Deep Principle publica Hydrogen-1.0: modelo científico de 753B com pesos abertos e inferência em 8 GPUs via SGLang
Segundo a MarkTechPost, em 2 de novembro de 2026, a Deep Principle, de Hangzhou, publicou o Hydrogen-1.0, pós-treinado a partir do GLM-5.3, com 753B parâmetros totais, contexto de 1M e pesos que, segundo o relato, foram disponibilizados sob licença MIT; a autoavaliação FrontierScience-Research registra 38,3%, acima dos 33,3% do GPT-6-Astra, enquanto a elucidação estrutural por NMR fica 3,33 pontos percentuais atrás.

O que mudou
Segundo a MarkTechPost, em 2 de novembro de 2026, a Deep Principle, empresa de AI for Materials sediada em Hangzhou, publicou o Hydrogen-1.0, com pesos já enviados ao Hugging Face e ao ModelScope e, conforme a reportagem, disponibilizados sob licença MIT. O model card o descreve como derivado do GLM-5.3, da Z.ai, voltado à construção de problemas, ao planejamento de experimentos, à análise de resultados e à descoberta aberta; a equipe diz que é uma alternativa reproduzível e auditável a modelos científicos proprietários que antes não eram abertos. Nas especificações, a reportagem indica 753B parâmetros totais, MoE com cerca de 40B ativados (escala de ativação herdada da base GLM-5.3), contexto de 1M tokens, saída máxima de 128K e modalidade apenas de texto. O treinamento combina ajuste supervisionado e aprendizado por reforço, com dados de quatro tipos: conhecimento de domínio em química, materiais e ciências da vida; feedback de tarefas dado por cientistas da Deep Principle; registros eletrônicos de laboratório de ciclo completo coletados via Mira; e sequências de seleção e feedback que incluem tentativas fracassadas. A infraestrutura usa Megatron e SGLang, cobrindo NVIDIA CUDA e AMD ROCm; os checkpoints de treinamento passam por adaptadores de layout para pesos de inferência BF16 e pesos FP8 com blocos 128×128. A reportagem afirma explicitamente que o conjunto de dados completo e a receita de treinamento não foram divulgados. Todos os benchmarks são autoavaliações do fabricante. No FrontierScience-Research, o Hydrogen-1.0 obtém 38,3%; no relato, o GPT-6-Astra fica com 33,3%. Os 93,0% no GPQA-Diamond vêm de uma thread de tweets do fundador; a alegação de que o modelo é 'melhor que o GLM-5.3 e praticamente empatado com o Kimi-K3' é do blog, enquanto a tabela comparativa da reportagem marca as pontuações desses dois nesse item como não divulgadas, e os 96,0% do GPT-6-Astra aparecem marcados como relatório da OpenAI. Na avaliação interna de tarefas de pesquisa, tendo o GPT-6-Astra no modo de raciocínio máximo como referência, o Hydrogen-1.0 lidera por 5,13 pontos percentuais em computação científica e por 4,76 pontos em previsão de reação direta, mas fica 3,33 pontos atrás na elucidação estrutural por NMR. Na tarefa de design de complexos de metais de transição, o modelo busca um gap HOMO-LUMO maior ao longo de cinco rodadas; o melhor histórico médio na quinta rodada é 4,318 eV, contra 3,689 eV do GPT-6-Astra e 3,353 eV do Kimi-K3, segundo o relato. Em 117 questões de planejamento experimental, o Hydrogen-1.0 pontua acima do Kimi-K3; GPT-6-Astra e Opus-5.5 foram excluídos dessa comparação por recusarem mais da metade das requisições. Quatro demonstrações: construir um fundido de polietileno em Python e rodar o GROMACS, encontrar um erro de topologia, corrigi-lo e analisar a trajetória corrigida de 40 ns; expandir uma rede de reações Ireland-Claisen com 27 estruturas a partir de 30 reações plausíveis; ordenar sete candidatos a produto de monoformilação do 2-bromonaftaleno a partir de espectros de 1H NMR; e escrever um protocolo JSON para um estudo de acoplamento de Suzuki em 12 frascos. A etapa de compilação do laboratório virtual também bloqueou, antes da execução, uma operação de pipetagem em que a ponteira não havia sido trocada. No lado da implantação, a equipe testou o serviço de inferência em BF16 com SGLang em 8 GPUs e paralelismo de tensor 8; há também uma versão NVFP4 para NVIDIA B200/B300 e uma MXFP4 para AMD Instinct MI350X/MI355X, com um servidor que oferece interface compatível com OpenAI e a configuração reasoning_effort. A reportagem não divulga o preço da API do Hydrogen-1.0 nem menciona serviço gerenciado.
