概览
Hydrogen-1.0 是杭州 AI for Materials 公司深度原理（Deep Principle）2026 年 10 月底开放权重的科学大模型。它在智谱 GLM-5.3 的基础上做全量后训练，训练数据分四类：化学、材料科学和生命科学的领域知识；自家科学家针对具体研究场景给出的反馈；电子实验记录本里的完整实验记录；材料发现任务的完整智能体轨迹。训练流程是先 SFT 再强化学习，基于 Megatron 和 SGLang，同时跑在 NVIDIA CUDA 和 AMD ROCm 上。权重总参数约 7,530 亿（MoE），上下文 1M tokens，最大输出 128K tokens。BF16 原版、NVFP4 版（面向 NVIDIA B200/B300）和 MXFP4 版（面向 AMD MI350X/MI355X）分三个仓库发布，下载前需在 Hugging Face 同意共享账号信息。官方评测（尚待第三方复核）称：它在 FrontierScience-Research 上超过 GPT-6-Astra，在 GPQA Diamond 上比 GLM-5.3 有提升，这两项上大致与 Kimi K3 持平。在深度原理内部的科学计算、正向反应预测两类任务上，它比最大思考档的 GPT-6-Astra 分别高 5.13 和 4.76 个百分点，但 NMR 结构解析低 3.33 个百分点；实验设计规划评测中也高于 Kimi K3。博客展示的用例包括：编写并调试聚乙烯熔体的 GROMACS 分子动力学流程；展开含 27 个分子、30 个反应的 Ireland-Claisen 重排反应网络；根据 1H NMR 谱图在候选结构中做判断；为 12 瓶 Suzuki 偶联实验写 JSON 协议，并在虚拟环境中预演纠错。使用方式：官方模型卡给出用 SGLang 8 卡张量并行启动的命令（served-model-name 设为 hydrogen-1.0，需要 glm45 推理解析器和 glm47 工具调用解析器，并保留 generation_config.json），之后用 OpenAI 兼容接口调用，可通过 chat_template_kwargs 设 reasoning_effort。局限：可能给出错误的事实、计算或文献，结论需要用原始文献、独立计算或实验核对；完整训练数据和配方没有公开。官方来源：https://blog.deepprinciple.com/introducing-hydrogen-1.0/ 、https://huggingface.co/deep-principle/Hydrogen-1.0 、https://www.modelscope.cn/models/deep-principle/Hydrogen-1.0 （2026-11-03 核对）。 定价：权重以 MIT 协议开放，可免费下载自部署（需要多卡 GPU 服务器）；官方另提供 NeuroSpark API 和 Mira 平台两种托管用法，但没有公开价格。
- 模态
- 文本
- 参数量
- 753B
- 许可说明
- 开源 · MIT
能力
- 深度原理基于 GLM-5.3 做全量 SFT 和强化学习得到的科学大模型，权重以 MIT 协议开放
- 主攻化学、材料科学和生命科学，训练数据包括领域知识、自家实验室记录和完整的发现轨迹
- 1M 上下文、最大输出 128K，推理强度可设 low、high、max
- 官方示例：写 GROMACS 分子动力学流程并自行修错、展开反应网络、解析 NMR 谱图、生成可编译的实验协议
- 提供 BF16、NVFP4（NVIDIA B200/B300）、MXFP4（AMD MI350X/MI355X）三种权重，官方在 8 卡上用 SGLang 测试
- 可从 Hugging Face、魔搭下载，或通过 NeuroSpark API、深度原理 Mira 平台使用