GPU：NVIDIA A100-SXM4-40GB（NERSC Perlmutter，每个模型独占一张卡）。结构：La-3OH-128H2O 非周期液滴，391 原子，电荷 0，自旋多重度 1。计时：加载后连续 4 次能量+力；第 1 次是编译或预热，最后一步是第 4 次，中位数是后 3 次的中位数。150 ps 按 0.5 fs、300000 步、只用最后一步外推。测于 2026-09-25；DPA4 Nano–Pro 于 2026-09-30 在 A100-SXM4-80GB 补测（其余模型为 A100-SXM4-40GB）。94 个模型成功；uma-s-1 在 fairchem 2.23 上无法加载。
纵轴按推理耗时从低到高，用的是 A100-40GB 上最后一步的毫秒数，越靠上越便宜。横轴仍是总能量 (eV)，范围 −273306.4 到 −273301.3。最低是 DPA4C-Mini，-273305.999 eV。悬停可看精确能量和相对差值。
从上到下是推理耗时（最后一步，ms）。横轴是总能量 (eV)，线段从 DPA4C-Mini 拉到该模型。
| 家族 | 环境 | 软件 | 推理设置 |
|---|---|---|---|
| DPA | dpa-pt211 + pytorch/2.11.0 | deepmd-kit 3.2.0 | DPA4C：DP_CUDA_INFER=2, DP_TF32_INFER=1, frozen.pt2；DPA4：另加 DP_TRITON_INFER=2；charge_spin=[0,1] |
| GRACE | grace-tf215 + tensorflow/2.15.0 | tensorpotential 0.6.1 | TPCalculator mode=uniform |
| Orb | orb-speed + pytorch/2.13.0 | orb-models 0.7.0 | precision=float32-high, torch.compile |
| UMA | pytorch/2.13.0 用户站点 | fairchem-core 2.23.0 | inference_settings=turbo, task=omol, TF32 |
| MACE | mace-speed + pytorch/2.13.0 | mace-torch 0.3.16, cuequivariance 0.12.0 | cuEq + reduce-overhead；POLAR 与 omol XL 关闭 compile |
环境都在 NERSC ~/software/envs。MACE 设了 PYTHONNOUSERSITE=1。编译过的 MACE 中位数可能低于最后一步；POLAR 以前两次仍在预热，以最后一步为准。能量约 −273303 eV 为 OMOL 面，约 −1880 eV 为材料面。GRACE 这套权重没有 OMol 模型。
| 家族 | 模型 | 最后一步 (ms) | 后三次中位 (ms) | 首次调用 (s) | 150 ps @ 0.5 fs (h) | 能量 (eV) | 势能面 | 推理设置 |
|---|