk to salesPlan a proof of concept for your company.
A sunlit facade and geometric shadows refracted through fine vertical glass

Environments

  • OverviewTrain and test agents on real work.
  • Environment catalogBrowse 30 categories of environments.
  • Request an environmentTell us what your agents need to learn.
  • AgenticRL-BenchCan agents do agentic RL? See the leaderboard. (opens in a new tab)
  • Env-LabCustom RL environments, training data, and benchmarks for real work. (opens in a new tab)
Weathered window frames refracted through fine vertical glass

Learn

  • DocsGet started and go deeper.
  • BlogIdeas, releases, and stories.
  • SupportFind answers and get help.

Company

  • AboutMeet the people behind Eigent.
  • CareersJoin the team building Eigent.

Community

  • CAMEL-AIThe multi-agent research community behind Eigent. (opens in a new tab)

AI workspace

  • OverviewSee the whole workspace.
  • Spaces and SessionsKeep each project's files and work together.
  • Skills & ConnectorsTeach agents your way of working. Connect your tools.
  • AutomationsRun Tasks on a schedule or a trigger.
  • Remote ControlCheck in from your browser or phone.
  • Use casesSee real work, finished.

Updates

  • ChangelogCatch up on the latest releases.
  • RoadmapFollow what comes next.
  • WindowsDownload Eigent for Windows.
  • MacDownload Eigent for macOS.
  • LinuxDownload Eigent for Linux.
  • Open SourceInspect, adapt, and make it yours.
  • EnterpriseRoll Eigent out across your company.

Enterprise

  • OverviewAn AI workspace for every team, in your environment.
  • MonitoringSee every run, step by step.
  • GovernanceSet who can build, run, and approve.
  • ControlLimit what agents can reach.
  • Security and trustHow we protect your data.
  • Enterprise servicesWe build it with you, then hand it over to your team.
  • Talk to salesPlan a proof of concept for your company.

Environments

  • OverviewTrain and test agents on real work.
  • Environment catalogBrowse 30 categories of environments.
  • Request an environmentTell us what your agents need to learn.
  • AgenticRL-BenchCan agents do agentic RL? See the leaderboard. (opens in a new tab)
  • Env-LabCustom RL environments, training data, and benchmarks for real work. (opens in a new tab)

Learn

  • DocsGet started and go deeper.
  • BlogIdeas, releases, and stories.
  • SupportFind answers and get help.

Company

  • AboutMeet the people behind Eigent.
  • CareersJoin the team building Eigent.

Community

  • CAMEL-AIThe multi-agent research community behind Eigent. (opens in a new tab)
Pricing
Blogs
Nov 17, 2026

什麼是 NVIDIA Nemotron for Science?面向研究智能體的開放模型

NVIDIA 在 SC26 發布的版本包含開放的 Nemotron 3.5 Super VL 模型、一個擁有 50,000 道題目的化學數據集,以及用於構建科學 AI 智能體的後訓練方案。

EigentEigent
Share to
什麼是 NVIDIA Nemotron for Science?面向研究智能體的開放模型
  • 什麼是 NVIDIA Nemotron for Science?
  • 模型:Nemotron 3.5 Super VL
  • LitmusBench v0.2:化學數據集
  • 後訓練的工作原理
  • 已有哪些機構在使用
  • 與其他「AI 科學家」項目的比較
  • 是否值得關注?
  • 使用 AI 工作團隊構建你自己的科學智能體
Automate Everything with
AI Workforce on Desktop
Download Eigent

NVIDIA 剛剛推出了 Nemotron for Science,這是一個開放的模型、數據集及方案集合,專為構建能夠真正執行科學工作的 AI 智能體而設計——包括推理化學與生物學問題、調用研究工具,以及自我驗證結果。此項目在 SC26 超算大會上正式發布,將開放的 Nemotron 3.5 Super VL 模型與全新化學數據集及後訓練指南整合在一起。以下是其具體內容、現有使用者,以及是否值得關注的分析。

什麼是 NVIDIA Nemotron for Science?