Impacto para desenvolvedores
Para desenvolvedores, a primeira barreira é a máquina, não a integração. 753B parâmetros totais e cerca de 40B ativados significam que a inferência própria é um projeto de oito GPUs, e o relato só verificou uma configuração: BF16 com TP=8. Para reduzir o número de GPUs, as alternativas citadas são checkpoints NVFP4 ou MXFP4, que prendem o modelo ao Blackwell (B200/B300) e ao MI350X/MI355X, respectivamente; para quem tem H100/H200 ou MI300, a reportagem não apresenta caminho correspondente. Isso se parece mais com uma opção de autohospedagem para quem tem recursos do que com subir um contêiner sem planejamento — especialmente com contexto de 1M, em que tempo de prefill e uso de memória precisam ser medidos à parte com requisições longas, sem extrapolar a partir da vazão de prompts curtos. O formato da interface reduz o custo de migração. O servidor SGLang expõe uma interface compatível com OpenAI, à qual clientes e camadas de orquestração de prompts existentes em grande parte podem se conectar diretamente; reasoning_effort transforma o orçamento de raciocínio em parâmetro da requisição, mas a reportagem não informa seu domínio de valores, padrão nem relação com tokens de saída. Isso precisa ser confirmado no próprio gateway, caso contrário a latência em produção pode variar conforme o nível padrão. Licença: é preciso separar duas coisas. A reportagem diz que os pesos liberados usam MIT, mais permissivo que 'apenas pesos abertos'; mas, na mesma tabela comparativa, a base GLM-5.3 aparece com outra licença, identificada como licença GLM-5.3. Saber se um modelo pós-treinado a partir de uma base com licença customizada pode ser redistribuído pelo derivado sob MIT exige ler o texto da licença e o model card, não inferir de 'pesos disponíveis para download'. O conjunto de dados e a receita de treinamento não são públicos; a reprodutibilidade e a auditabilidade alegadas pela equipe cobrem, por ora, apenas a camada dos pesos — registros de laboratório e trajetórias de descoberta ficam fora do escopo aberto. No perfil de capacidades, há uma assimetria. A própria reportagem admite que o modelo fica 3,33 pontos percentuais atrás do GPT-6-Astra na elucidação estrutural por NMR, uma comparação em tarefa interna de pesquisa; a mesma reportagem traz também uma demonstração em que ele ordena sete candidatos a produto de monoformilação do 2-bromonaftaleno a partir de espectros de 1H NMR. São tarefas diferentes: a primeira é a deficiência apontada; a segunda é apenas demonstração. Se o seu caso de uso cai nessa deficiência depende da proporção de tarefas de elucidação nas suas requisições; a quantidade de demonstrações nos seus tickets e requisições de negócio não substitui essa medida. Há ainda um detalhe metodológico. Na prova de planejamento de experimentos, dois concorrentes foram excluídos por taxa de recusa acima da metade, o que significa que a comparação só ocorreu em requisições que o modelo aceitou responder; se seus prompts de produção têm limites ambíguos ou envolvem informação sensível, a taxa de recusa deveria entrar na avaliação junto com a acurácia. Caso contrário, você pode acabar escolhendo o modelo mais disposto a aceitar tarefas, não o mais preciso.
