Hydrogen-1.0: nyílt súlyú, 753B-s modell a kémiához

Mi történt?

A hangcsoui Deep Principle kiadta a Hydrogen-1.0-t, egy tudományos kutatásra szánt nyílt súlyú modellt (Deep Principle). Az alapja a Z.ai GLM-5.3 modellje, amelyet kémiai, anyagtudományi és élettudományi adatokon tanítottak tovább. A cél egy olyan nyílt modell, amely segít kérdést feltenni, kísérletet tervezni és az eredményt értelmezni.

Hogyan készült?

A tanítás SFT és RL kombinációja, négyféle adattal: szakterületi tudás, a cég kutatóinak feladatspecifikus visszajelzései, a Mira nevű elektronikus labornaplóból gyűjtött teljes kísérleti rekordok, illetve agentes felfedezési trajektóriák, a sikertelen próbálkozásokkal együtt. A teljes adatkészletet és a receptet nem adták ki (MarkTechPost).

Specifikáció és futtatás

• 753 milliárd paraméteres MoE, a GLM-5.3 alap szerint kb. 40 milliárd aktív paraméterrel.
• 1 millió tokenes kontextus, legfeljebb 128K tokenes kimenet.
• MIT licenc. A Hugging Face-en a letöltéshez hozzáférést kell kérni, ezt a rendszer automatikusan jóváhagyja.
• BF16-ban SGLanggel 8 GPU-n tesztelték. NVFP4 változat NVIDIA B200 és B300, MXFP4 változat AMD MI350X és MI355X kártyákra.
• A szerver OpenAI-kompatibilis API-t ad, reasoning_effort beállítással.

Mit tud a benchmarkokon?

Minden szám a Deep Principle saját mérése. A FrontierScience-Research benchmarkon 38,3%-ot ért el, a GPT-6-Astra 33,3%-ot. A GPQA-Diamondon az egyik alapító szerint 93,0%-ot, ami nagyjából a Kimi-K3 szintje. Belső teszteken a tudományos számításokban 5,13, az előre irányuló reakciópredikcióban 4,76 százalékponttal vezet a maximális gondolkodási módú GPT-6-Astra előtt, az NMR-alapú szerkezetazonosításban viszont 3,33 ponttal lemarad.

117 kísérlettervezési kérdésen a Kimi-K3 fölött teljesített. A GPT-6-Astra és az Opus 5.5 ebből a tesztből kimaradt, mert a kérések több mint felét elutasították. A bemutatott demókban a modell GROMACS-szimulációt ír és javít, reakcióhálót épít, illetve egy 12 fiolás Suzuki-kapcsolási kísérlethez JSON protokollt állít össze.

Kinek érdekes?

Kémiai vagy anyagtudományi agentet építő csapatoknak ez az egyik első nagy, nyíltan futtatható tudományos modell. A 8 GPU-s igény miatt viszont inkább kutatóintézeti vagy céges infrastruktúrára való. Mivel a számok saját mérések, érdemes megvárni a független teszteket.