NVIDIA Nemotron for Science 是一套面向科學研究智能體的開放 AI 資源集合,而非單一的全新模型。NVIDIA 於 2026 年 11 月 16 日在芝加哥舉行的 SC26 大會上正式發布,將其 Nemotron 3.5 Super VL 開放模型的科學應用、全新開放化學數據集,以及幫助研究人員構建專業科學發現智能體的後訓練方案整合在一起。

其核心理念是為研究人員提供所需的構建模塊,讓智能體能夠規劃任務、運行模擬、驗證結果並在多次迭代中自我修正——而不僅僅是就科學話題進行對話。該集合包含四個部分:

  • Nemotron 3.5 Super VL — 構建智能體所依賴的開放多模態推理模型。
  • LitmusBench v0.2 — 全新開放化學數據集,用於訓練和評估模型的化學推理能力。
  • 後訓練方案 — 強化學習與知識蒸餾工作流程,用於將模型適配至特定科學領域。
  • 科學評估基準 — 用於衡量定制化模型是否真正得到提升的基準測試。

NVIDIA 對此目標表述清晰。NVIDIA 超大規模與高性能計算副總裁 Ian Buck 表示:「Nemotron for Science 為研究人員提供開放模型、科學數據及後訓練方案,以構建能夠推理科學問題並使用 CUDA-X 加速工具將想法轉化為發現的專業智能體。」

模型:Nemotron 3.5 Super VL

其基礎是 Nemotron 3.5 Super VL,這是 NVIDIA 的開放 1200 億參數多模態模型,每個 token 激活 120 億參數。它在單一檢查點中整合了推理、工具調用,以及讀取文本、圖像、圖表和多頁文檔的能力——這正是科學論文和實驗室記錄中常見的混合材料類型。

基於 Super VL 構建的 Nemotron for Science,幫助研究人員開發能夠推理科學問題並調用專業研究工具的智能體。通過後訓練,科學家可以將模型適配至特定任務,例如運行化學實驗和蛋白質設計。

該模型現已在 Hugging Face 上提供,NVIDIA 表示其已針對在配備 128GB 顯存的 NVIDIA DGX Spark 系統上本地運行進行了優化。

LitmusBench v0.2:化學數據集

最重要的新內容是數據。LitmusBench v0.2 是一個全新的開放數據集,包含近 50,000 道題目,用於訓練和評估語言模型的化學推理能力。它涵蓋分子屬性和實驗性藥物發現數據,旨在幫助研究人員提升模型預測分子行為的能力——包括溶解度及人體代謝過程。

在 NVIDIA 的技術資料中,同一數據集被稱為 Nemotron Litmus-Bench,同時支持評估和後訓練兩種用途。這種雙重角色至關重要:用於評分模型的題目同樣可用於訓練,因此實驗室可以識別模型的弱點,並利用相同的數據加以彌補。

後訓練的工作原理

Nemotron for Science 的核心賣點在於定制化。通用模型只是起點;這些方案展示了如何利用帶有可驗證獎勵的強化學習,將其打造成領域專家。

NVIDIA 的後訓練演示以藥物代謝預測作為實例。給定一個母體分子及其轉化酶,模型預測生成的代謝物。其巧妙之處在於獎勵機制:無需人工偏好標注,而是直接以實驗真實值對答案進行評分,通過相似度指標比較預測的分子指紋與參考分子指紋。獎勵直接來源於數據本身。

所報告的提升幅度具體可見。在 16,384 個 token 輸出預算下的藥物代謝任務中,NVIDIA 表示監督微調(supervised fine-tuning)將準確率提升了 12%,強化學習後訓練進一步提升了 17%。可選的「熱啟動」步驟從更強的教師模型(在 NVIDIA 的示例中為 Anthropic 的 Claude Sonnet 5.5)中蒸餾推理軌跡,以在強化學習循環開始前加速收斂。

對於團隊而言,關鍵在於:在特定任務上達到前沿水平的結果,並不需要前沿模型。你需要的是一個優秀的開放模型、你自己的實驗數據,以及一個能衡量你真正關心的科學結果的獎勵函數。

已有哪些機構在使用

NVIDIA 的發布更多依賴具名合作夥伴和實驗室,而非單純的基準測試,這使得相關聲明更易於評估:

  • Terray Therapeutics 對 Nemotron 進行後訓練,以從科學圖表中提取反應物、產物和反應條件。NVIDIA 報告稱,在 RxnScribe 測試的匹配標準下,其恢復了約 76% 的標注反應,在兩個基準測試上超越了此前已發表的結果。
  • Lila Sciences 使用它設計可直接執行的實驗室方案。利用實驗室反饋進行後訓練後,製備量子點的準確率幾乎翻倍,達到 61%,NVIDIA 表示這以 10 至 20 倍更低的推理成本超越了 GPT-6 Astra 的 54%。
  • Therna 對 Nemotron 進行後訓練,用於智能體式 mRNA 治療設計,在預測蛋白質表達範圍方面的準確率幾乎是前沿模型的兩倍。NVIDIA 報告稱,在 96% 的比較中,科學家更偏好其解釋,而非基礎模型的解釋。
  • 阿貢國家實驗室(Argonne National Laboratory) 正將 Nemotron 整合至其 StructBioReasoner 多智能體系統,用於設計和評估針對癌症及其他疾病的蛋白質治療候選物。
  • 瑞典皇家理工學院(KTH Royal Institute of Technology) 構建了一個能夠自主修復損壞的 GROMACS 分子動力學設置的智能體。NVIDIA 表示,在單台 DGX Spark 上一夜運行中,啟用推理功能的智能體修復了 81% 的測試案例,且每次修復均由 GROMACS 獨立驗證。

