Hydrogen-1.0

Hydrogen-1.0 是杭州 AI for Science 公司 深度原理（Deep Principle） 于 2026 年 11 月 2 日 发布的 首个开放权重科学研究大模型。它以智谱 Z.ai 的 GLM-5.3 为基座，使用公司内部的科学数据、完整实验室记录（实验设计、流程、观察与结果） 以及 材料发现轨迹 进行后训练，主攻 化学、材料科学与生命科学。

模型以 MIT 许可 在 Hugging Face（deep-principle/Hydrogen-1.0，另有 MXFP4 / NVFP4 量化版）开放权重，支持 100 万 token 上下文，同时可在深度原理的科研平台 MIRA 中直接使用（11 月 2 日至 30 日推出低至 0.1 倍的优惠计费）。

关键信息

项目	内容
发布方	深度原理 Deep Principle（联合创始人兼 CTO 段辰儒 Chenru Duan 发布）
基座模型	Z.ai GLM-5.3（MoE 架构，约 753B 参数级别）
训练数据	内部科学数据、实验室全流程记录、发现轨迹
上下文	1M token
许可	MIT，开放权重（BF16 / MXFP4 / NVFP4）
使用渠道	Hugging Face 下载、MIRA 平台、API（价格与 GLM-5.3 相近）

官方公布的成绩（自报）

• FrontierScience-Research：38.3%，高于 GPT-6 Astra 的 33.3%，官方称为 SOTA。
• GPQA-Diamond：93.0%，与当前最强模型持平。
• 过渡金属配合物（TMC）发现任务：第 5 轮最佳 HOMO–LUMO 能隙均值 4.318 eV，对比 GPT-6 Astra 的 3.689 eV。
• 内部科研场景中，表现高于或持平 GPT 系列旗舰。

为什么不一样

大多数科学模型只在论文和教科书上训练，而 Hydrogen-1.0 把 “科学家如何从头设计实验、执行、观察并得出结论” 的完整过程作为训练信号，因此特别强调 实验规划、计算模拟和材料筛选 等决策能力，而不仅仅是答题正确率。由于权重开放，外部研究者可以复现并检验这些自报成绩。

如何使用

1. 在线体验：登录深度原理的科研平台 MIRA，选择 Hydrogen-1.0；11 月 30 日前享受低至 0.1 倍的计费优惠。
2. 下载权重：在 Hugging Face 搜索 deep-principle/Hydrogen-1.0（需同意访问条款），显存有限可选 MXFP4 / NVFP4 量化版本；推荐使用支持 GLM-5.3 架构的 vLLM / SGLang 部署。
3. 典型场景：
   • 化学与材料：候选分子/配合物筛选、性质推理、模拟方案设计；
   • 实验规划：根据既往实验记录提出下一轮实验设计；
   • 生命科学：文献 + 数据联合推理，长上下文处理整套实验笔记。
4. 阅读技术细节：官方博客 blog.deepprinciple.com 与段辰儒在 X 上的 13 条长帖介绍训练方法与评测。

提示：所有成绩均为官方自报，正式科研决策前建议在自有任务上独立评测。