Deep Principle 发布开放权重科研模型 Hydrogen-1.0，基于 GLM-5.3 后训练

北京时间 11 月 2 日 21 时 35 分（UTC 13:35），Deep Principle（深度原理）创始人兼 CTO Chenru Duan 在 X 上宣布发布 Hydrogen-1.0。按公告说法，这是这家位于马萨诸塞州剑桥的公司第一个面向科学研究的开放权重模型：在 Z.ai 的 GLM-5.3 之上，用实验室内部科学数据、实验记录和发现轨迹（discovery trajectories）做后训练。权重当天已可在 Hugging Face 与 ModelScope 下载，模型卡标注 753B 参数、MIT 许可与 1M token（词元）上下文。

随后，Z.ai 官方账号 @Zai_org 转发了这条公告。原帖写明「我们用内部科学数据、实验记录和发现轨迹对 GLM-5.3 做了后训练」——基座模型的持有方转发这份声明，等于在公司层面确认了 Hydrogen-1.0 的基座出处；转发本身没有附带任何新的性能声明。公告中的基准成绩均为 Deep Principle 自报口径：OpenAI 发布的 FrontierScience-Research 基准上得 38.3%，高于 OpenAI 模型 GPT-6-Astra 的 33.3%；学术基准 GPQA-Diamond 得 93.0%。截至发稿，这些数字未经独立验证。

Deep Principle（深度原理）的 Hydrogen-1.0 模型卡片，标注模型名与发布日期 2026.11.02

Chenru Duan 的公告与 Z.ai 的转发

公告推文写道（中文大意）：「我们推出 Hydrogen-1.0，我们的第一个开放权重科研模型。」推文附带一段演示视频，并给出团队的主张：「科学应当是开放、协作、人人可及的，而不是专有的。」推文还说，近来以化学元素命名的模型不少，但他们相信 Hydrogen-1.0 是第一个朝着开放的科学超智能、面向发现这一目标努力的。

一分钟后发布的第二条推文给出更细的内部场景成绩，并附上官方技术博客的链接。

23 时 26 分（UTC 15:26），距公告发出 1 小时 50 分钟，@Zai_org 转发了公告。该账号的 X 简介写明「GLM 模型背后的 AI 实验室」，拥有约 16.8 万关注者；两处官方模型卡同样把基座标注为 Z.ai 的 GLM-5.3，与转发相互印证。公告本身来自一个约 1,800 粉丝的账号（Duan 本人），发布约 5 小时后获得约 2,100 个赞、近 18 万次浏览、900 余次收藏和 174 次转发（截至北京时间 11 月 3 日凌晨）。

自报成绩单：一张成绩—成本图与三道内部场景

博客把结论限定在「我们的评估中」：Hydrogen-1.0 在 FrontierScience-Research（FSR）上超过 GPT-6-Astra，在 GPQA-Diamond 上较基座 GLM-5.3 提升、大致追平开放前沿模型 Kimi-K3。评估图把 Hydrogen-1.0、它的起始权重（checkpoint）GLM-5.3、Kimi-K3 和 GPT-6-Astra 放进同一张「性能—平均输出 API 成本」散点图：FSR 计通过率，GPQA-Diamond 计准确率；成本按标准美元输出 token 费率计算、含推理部分，Hydrogen-1.0 按 GLM-5.3 定价计，输入与判分成本不计。第二条推文据此概括：FSR 上达到 SOTA（state of the art，最佳水平）、GPQA-Diamond 与 SOTA 相当，而 API 成本与 GLM-5.3 相当。

内部评估覆盖三个场景：科学计算、一步正向反应预测、NMR（核磁共振）结构解析。博客称，前两项在低、高、最高三档思考强度下（GLM-5.3 的 API 即按这三档设计）全部高于 GPT-6-Astra，最高档分别为 76.9% 对 71.8%、90.5% 对 85.7%；NMR 结构解析则是 Astra 反超，30.0% 对 26.7%。博客同时提醒，内部任务的绝对分差反映题目难度，不应读作模型能力的直接比较。

另有一组 117 道共享题的实验设计评估，按 10 分制评分量表（rubric）与 Kimi-K3 比较；博客注明，GPT-6-Astra 与 Opus-5.5 因为拒绝了一半以上请求，未进入该图。

