11 月 2 日，据 MarkTechPost 报道，杭州 AI for Materials 公司 Deep Principle 发布了开源权重的科学模型 Hydrogen-1.0，面向化学、材料科学与生命科学场景，权重以 MIT 许可开放。其模型卡写明这是智谱 GLM-5.3 的衍生版本，训练方式是监督微调加强化学习。
规模与跑法
模型采用 MoE 结构，总参数 753B，按 GLM-5.3 基座计算每 token 激活约 40B 参数，上下文长度 1M token，最大输出 128K。官方给出的实测配置是 8 张 GPU 加 SGLang 跑通，量化格式上对英伟达 B200 与 B300 用 NVFP4，对 AMD MI350X 与 MI355X 用 MXFP4。
训练数据分四类来源：化学、材料与生命科学的领域知识，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发现轨迹序列。基础设施跑在 Megatron 与 SGLang 之上，跨 NVIDIA CUDA 与 AMD ROCm 两套后端。完整数据集与配方没有公开。
跑分与短板
自报成绩里最亮的一项是 FrontierScience-Research 上拿到 38.3%，高于 GPT-6-Astra 的 33.3%，在 GPQA-Diamond 上大致追平 Kimi K3。但短板同样被写明：在核磁共振结构解析任务上，它落后于开启最大思考模式的 GPT-6-Astra 3.33 分。
这家公司的定位是自研模型但不公开发现能力，Hydrogen-1.0 是它给出的可复现、可审查替代方案。
基座模型的能力边界也在这次发布里被间接标定。作为智谱 GLM-5.3 的后训练产物，它把 40B 左右的激活参数用到了科学发现任务上，而这个基座此前的公开案例是 GLM 5.3 自主攻破 Firefox 漏洞，通用自主能力与专业科研能力的分层在这里体现得相当清楚。
延伸阅读
- 智谱发布 GLM-5.3：基座没换只炼后训，编程提升 50% 登顶开源3 月前
- 蚂蚁百灵开源 Ling-3.1-flash：560B MoE、1M 上下文3 周前
- Qwen3.8-Omni-Flash：29项基准涨25%、API降93%2 周前
- 月之暗面完成IPO前最后一轮融资：估值约500亿美元，2027年一季度冲港股4 周前
继续读
同一批更新里这几篇值得一看：
- GLM 5.3 零人工攻破 Firefox：6 版本单次成本 1000 美元2026-10-31
- 国家超算互联网调价：0.1 元 5000 万 Token 限时秒杀2026-10-30
- Cloudflare曝GLM-5.3跨请求泄露：155个响应命中他人数据2026-10-27
想快速查定义？对应的词条在这里：
- AI Agent词条 · AI 自学笔记