Hydrogen开放科学模型权重：7530亿参数

科学大模型的开放，正在从论文知识问答延伸到实验规划与探索过程。据MarkTechPost于2026年11月2日刊载的报道，杭州AI材料公司Deep Principle发布Hydrogen-1.0，以MIT许可证开放模型权重，面向化学、材料科学和生命科学研究。该模型基于Z.ai的GLM-5.3进行后训练，拥有7530亿参数，并引入实验室记录、科学家的任务反馈以及包含失败尝试的发现轨迹。对希望自行部署、检查和改造科学助手的研究团队而言，这次发布提供了新的选择；不过，开放权重与完整复现训练仍有距离，其性能结论也需要结合评测来源和条件理解。

开放的是权重，目标是完整科研流程

Hydrogen-1.0采用混合专家架构，即MoE；按照GLM-5.3基座的配置，每次计算约激活400亿参数。模型支持100万token上下文，最大输出长度为12.8万token，当前模态为文本。它的定位覆盖研究问题构建、实验方案制定、结果分析以及开放式发现，而不只是回答已有明确答案的科学问题。长上下文为同时处理文献、实验记录和多轮工具反馈提供了空间，但能容纳更多信息，并不自动意味着模型能正确理解所有实验约束。

Deep Principle团队认为，专有模型已经推动了近期一些AI科学成果，但相关发现能力并未开放；Hydrogen-1.0希望提供可检查、可复现的替代路径。这一主张需要分层看待：MIT许可允许使用者在许可条件下部署和修改权重，降低围绕模型构建研究系统的许可障碍；然而，团队没有公开完整训练数据集与训练配方，外部研究者目前无法仅凭发布材料复现全部训练过程。因此，更准确的定位是开放权重的科学研究助手，而不是训练全过程均已开放的科研基础设施。

实验记录与失败轨迹进入后训练

训练流程结合监督微调（SFT）与强化学习（RL），数据来自四个方向：化学、材料科学和生命科学领域知识；Deep Principle科学家提供的具体研究任务反馈；通过Mira获取的全周期电子实验记录；以及记录连续选择、反馈和失败尝试的发现轨迹。这种组合的意义在于，把科研中“提出方案—执行—发现问题—修正”的过程纳入学习对象。与只从论文终稿学习相比，实验记录和失败轨迹有机会帮助模型识别操作约束与错误原因，但其实际贡献仍需更细致的对照评测验证。

工程基础建立在Megatron和SGLang之上，同时覆盖NVIDIA CUDA与AMD ROCm。团队在上下文并行分片之间维持动态稀疏注意力的因果约束，并按后端安排Muon优化器状态在CPU、GPU和磁盘间迁移。强化学习支持可恢复的rollout，每个token保留原始行为策略的对数概率，用于重要性校正；训练检查点则通过布局适配器转换为BF16和128×128分块FP8推理权重。这些细节说明，发布不仅涉及领域数据微调，还包含长上下文、跨硬件训练和推理格式转换等工程工作，但并不能替代尚未公开的完整训练配方。

研究评测领先，核磁任务仍有差距

Deep Principle自报，Hydrogen-1.0在FrontierScience-Research上获得38.3%，高于GPT-6-Astra的33.3%，领先5个百分点。一位创始人在社交平台发布的评测信息还给出了GPQA-Diamond的93.0%成绩；团队博客称，这一表现优于GLM-5.3，并与Kimi-K3大致相当。原文对照表同时列出OpenAI自报的GPT-6-Astra GPQA-Diamond成绩96.0%。这些数字表明，“超过GPT-6-Astra”对应特定研究基准，不能扩展为所有科学能力全面领先；不同团队公布的结果，也需要结合各自评测设置比较。

