国内AI4S领域头号玩家，又把模型实践往前推了一步……

深度原理 DeepPrinciple 团队，把 GLM-5.3 后训练成了一个科学模型，权重全开放，名字叫 Hydrogen-1.0。

简单跟大家说说背景。

DeepPrinciple 把自家的 GLM-5.3 拿来后训练，灌进化学、材料、生命科学的领域数据，再加上他们自己实验室的实验记录，训练出 Hydrogen-1.0。

权重开放，是说挂在 Hugging Face 和 ModelScope 上随便下，同时也在 NeuroSpark 上开了 API，还能在自家 AI 科学家产品 Mira 里直接用。

如果横向比较一下海外顶尖的AI组织和NeoLab，就能看出深度原理的技术判断，很前瞻。

OpenAI 用 AI agent 证明了强迫 Navier-Stokes 方程的有限时间奇点，还配了 Lean 形式化。

Anthropic 通过基因组分析和实验室验证，找到一个带 CRISPR 样重复序列的酶系统。

最新的共识是，模型已经能参与真实的科学发现，能提出可以被数学或实验验证的想法。

可惜这些模型的发现能力是闭源的，权重不外放，别人想复现、想改造、想接着往下做，都得看人家的脸色。

Hydrogen-1.0 干的事情，是把这条刚刚被证明能走通的路，用开源权重重新铺了一遍。

见过很多打着开源旗号的模型，开源的是名头；权重、数据、评测口径全都藏着掖着。

这次Hydrogen-1.0的发布就很有诚意了。

它把从领域知识到实验记录，再到发现轨迹的整条链路，都摊开了，连失败实验的记录都拿来当训练数据。

失败记录，是科研里最难拿、也最值钱的数据，愿意拿它出来训练的团队，至少说明他们真的相信这条路。

01

说说「权重开放」这件事

先看评测数据。

Hydrogen-1.0 在 FrontierScience-Research 上超过 GPT-6-Astra，在 GPQA-Diamonds 上比它的起点 GLM-5.3 高，基本追平开源前沿模型 Kimi-K3。

让我在意的，是发布页里那张性能对成本的图，横轴是输出侧 API 价格。

把能力和单位成本放在一起比，能看出水准，也能看出性价比。

这种产品化算账的思维，有些研究团队意识不强，也造成了产业侧的落地难。

内部场景的评测，更有意思。

科学计算、单步正向反应预测、NMR 结构解析，三个他们团队天天用的场景，最高思考档下前两项比 GPT-6-Astra 高 5.13 和 4.76 个百分点，NMR 那项低 3.33。

发布页专门写了一句，不同任务的绝对分数差异反映的是内部题目难度，不能直接当成模型能力的横向比较。

能主动给自家数字画边界、承认某一块不如别人的，是认真做研究的人。

02

会自己修实验流程的模型，比会做题的模型更吓人

榜单数字撑不起一个新范式，让我觉得这个模型有点东西的，是那几个演示案例。

先说聚合物分子动力学。

给模型一个材料学问题，它自己写 Python 搭聚乙烯熔体，跑 GROMACS，跑到一半发现拓扑结构有错，自己检测、自己修、修完重启模拟。

最后给你一条 40 纳秒的轨迹，还能接着分析密度、分子堆积、扩散和链尺寸。

对于今天的模型，写代码不难，难的是程序跑起来出了错，能看懂报错、定位到拓扑定义的问题、再自己改掉。

这一步卡死了市面上绝大多数 coding 模型。

因为这背后不是背题，是在一条真实工具链里做调试，每一步都需要对底层物理和软件行为有理解。

另一个案例更有味道。

一个 Ireland-Claisen 重排反应网络，27 个分子结构、30 条反应记录，主路线每一步的电子势垒都比备选路线低。

模型把整个网络铺开，帮你找潜在瓶颈、比较竞争路线。这不是单步预测，是几十步的推理链，每一步都连着真实的化学数据。

还有 NMR 结构解析。模型拿到一张氢谱，从 2-溴萘的 7 个可能单甲酰化产物出发，先看低场信号，再看拥挤的芳香区，逐个评估候选结构。

做过的人都知道，NMR 解析是研究生要练很久的功夫，要把谱图特征和结构化学对应起来。

最打动我的，是实验室编译这个设计。

一个 12 管 Suzuki 偶联实验，模型写出 JSON 协议，虚拟预演时抓住一个低级错误，吸液的时候没换新枪头。

这在真实实验室里意味着交叉污染，做过湿实验的人看到这里都会会心一笑，这是每个进实验室的人都踩过的坑。

模型自己把动作顺序改对，编译通过，才进入实际执行。

能在执行前拦住这种错误，说明它对实验流程的理解已经进入动作层面。发布页里那句话说得实在，执行前把错误拦住，能缓解 AI 自主性带来的安全问题。这个思路，比多考几分重要得多。

