杭州 AI for Science 公司 Deep Principle 在 11 月 2 日放出了 Hydrogen-1.0 的开放权重，这是第一个把 7530 亿参数规模、100 万 token 上下文、MIT 许可同时凑齐的科研向通用模型。它的价值不在跑分，而在训练数据里那部分别人拿不到的东西：自家实验室的完整电子记录，和材料发现的失败轨迹。
一句话结论：Hydrogen-1.0 是目前唯一能同时下载权重、读到实验过程、能复现材料发现决策链的开放科研模型，它的护城河是数据管道，不是参数规模。
一、Hydrogen-1.0 是什么：一个被灌进实验室记录的 GLM-5.3
Deep Principle 由段辰儒与贾皓钧创立，两人都在 MIT 同一间实验室拿过博士，公司的自有平台叫 Mira。与一般科研大模型的差别在于它的组织形态：模型不直接做实验，而是编排一串专职智能体，把假设、模拟和自动化实验串起来，中间每一步都留下证据和记忆。
Hydrogen-1.0 以智谱 GLM-5.3 为基座，架构标记为 glm_moe_dsa，走动态稀疏注意力。总参数约 7530 亿，BF16 权重体积约 1.5 TB，权重仓库一共 303 个分片。上下文长度 100 万 token，最大输出 12.8 万 token。许可用的是 MIT，这一点和 GLM-5.3 自定义许可证不同，是这批权重里最省事的一处。
基座的来历站内有专门记录。GLM 5.3 零人工攻破 Firefox 那篇写的是同一批权重的通用自主能力，Hydrogen-1.0 则把同一套激活参数挪到了实验记录这种更窄、但更硬的数据上。
| 项目 | Hydrogen-1.0 | 说明 |
|---|---|---|
| 基座模型 | GLM-5.3 | 智谱开放权重，7530 亿 MoE |
| 架构 | GlmMoeDsaForCausalLM | 动态稀疏注意力 + MoE |
| 总参数 | 约 7530 亿 | BF16 权重约 1.5 TB，303 个分片 |
| 上下文 | 100 万 token | 最大输出 12.8 万 token |
| 许可 | MIT | 可商用、可修改、可再分发 |
| 量化版本 | NVFP4 / MXFP4 | 分别对应 B300 与 MI350X 运行时 |
| 获取方式 | Hugging Face、ModelScope、NeuroSpark API、Mira 平台 | BF16 主仓库需同意条款后下载 |
二、跑分解读：38.3% 这个数字该怎么读
官方给出的成绩分两层。第一层是通用科学推理：在 FrontierScience-Research 上取得 38.3%，对照的 GPT-6 Astra 是 33.3%；在 GPQA-Diamond 上拿到 93.0%，官方说法是大致追平 Kimi K3。
第二层是 Deep Principle 内部的科研场景评测，覆盖科学计算、单步正向反应预测、核磁共振结构解析三个方向。Hydrogen-1.0 在前两项上超过最高思考档的 GPT-6 Astra，领先幅度分别是 5.13 和 4.76 个百分点；在核磁共振结构解析上落后 3.33 个百分点。
这里必须把话说清楚：全部是厂商自测，目前没有独立复现。官方在自家博客里也提示，各任务之间的绝对分数差异反映的是内部案例难度，不能直接当作模型能力对比。而且在这组对比里，Hydrogen-1.0 是按 GLM-5.3 的价格计费的，而对手用的是各自标准输出 token 单价，这个横比的性价比结论只适用于算力成本敏感的调用方。
三、三个真实科研场景：模型到底在干什么
官方博客给出了一段材料分子动力学工作流的完整演示，值得拆开看。模型写 Python 构建聚乙烯熔体，调用 GROMACS 跑模拟，检测到拓扑错误后自行修复并重启，然后从修正后的 40 纳秒轨迹里读取密度、分子堆积、扩散系数和链尺寸。整个链路里模型既写代码又读输出，遇到错误自己改。
第二个场景是反应网络探索。模型对 Ireland-Claisen 重排网络做推演，生成 27 个分子结构、涵盖 30 条合理反应路径，主线在每一步的电子能垒都低于所列替代路线，部分替代路径的能垒与之接近。这类图谱的价值在于帮研究者定位瓶颈、比较竞争路线，而不是替人下结论。
第三个场景是从谱图反推结构。给定 2-溴萘的七个可能单甲酰化产物，模型逐一检查 1H 核磁谱，先看低场信号，再处理拥挤的芳香区，然后才评估候选结构。这个顺序和人类做结构解析的习惯一致。
另一个容易被忽略的点是实验方案的可执行性检查。模型为一个 12 瓶的 Suzuki 偶联研究写出 JSON 协议，虚拟环境的预演抓到了未换吸头就吸液的动作错误，模型随即调整动作顺序并成功编译。实验室场景下，编译期拦住一次错误操作的价值远大于文本答案的漂亮程度。
四、训练数据才是真正的壁垒
Hydrogen-1.0 的训练管线是 SFT 加 RL，四类数据各自承担不同角色。
第一类是领域知识，覆盖化学、材料科学、生命科学三个方向的基础语料。第二类是研究员任务反馈，来自公司科学家对真实研究问题的判断。第三类是实验室记录，也就是电子实验笔记本里的完整周期，包含意图、流程、观察、结论和下一步要查什么。第四类是发现轨迹，记录了候选选择、性质、合成策略和结果之间的一整条序列，包括失败的候选和被修正的假设。