在内部研究任务评测中，对手GPT-6-Astra采用最大思考设置。Hydrogen-1.0在科学计算上领先5.13个百分点，在正向反应预测上领先4.76个百分点，但在核磁共振（NMR）结构解析上落后3.33个百分点。另一项过渡金属配合物设计任务要求模型用5轮探索寻找更大的HOMO-LUMO能隙，即最高占据分子轨道与最低未占据分子轨道之间的能量差。到第5轮，Hydrogen-1.0的“截至当前最佳能隙”均值达到4.318电子伏特，GPT-6-Astra为3.689电子伏特，Kimi-K3为3.353电子伏特。另在117道实验规划问题上，Hydrogen-1.0得分高于Kimi-K3；GPT-6-Astra与Opus-5.5因拒绝超过50%的请求被排除。因此，这组实验规划结果不能视为四个模型在同一完整样本上的直接排名，拒绝行为也不能简单等同于科学能力不足。

四个演示展示工具调用与纠错

技术文章给出了四个科研工作流演示。第一个演示中，Hydrogen-1.0编写Python代码构建聚乙烯熔体，并运行分子动力学软件GROMACS；在发现拓扑错误后，它修复问题，再分析修正后的40纳秒轨迹。第二个演示围绕Ireland-Claisen反应扩展反应网络，以30条合理反应连接27个结构。前者展示了从代码生成到计算执行、报错处理和结果分析的连续流程，后者则体现了模型围绕化学反应提出并组织候选路径的能力。它们是具体案例，不能据此推断所有同类任务都具有相同成功率。

第三个演示要求模型依据氢核磁共振（¹H NMR）谱迹，对2-溴萘的7个候选单甲酰化产物排序；这一能力展示应与前述NMR评测落后结果一起理解。第四个演示中，模型为包含12个反应瓶的Suzuki偶联研究编写JSON实验协议，随后由虚拟实验室编译环节在执行前识别出一次未使用新吸头的吸液操作。这个案例的价值不仅在于模型能生成结构化方案，也在于工作流保留了执行前检查：自然语言意图转为设备操作时，需要对耗材状态、操作顺序和协议约束进行验证。原文展示的是协议生成与虚拟检查过程，并未据此证明整套湿实验已经成功完成。

部署覆盖两类GPU，使用成本尚待衡量

模型权重已在Hugging Face和ModelScope发布。团队使用SGLang，在8张GPU上以张量并行度8测试了BF16服务；发布材料还列出面向NVIDIA B200、B300的NVFP4版本，以及面向AMD Instinct MI350X、MI355X的MXFP4版本。服务端提供兼容OpenAI的API，并支持reasoning_effort参数，方便现有应用接入和设置推理投入。需要区分的是，8卡BF16测试与不同低精度版本的目标硬件是不同信息，原文没有给出所有组合的统一速度、显存和成本测试。Hydrogen-1.0在NeuroSpark上的API价格也未披露，开放权重并不意味着大规模部署成本已经明确。

从原文的横向对照看，Z.ai的GLM-5.3同样为7530亿总参数、约400亿激活参数，支持100万token上下文，采用GLM-5.3 License开放权重，主要面向编程与智能体任务，模态为文本。Moonshot AI的Kimi-K3为2.8万亿参数，列出的专家配置是896个专家中激活16个，支持100万token上下文、文本与视觉，并开放权重，定位通用模型。OpenAI的GPT-6-Astra属于专有通用模型，上下文为105万token，总参数与激活参数未披露，原文也未说明其模态。对照表没有列出GLM-5.3和Kimi-K3的FrontierScience-Research及GPQA-Diamond具体分数。价格方面，按每100万token的输入／输出计，GLM-5.3在Z.ai的报价为1.40／4.40美元，Kimi-K3为3／15美元，GPT-6-Astra为10／50美元。这些价格有助于理解托管API的选择，但不能直接等同于自建Hydrogen-1.0服务的综合成本。

Hydrogen-1.0此次发布的核心进展，是把包含实验过程信息的科学模型权重交到外部研究者手中，让团队有机会围绕自身工作流进行部署、检查和再开发。现有材料已经给出技术博客、模型权重与使用说明，但没有宣布进一步开放完整数据和训练配方的时间表。接下来值得观察的，是独立团队能否复现其基准表现，以及模型在真实实验约束、持续失败反馈和跨机构任务中能否保持可靠性。只有将开放权重、可核查评测和实验验证连接起来，科学大模型的可访问性才能进一步转化为可积累的研究价值。