Deep Principle 发布 Hydrogen-1.0:753B 科学向模型开放权重,8 卡 SGLang 可服务
据 MarkTechPost 2026 年 11 月 2 日报道,杭州 Deep Principle 发布 Hydrogen-1.0,由 GLM-5.3 后训练而来,753B 总参数、1M 上下文,权重据报以 MIT 许可开放;自评 FrontierScience-Research 38.3% 高于 GPT-6-Astra 的 33.3%,NMR 结构解析落后 3.33 个百分点。

发生了什么
据 MarkTechPost 2026 年 11 月 2 日报道,总部位于杭州的 AI for Materials 公司 Deep Principle 发布 Hydrogen-1.0,权重已上传 Hugging Face 与 ModelScope,报道称以 MIT 许可证发布。模型卡把它描述为 Z.ai 的 GLM-5.3 派生模型,面向问题构建、实验规划、结果分析与开放式发现;团队称这是给此前不开放的专有科学模型提供一份可复现、可审查的替代品。 规格方面,报道给出 753B 总参数、约 40B 激活的 MoE(激活规模继承自 GLM-5.3 底座)、1M token 上下文、最大 128K 输出,纯文本模态。训练把监督微调与强化学习结合,数据来自四类:化学、材料与生命科学领域知识;Deep Principle 科学家给出的任务反馈;通过 Mira 采集的全周期电子实验记录;以及包含失败尝试的选择与反馈序列。基础设施基于 Megatron 与 SGLang,覆盖 NVIDIA CUDA 与 AMD ROCm;训练检查点经布局适配器转成 BF16 与 128×128 分块 FP8 推理权重。报道明确写到完整数据集与训练配方未公开。 基准均为厂商自评。FrontierScience-Research 上 Hydrogen-1.0 得 38.3%,报道中 GPT-6-Astra 为 33.3%。GPQA-Diamond 的 93.0% 出自创始人的推文串;所谓“优于 GLM-5.3、大致与 Kimi-K3 持平”是博客的说法,而报道的对比表里这两家的该项分数标注为未披露,表中 GPT-6-Astra 的 96.0% 标注为 OpenAI 报告。内部研究任务评测以最大思考模式下的 GPT-6-Astra 为参照:科学计算领先 5.13 个百分点,正向反应预测领先 4.76 个百分点,NMR 结构解析落后 3.33 个百分点。过渡金属配合物设计任务中,模型在五轮内追逐更大的 HOMO-LUMO 能隙,第五轮平均历史最佳为 4.318 eV,报道给出 GPT-6-Astra 3.689 eV、Kimi-K3 3.353 eV;117 道实验规划题上 Hydrogen-1.0 得分高于 Kimi-K3,GPT-6-Astra 与 Opus-5.5 因拒绝超过一半请求被排除在该项比较之外。 演示共四个:用 Python 构建聚乙烯熔体并运行 GROMACS,发现拓扑错误后修复并分析修正后的 40 ns 轨迹;通过 30 个合理反应扩展出含 27 个结构的 Ireland-Claisen 反应网络;从 1H NMR 谱为 2-溴萘的 7 个候选单甲酰化产物排序;为 12 瓶 Suzuki 偶联研究编写 JSON 协议。虚拟实验室的编译步骤还在执行前拦住了一次未更换枪头的吸取操作。 部署侧,团队用 SGLang 在 8 块 GPU、张量并行度 8 下测过 BF16 服务;另有面向 NVIDIA B200/B300 的 NVFP4 版本与面向 AMD Instinct MI350X/MI355X 的 MXFP4 版本,服务端提供兼容 OpenAI 的接口并带 reasoning_effort 设置。报道未披露 Hydrogen-1.0 的 API 价格,也未提到托管服务。
对开发者的影响
对开发者的第一道门槛是机器,而不是接入。753B 总参数、约 40B 激活意味着自建推理是八卡级别的工程,而报道中被验证的只有 BF16、TP=8 一种配置。想把规模压到更少卡,只能指望 NVFP4 或 MXFP4 检查点,这两个版本分别锁定 Blackwell(B200/B300)与 MI350X/MI355X;手上是 H100/H200 或 MI300 的团队,报道没有给出对应路径。这更像“有资源就能自持”的选项,而不是随手起一个容器的选项——1M 上下文尤其如此,prefill 时间与显存占用要按长请求单独测,不能用短 prompt 的吞吐外推。 接口形状降低了迁移成本。SGLang 服务端暴露兼容 OpenAI 的接口,现有客户端与提示编排层大多可以直连;reasoning_effort 把思考预算变成请求参数,但报道没有说明它的取值域、默认值,以及与输出 token 的对应关系,这些要在自己的网关上先确认,否则线上延迟会随默认档位漂移。 