第四类是模型与前代最拉开差距的部分。带隙搜索实验能说明问题：三个模型从同一批过渡金属配合物出发，各推荐 5 轮新候选，各自只拿自己的评测结果做反馈，评测历史互不干扰。第五轮时 Hydrogen-1.0 的历史最佳平均 HOMO-LUMO 带隙达到 4.318 eV，GPT-6 Astra 是 3.689 eV，Kimi K3 是 3.353 eV。带隙越大意味着目标性质更容易被激发，这个差距出现在五轮之内，而不是几十轮之后。
值得注意的是完整数据集与配方没有随权重公开，这是这类模型发布的常见取舍。
五、部署账本：三种权重该怎么选
官方给了三个仓库，硬件要求泾渭分明。BF16 版是全精度原始权重，需要足够的设备与主机内存加兼容运行时。NVFP4 版用 NVIDIA ModelOpt 量化，路由专家走 NVFP4 并带校准过的激活 scale，0 到 2 层是 FP8 稠密 MLP，共享专家、注意力、路由、embedding、lm_head 和 MTP 层保持 BF16，KV cache 也配了 FP8 设置，需要 Blackwell 架构运行时，团队在 8 张 B300 上验证过。MXFP4 版对应 AMD Instinct 运行时，团队在 MI350X 配合 ATOM 验证过。
官方给的 SGLang 启动命令有一个细节值得注意：示例里 --context-length 262144，把部署上下文压在 26.2 万 token，而不是模型标称的 100 万。想跑满需要运行时支持和足够内存同时到位。
这套 SGLang 加 Megatron 的组合也不是新东西，站内此前拆过摩尔线程万卡级训练栈，同样落在 Megatron 与 SGLang 的路线上。真正的新意在于 Deep Principle 在 CUDA 与 ROCm 两套后端之间迁移优化器状态的工程细节，以及把长序列稀疏注意力的因果边界在上下文并行分片间守住的处理方式。
六、和 Kimi K3、GPT-6 Astra 的差别在哪
从公开信息看，三者的定位差异清晰。Kimi K3 是通用开源基座，站内有专门的技术报告解读，2.8 万亿参数 MoE、90% 编码缓存命中率，走的是通用能力密度路线。GPT-6 Astra 是闭源前沿模型，站内在TheoPhysEval 98% 那篇里测过它在物理科研任务上的上限。
Hydrogen-1.0 是第三条路：基座不比前两家强，甚至更小，但训练数据里塞进了闭环实验记录和失败轨迹。它的能力上限目前看不如闭源前沿模型，可复现性和可审查性是另两家给不了的。这条路的价值在科研场景里很实在，因为材料发现的核心成本是试错次数而不是推理单价。
顺带一提，同一周内 AI 科研方向还有别的动作。42AI 行为世界模型走的是金融领域的路线，度小满轩辕 4.5则把强化学习用在金融推理上。Hydrogen-1.0 的差异在于它把学习信号接到了物理实验的成败上。
七、常见问题
Hydrogen-1.0 可以本地跑吗？
BF16 全精度版理论上可以，但 1.5 TB 权重要求远超常规工作站。现实路径是量化版：NVFP4 需要 Blackwell 架构显卡，官方在 8 张 B300 上验证过；MXFP4 对应 AMD Instinct 运行时，团队在 MI350X 上测过。预算有限时也可以走 NeuroSpark 的 API 或直接在 Mira 平台里用。
它的 38.3% 跑分可信吗？
需要打折看。数字来自厂商自测，目前没有独立复现，官方也说明各任务绝对分不可跨任务对比。真正有参考价值的是对比里的相对关系，也就是自家基座 GLM-5.3 到 Hydrogen-1.0 的提升幅度，以及材料带隙搜索这类有客观量纲的实验结果。
Hydrogen-1.0 和 GLM-5.3 的关系是什么？
后者是前者的基座。Hydrogen-1.0 用领域知识、实验记录和发现轨迹做了 SFT 加 RL 后训练，形成一个专用版本。想直接上手 GLM-5.3 通用能力的读者可以看Firefox 那篇，而需要写实验方案、读谱图、跑模拟的工作流才适合 Hydrogen-1.0。
八、小结
Hydrogen-1.0 公布的参数表和跑分都不算出格，38.3% 的 FrontierScience-Research 成绩放在开放模型里属于预期水平。真正的信号在别处：MIT 许可、完整的量化版本、公开的部署命令，以及把实验室记录和失败轨迹当作训练数据这件事本身。科研模型的进步速度，最终由数据的采集密度决定，而不是由基座的参数规模决定。
相关阅读
- GLM 5.3 零人工攻破 Firefox：6 版本仅 1000 美元
- GPT-6-Astra 达成 TheoPhysEval 98%：AI 科研走到哪一步了
- Kimi K3 技术报告解读：2.8 万亿参数 MoE 与 90% 编码缓存命中率
- 分子之心 MMDesign 深度：19 项目 94.7% 成功率与 GPCR 全命中
- 摩尔线程开源万卡级训练栈：1 万亿参数 MoE 预训练与强化学习
延伸阅读
- 无问芯穹完成23亿元C轮融资：异构建力调度打通16种芯片，累计融资43亿元3 周前
- MoE训练步提速34%，Prime Intellect发布融合内核3 天前
- GLM-5.3 驱动 Infra Agent：10 万张芯片集群端到端吞吐提升到 3.2 倍1 月前
- 智谱GLM-5.3上线Amazon Bedrock：按调用量分成4 周前
继续读
同一批更新里这几篇值得一看：
想快速查定义？对应的词条在这里：
- AI Agent词条 · AI 自学笔记