Integração e avaliação
A seguir, uma análise condicional baseada na reportagem, não fatos verificados. Decisão 1: BF16 ou FP4 como versão de precisão. A reportagem mostra três caminhos de inferência para o mesmo modelo — BF16 testado (8 GPUs, TP=8), NVFP4 para B200/B300 e MXFP4 para MI350X/MI355X. Não escolha FP4 só porque o novo formato é mais rápido; trate-o como substituto que precisa de aceitação. O gatilho inicial é a geração do acelerador: só o hardware correspondente tem checkpoint FP4, e para as demais máquinas o relato só indica o caminho BF16; depois, verifique se a memória comporta BF16. O critério testável é pegar um lote de questões próprias (por exemplo, ordenação de produtos espectrais e previsão de reação direta), rodar BF16 e FP4 e comparar a concordância top-1 e a latência de saída por requisição; se a queda de concordância passar do seu limite de negócio e o BF16 ainda rodar, fique no BF16. Decisão 2: substituição total ou roteamento por tarefa. O ponto de mudança relatado é que o Hydrogen-1.0 fez pós-treinamento científico sobre o GLM-5.3, enquanto a reportagem descreve o foco do GLM-5.3 de base em programação e agentes. A ideia é rotear por tipo de requisição, não trocar um modelo pelo outro: raciocínio e planejamento experimental em química, materiais e ciências da vida vão para o Hydrogen-1.0; codificação geral e orquestração de ferramentas ficam na base ou em outro modelo. O pré-requisito é volume suficiente para separar e contar os dois tipos de tráfego; caso contrário, o roteamento só amplia a superfície de operação. O critério é manter um conjunto reservado por categoria de tarefa, registrar a taxa de sucesso e o custo real por tarefa bem-sucedida, e só separar quando o ganho nas tarefas científicas cobrir o custo de manter mais uma implantação. Decisão 3: o nível padrão de reasoning_effort. A reportagem confirma que o servidor expõe essa configuração e afirma que a comparação com o GPT-6-Astra foi feita no modo de raciocínio máximo. Não copie o nível do concorrente; faça sua própria varredura. O pré-requisito é registrar tokens de saída e latência ponta a ponta por requisição. O critério é a curva de acurácia em função dos tokens de saída, adotando como padrão o ponto em que o ganho marginal fica claramente plano, e um nível baixo separado para interfaces online sensíveis a latência. Os passos de avaliação podem seguir os pontos fortes e fracos declarados na reportagem: primeiro, reproduza a deficiência de elucidação estrutural por NMR nos seus dados e veja se os tipos de erro seguem a direção apontada; depois, reproduza os pontos fortes alegados, como a otimização iterativa que busca um gap maior, e observe se a convergência na quinta rodada se aproxima da trajetória numérica relatada; por fim, meça taxa de recusa e aderência ao formato, pois dois concorrentes foram eliminados justamente pela taxa de recusa.
Limites e pontos a confirmar
O Hydrogen-1.0 não está atualmente no catálogo de modelos do KimiSeek; o site não lista esse modelo nem oferece ponto de acesso para chamá-lo. Os endereços de download dos pesos e a interface compatível com OpenAI citados na reportagem apontam para implantação própria no lado do fabricante; qualquer disponibilidade gerenciada, preço e limite de uso devem ser confirmados com a Deep Principle ou com o provedor de hospedagem efetivo. O GLM-5.3 no catálogo do site é a base dele; não são o mesmo modelo. Os benchmarks da reportagem são autoavaliações da Deep Principle; a reportagem não menciona reprodução independente do FrontierScience-Research nem das tarefas internas. Os 33,3% do GPT-6-Astra são um número repassado pela Deep Principle; os 93,0% no GPQA-Diamond vêm de uma thread de tweets do fundador; e a afirmação de que o modelo é 'melhor que o GLM-5.3 e aproximadamente igual ao Kimi-K3' não tem apoio nos valores correspondentes da tabela da reportagem. O conjunto de dados e a receita de treinamento não são públicos; a licença MIT, segundo o relato, cobre apenas os pesos liberados, enquanto a base usa outra licença na tabela comparativa; a possibilidade de redistribuir os pesos derivados sob MIT exige conferir diretamente os arquivos da licença. As quatro demonstrações mostram apenas que o fluxo pode ser executado; não constituem validação de acurácia ou segurança. A reportagem não divulga preço de API nem serviço gerenciado para o modelo; se surgir um provedor, preço e cotas devem ser verificados na página de preços.