许可证要分清两件事:报道称放出的权重使用 MIT,这比“仅开放权重”更宽松;但同一篇报道的对比表里,底座 GLM-5.3 标注的是另一套 GLM-5.3 许可证。一个用自定义许可证的底座后训练出的模型,能否由派生方按 MIT 再分发,得直接读许可证原文与模型卡,不能从“权重可下载”推断。数据集与训练配方未公开,团队所说的可复现、可审查目前只覆盖权重这一层,实验室记录与发现轨迹不在开放范围内。 能力画像上存在一个不对称。报道自己承认模型在 NMR 结构解析上落后 GPT-6-Astra 3.33 个百分点,这是它与对手在内部研究任务上的一项对比;同一篇报道另有一处演示,是让它从 1H NMR 谱为 7 个候选单甲酰化产物排序。两者是不同任务:前者是报道点明的短板,后者只是演示。你的业务是否踩在这条短板上,取决于解析类任务在你请求里的占比,不能用工单里的演示数量代替。 还有一处方法学细节值得留意。实验规划那一项里,两个对手因拒绝率超过一半被剔除,这意味着该比较只发生在模型愿意回答的请求上;若你的线上提示本身边界模糊或涉及敏感信息,拒答率应当与准确率一起进评估表,否则选出来的可能只是更愿意接活的模型,而不是更准确的模型。
接入与评估建议
以下为基于报道的条件性分析,不是已核实的事实。 决策一:精度版本选 BF16 还是 FP4。报道给出的变化是同一模型存在三条推理路径——被测过的 BF16(8 卡、TP=8)、面向 B200/B300 的 NVFP4、面向 MI350X/MI355X 的 MXFP4。要做的是别按“新格式更快”直接选 FP4,把它当成需要验收的替代品。触发条件首先是加速器代际:只有对应硬件才有 FP4 检查点,其余机器只能回到 BF16;其次是显存余量是否放得下 BF16。可测的判据是取一批自建题目(例如一批谱图产物排序、一批正向反应预测),分别跑 BF16 与 FP4,比较 top-1 一致率与单请求输出延迟;若一致率跌幅超过你的业务阈值而 BF16 又跑得动,就留在 BF16。 决策二:整体替换还是按任务分流。报道的变化点是 Hydrogen-1.0 在 GLM-5.3 之上做了科学向后训练,而报道把底座 GLM-5.3 的侧重写作编程与智能体。要做的是按请求类型路由,而不是把一个模型换成另一个:化学、材料、生命科学的推理与实验规划走 Hydrogen-1.0,通用编码与工具编排留在底座或其他模型。前提是你有足够请求量把两类流量分开统计,否则路由只增加运维面。判据是按任务类别各留一份留出集,记录每类通过率与每个成功任务的实际成本,只有当科学类任务的提升足以覆盖多维护一套部署的成本时才分流。 决策三:reasoning_effort 的默认档。报道确认服务端暴露了该设置,同时说明与 GPT-6-Astra 的对比是在最大思考模式下进行的。要做的是不要照搬对手的档位设定,自己扫一遍曲线。前提是能记录每次请求的输出 token 与端到端时延。判据是准确率对输出 token 的曲线,取边际收益明显变平的拐点作为默认值,对延迟敏感的在线接口单独设低档。 配套的评估步骤可以按报道自陈的强弱项排序:先在自己的数据上复现 NMR 结构解析这项短板,看错误类型是否与报道的落后方向一致;再复现它宣称的强项,比如多轮追逐更大能隙这类迭代优化,看第五轮的收敛趋势是否接近报道给出的数值走向;最后统计拒答率与格式遵循率,因为报道中两个对手正是被拒答率筛掉的。
限制与待确认事项
Hydrogen-1.0 这一版本目前不在 KimiSeek 的模型目录中,本站没有列出该模型,也没有提供它的调用入口;报道中的权重下载地址与兼容 OpenAI 的接口,都指向厂商一侧的自建部署,任何托管可用性、价格与限流需以 Deep Principle 或实际托管方为准。本站目录里的 GLM-5.3 是它的底座,两者不是同一个模型。 报道中的基准均为 Deep Principle 自评,FrontierScience-Research 与内部任务评测的第三方复现情况,报道未提及;GPT-6-Astra 的 33.3% 是转述自 Deep Principle 的数字,GPQA-Diamond 的 93.0% 出自创始人推文串,而“优于 GLM-5.3、大致与 Kimi-K3 持平”缺少报道表格中对应数值的支撑。数据集与训练配方未公开,MIT 许可据报只覆盖放出的权重,底座在对比表中使用另一套许可证,衍生权重能否按 MIT 再分发需直接核对许可证文件。四个演示只说明流程可以跑通,不构成对准确率或安全性的验证。报道没有披露该模型的 API 价格或托管服务;若后续出现托管方,价格与配额应查其定价页。