03

训练细节里，藏着这家团队的底牌

榜单和演示看完了，重头戏在训练。

Hydrogen-1.0 的管线是 SFT 加 RL。

SFT 提供推理、实验规划、协议设计、结果分析的工作示例，RL 让模型根据研究结果的反馈学会做更好的决策。

训练数据分四块，领域知识、科学家的任务级反馈、实验室记录、完整的发现轨迹。

这里我想多说两句。多数科学模型的训练数据是论文和教科书，干干净净的正确答案。

但是 Hydrogen-1.0 的数据里混着大量实验室记录，包括失败的尝试和修正过的假设。

看着反直觉，脏数据怎么训出好模型？

很快我想明白了：科学发现的真实过程本来就是这个样子，假设、实验、失败、修正、再试。

只喂干净答案，模型学到的是教科书里包装好的科学；喂全过程，模型学到的才是真实发生的科学。

他们专门讲了自己的电子实验记录本，配合 Mira 的智能体文档化，把实验从头到尾的上下文都留全，想研究什么、怎么做、发生了什么、下一步查什么。

从这种记录里学到的，是实验完整展开的过程，不是孤零零的最终结果。这是大多数只拿论文训练的科学模型给不了的。

训练工程上几个细节，越看越觉得有分量。

全模型 MoE 后训练，优化器用 Muon，FP32 主权重和动量在 CUDA 上放 CPU，只把当前要更新的主矩阵搬上 GPU，更新完写回；

在 ROCm 上更狠，把动量直接卸载到磁盘，前向反向计算时给长序列激活腾显存。

长序列用离线打包，不截断完整推理示例，损失只算在 assistant 输出上，按全局监督 token 数归一化。

动态稀疏注意力在多卡之间做因果约束，保证每个样本只看自己的因果前缀。

SFT 基础设施示意，长序列打包、稀疏注意力与优化器状态的调度方式

还有个特别有意思的设计，可恢复的强化学习 rollout。

GPU 池在生成和训练之间切换，没跑完的响应保留前缀，下一轮接着续写。

一个响应可能横跨多个策略版本，每个 token 都记录自己生成那一刻的真实行为 log-prob，重要性修正按 token 对齐。

这就解决了一个老大难问题，长序列生成慢，整个 rollout 周期都会卡住，现在没跑完的活可以跨轮接着干。

图2：可恢复强化学习与训练推理权重交换示意（来源：Deep Principle 发布页）

还有一个小地方，也挺见功力。

训练和推理用的权重布局、精度格式都不一样，训练是 BF16，推理是 128 乘 128 分块的 FP8，中间用一个双向适配器衔接。

他们甚至在归因训练收益之前，先做零梯度更新的导出和量化漂移检查，再用同一套推理配置去评估训练效果。

做评测的人看到这段会心一笑，太多团队训练归训练、上线归上线，两套配置各跑各的，最后数字打架还找不到原因。这种自证，是工程上最值钱的东西。

单个细节拿出来都是工程优化，串在一起，能看出这是做长期主义的事。

为了把长序列和 RL 跑起来，连优化器状态放哪里、磁盘和显存怎么交换都重新设计了一遍。

从这种基建投入，也能看出来深度原理他们，认定科学模型这条路值得走下去。

04

科学直觉，正在变成一种可以训练的东西

最后聊点更长期的。

有一个「寻找新材料」的实验，很有意思，我特意留到最后。

过渡金属配合物设计任务里，每个模型从相同的初始种群出发，五轮迭代，每轮推荐一个新配合物，只接收自己推荐的结果作为反馈。

第五轮，Hydrogen-1.0 的最佳 HOMO-LUMO 带隙到 4.318 eV，GPT-6-Astra 是 3.689，Kimi-K3 是 3.353。

数字看着不大，背后的东西却不小。

这是模型在只有自己反馈的情况下，一步步学会往目标性质靠拢。

换句话说，它开始表现出一种接近直觉的东西，知道哪些候选值得探索，哪些观测值得做，一条路走不通的时候怎么掉头。

深度原理官方有一句话，我特别喜欢：「科学是一个开放式的探索，AI 可以无限地探索和创造价值。」

我只觉得，科研里最贵的东西从来不是算力，是判断力。

该试什么、不该试什么、哪个实验值得做、哪个假设该放弃，这些决定耗掉了无数研究者的时间和热情。

如果模型能从完整轨迹里学到一点这种判断力，哪怕只是皮毛，对科研效率的改善都可能是数量级的。

当然，边界也要说清楚。

目前的评测大多来自他们内部场景，领先幅度是几个百分点，需要更多第三方复现；NMR 那一项，他们自己承认不如 Astra。

科学模型离真正替代科研决策，还有很多值得见证的路要走。

而一个信号是，科学发现的能力，正在第一次以开源权重的方式，被交到所有人手里。

以后任何一个实验室，不管规模大小，都能下载一个会设计实验、会写协议、会修流程、会从失败里学习的模型，在自己的数据上接着训。

随着模型越来越多参与发现，它们要学习的数据里，会出现越来越多它们自己帮助做出的发现。

模型要从明天的观察里学习，包括它自己创造的明天。这个闭环一旦转起来，科学进步的速度会超出所有人的预期。

小时候，我们很多人的梦想是成为一名科学家。

也许，这就是最好的时代。

文章来自于微信公众号 “AI异类弗兰克”，作者 “AI异类弗兰克”