這些數字均來自 NVIDIA 發布材料中針對特定工作負載的供應商自測數據——應將其理解為在特定任務上經過調優後可達到的水平,而非有保障的默認表現。與任何產品發布一樣,在第三方復現之前,這些數據均為 NVIDIA 的自測結果。

與其他「AI 科學家」項目的比較

Nemotron for Science 是一套工具包,而非一位成熟的科學家。這使其有別於為自主發現而端到端訓練的系統,例如 Periodic Labs 的 Neon,或像 Omnii-1 背後的基因組模型等特定領域基礎模型。NVIDIA 的策略是橫向佈局:發布開放模型及數據和方案,讓每個實驗室自行構建專屬的領域專家。

這在實踐中是一個重要的差異。你擁有模型權重,數據保留在你掌控的基礎設施上,並可針對你的具體任務進行調優。其取捨與 Nemotron 系列的其他產品一脈相承——效率和部署方案在很大程度上依賴 NVIDIA 硬件,從桌面上的單台 DGX Spark 到超算中心皆然。

是否值得關注?

如果你正在構建研究或實驗室自動化智能體,並擁有自己的實驗數據,Nemotron for Science 值得深入研究:開放權重、真實的化學數據集、可信的後訓練路徑,以及合作夥伴在特定任務上的實際驗證。如果你只是需要一個通用的科學聊天機器人,這並不適合——它是構建專業智能體的基礎設施,適合願意投入後訓練的團隊。

有關基礎模型架構、基準測試和授權的詳細說明,請參閱我們對 Nemotron 3.5 Super VL 的完整解析。NVIDIA 最初在 X 上的帖子中分享了此次發布。

使用 AI 工作團隊構建你自己的科學智能體

Nemotron for Science 展示了一種模式:智能體規劃任務、調用真實工具、檢查自身輸出並持續迭代。Eigent 是一款開源的 Cowork 桌面應用,能夠在本地協調這類多智能體工作流程——將一組智能體指向你自己的文檔、數據和工具,讓它們在你掌控的基礎設施上執行多步驟工作。了解它如何處理文檔密集型審查工作流程,或下載 Eigent 構建你自己的智能體團隊。

Recent Posts

Eigent v1.0.8 版本資訊:全新主頁、全域搜尋與更清晰的對話
產品Nov 17, 2026

Eigent v1.0.8 版本資訊:全新主頁、全域搜尋與更清晰的對話

Eigent v1.0.8 帶來重新設計的主頁、跨空間搜尋及新版訊息輸入框,並預設使用對話時間軸,讓你更容易了解代理的工作。

Douglas LaiDouglas Lai
GPT-6.2 Astra 與 Sol:新功能、定價及基準測試
Nov 17, 2026

GPT-6.2 Astra 與 Sol:新功能、定價及基準測試

GPT-6.2 Astra 與 Sol 是 OpenAI 為 ChatGPT Work、Codex 及 API 推出的最新模型。了解有何改變、定價、基準測試,以及應選用哪個模型。

EigentEigent
Claude Fable 5.2 與 Mythos 5.2:全新功能詳解
Nov 9, 2026

Claude Fable 5.2 與 Mythos 5.2:全新功能詳解

Claude Fable 5.2 與 Mythos 5.2 詳解:每百萬 token 定價降至 $8/$40,輸出速度提升最多 30%,全新基準測試成績,以及各等級的存取資格說明。

EigentEigent
Automate everything with AI workforce on desktop
Download Eigent

立即試用 Eigent

下載開源桌面 app。你的 AI workforce,直接在你電腦上運行。

下載 Eigent
Eigent

獲取 AI workforce 自動化的最新更新、教學與版本消息。

感謝訂閱!

產品Eigent環境定價企業方案
探索解決方案使用案例技能外掛網誌更新日誌
開發者文件GitHubCAMEL-AIOpen Source Fund合作夥伴
下載適用於開源版
公司關於我們品牌招聘支援中心使用條款私隱政策安全與信任Cookie 政策退款與試用政策

版權所有 © 2026 EIGENT UK LTD