把电子实验记录喂进训练管线

Deep Principle 官方博客配图：实验室自动化设备正在抓取样品瓶

博客列出四类训练数据：化学、材料科学、生命科学的领域知识；来自自家科学家的任务级反馈；实验室记录；发现轨迹。后训练分监督微调（supervised fine-tuning，SFT）与强化学习（reinforcement learning，RL）两段，做的是全量 MoE（mixture-of-experts，混合专家）后训练，构建在 Megatron 与 SGLang 上，同时适配 NVIDIA CUDA 与 AMD ROCm；数据、训练管线与基础设施由 UniPat 和 Mind Lab 协助搭建，NeuroSpark 负责训练基础设施。

博客对实验室记录着墨最多。其电子实验记录（ELN）依托公司 Mira 平台的代理式（agentic）文档功能，把科学家的意图、操作、观察和结果连成一条上下文，包括失败的尝试和意外的结果。用这些记录训练，是为了让模型学会把一句话的研究意图变成实验计划、生成可执行协议并解读结果。一个示例是「实验室编译」：Hydrogen-1.0 为 12 瓶 Suzuki 偶联实验写 JSON 协议，虚拟彩排发现它试图在不换新枪头的情况下吸取试剂，模型随即调整动作顺序，修订版协议通过编译后才交给执行环节。博客称，这类本地检查有助于回应让 AI 自主操作实验室的安全担忧。

发现轨迹则用于材料发现训练。在过渡金属配合物（TMC）设计任务中，每个模型从同一初始群体出发，五轮内自行推荐新候选、只拿自己推荐结果的反馈；到第五轮，Hydrogen-1.0 的 mean best-so-far HOMO–LUMO 能隙（分子轨道能级差）达到 4.318 eV，高于 GPT-6-Astra 的 3.689 eV 和 Kimi-K3 的 3.353 eV。失败的候选和被修正的假设都成为训练经验的一部分。

模型卡明确了边界：完整训练数据集和训练配方不随权重发布。

三个权重版本与八卡部署

模型卡显示，Hydrogen-1.0 为 753B 参数（约 7,530 亿）的未量化 BF16（16 位浮点）权重，上下文长度 1M token，最大输出 128K token。权重采用 MIT 许可，Deep Principle 自有代码与文档采用 Apache License 2.0，第三方文件保留各自许可。除全量 BF16 外还有两个量化版本：NVFP4 面向 NVIDIA Blackwell（B200、B300），MXFP4 面向 AMD Instinct MI350X、MI355X。官方在 8 卡 GPU 上用 SGLang 完成测试，并提醒使用者保留 generation_config.json——少了它，生成不会在答案结束处停止。

获取渠道共四条：Hugging Face 与 ModelScope 下载权重，NeuroSpark 以 API 调用，或在公司的 AI Scientist 产品 Mira 中直接使用。

基座为什么是 GLM-5.3

GLM-5.3 是 Z.ai 于 8 月 14 日发布的模型，官方博客称其为编码任务上最强的开放权重模型——在自家 Z.ai Code Bench 上较 GLM-5.2 提升 50%——并承诺上线两周后开放权重下载。Z.ai 自己的路径是沿用同一基座、增益全部来自后训练；Deep Principle 把这条路接了过来，只是把后训练的数据域从编码环境换成化学、材料、生命科学与自家实验室记录。

Deep Principle 在博客里给出的动机是：OpenAI 曾报告由 AI 代理给出受迫 Navier–Stokes 方程有限时间奇点的证明，并附带 Lean（形式化证明语言）写成的版本；Anthropic 通过基因组分析和实验室工作发现一种带 CRISPR 类重复序列的酶系统。但这些能力都锁在专有模型里，不以开放权重提供，有的连公开 API 都没有。博客的判断是，一个够强的开放模型能让研究者检查、改造底层系统，并在共享的改进上继续构建。

分数之外，追问已经开始

回复区的问题集中在数据与许可。威斯康星大学麦迪逊分校计算生物学家 Anthony Gitter 引用博客原句，追问后训练具体用了哪些类型的科学数据；有人问实验记录是否包含失败实验——「那是论文永远不会发表的数据」；有人问38.3% 里有多少来自后训练本身；还有人问权重许可下的微调权利。

公开可查的评估目前只有 Deep Principle 自己的成绩单；Hugging Face 页面显示 70 个赞、累计下载 0 次——权重挂出还不到一天。38.3% 能否成立，要看第一批把权重下载下来的人得出什么结果。

参考链接

本文由 AREX Agent 基于公开网络信源自动整合梳理。
AI 可能存在信息遗漏、时序偏差或事实误判。文中观点与事实请结合文末原始链接交叉核验，请勿直接作为决策依据。

内容中包含的图片若涉及版权问题，请及时与我们联系删除