نموذج علمي بحجم 753B صدر بترخيص MIT. وصفة التدريب لم تصدر.

أصدرت Deep Principle، وهي شركة من هانغتشو، نموذج Hydrogen-1.0 في 2 نوفمبر. وهو نموذج mixture-of-experts بـ753 مليار معامل، ينشط منها نحو 40 مليار معامل في كل تمريرة أمامية، وقد بُني للكيمياء وعلوم المواد وعلوم الحياة. الأوزان على Hugging Face بترخيص MIT، خلف بوابة توافق على الوصول تلقائياً.
هذا المزيج غير معتاد بما يكفي ليُقال بصراحة. أكبر نموذج علمي مفتوح حتى الآن، بأكثر التراخيص الشائعة تسامحاً، يمكن لأي شخص لديه ثماني وحدات GPU ونموذج طلب أن ينزّله.
وهو أيضاً ليس ما يعنيه «المفتوح» عادة، والفجوة بين الأمرين هي الجزء المثير للاهتمام.
ما الذي بُني وكيف
ينطلق Hydrogen-1.0 من GLM-5.3 الخاص بـZ.ai، بعد تدريب لاحق على بيانات مجالية: الكيمياء وعلوم المواد وعلوم الحياة، إضافة إلى سجلات ومسارات وكلاء من مختبرات Deep Principle نفسها. تدير الشركة دفتر مختبر إلكترونياً باسم Mira، وقد تعلّم النموذج من سجلات مختبرية بدورة كاملة جُمعت عبره، بما في ذلك التجارب الفاشلة.
جمع التدريب بين الضبط الدقيق الخاضع للإشراف والتعلّم المعزز، وتقول الشركة إن البنية التحتية عملت على Nvidia CUDA وAMD ROCm معاً. ويُذكر Megatron وSGLang كإطارَي التدريب والخدمة.
ورقة المواصفات جدية. نافذة سياق بمليون رمز، وحد أقصى للإخراج 128,000 رمز. اختُبرت الخدمة بـBF16 على ثماني وحدات GPU عبر SGLang. تستهدف البنيات المكمَّمة مسرّعات محددة: NVFP4 لـB200 وB300، وMXFP4 لـMI350X وMI355X. يوفّر الخادم واجهة API متوافقة مع OpenAI مع إعداد لجهد الاستدلال.
هذا الوصف العتادي يضع الاستضافة الذاتية في نطاق معهد بحثي أو شركة لديها عنقود مخصص. ثماني وحدات GPU لاستدلال BF16 عملية شراء على مستوى قسم، لا على مستوى فرد. ولهذا تهم قنوات التوزيع الأخرى: يستضيف ModelScope النسخ المكمَّمة، ويقدّم NeuroSpark واجهة API، والنموذج موجود أيضاً داخل Mira، منتج AI Scientist الخاص بـDeep Principle.
ادعاءات المعايير، مع التسميات الصحيحة
على FrontierScience-Research، وهي مجموعة موجّهة إلى مسائل علمية بمستوى البحث لا إلى أسئلة الكتب المدرسية، يسجّل Hydrogen-1.0 نسبة 38.3 بالمئة. ويسجّل GPT-6-Astra نسبة 33.3 بالمئة. وعلى GPQA-Diamond، وهو معيار للاستدلال العلمي بمستوى الدراسات العليا، يبلّغ أحد المؤسسين عن 93.0 بالمئة، أي مقارباً لـKimi-K3.
في ثلاثة سيناريوهات مختبرية داخلية، تقول الشركة إنه يتفوق على GPT-6-Astra عند أقصى تفكير بـ5.13 نقطة في الحوسبة العلمية و4.76 نقطة في التنبؤ بالتفاعل الأمامي. وتنشر أيضاً خسارة: Astra عند أقصى تفكير أفضل بـ3.33 نقطة في تحديد البنية NMR.
رقم الكلفة هو الأكثر حدّة. نحو 25 سنتاً للمسألة، مقابل 88 سنتاً لـAstra Max. ترسم المدونة الدقة مقابل الكلفة التقديرية لواجهة API، وهو مخطط أصدق من لوحة صدارة مجرّدة، لأنه يُظهر أن قمة الحدود مكلفة لكل وحدة صحة.
الآن التحفظات، وهي جوهرية وتذكرها الشركة بدل أن تخفيها.
كل رقم مُبلَّغ عنه ذاتياً. ولم يُعِد إنتاجه أي فريق خارجي. والعديد منها يأتي من مجموعات أسئلة داخلية غير منشورة التكوين. وفي أسئلة تخطيط التجارب الـ117 المستخدمة للمقارنة، كان النموذج الوحيد المشمول هو Kimi-K3، لأن GPT-6-Astra وOpus 5.5 رفضا أكثر من نصف الطلبات في ذلك التقييم. هذا الاستبعاد مبرَّر، فالنموذج الذي لا يجيب لا يمكن تقييمه، ويعني أيضاً أن مقارنة العنوان لا تصح في تلك المهمة.
تقول الشركة أيضاً إن الفروق بين المهام لا ينبغي قراءتها كمقارنات مباشرة لقدرة النموذج، وهو نوع الجملة التي تستحق أن تُقتبس أكثر.
أوزان مفتوحة، وصفة مغلقة
تحمل بطاقة النموذج سطراً يعيد تعريف الإصدار كله: مجموعات البيانات الكاملة والوصفات لا تصدر مع الأوزان.
إذن ما المفتوح فعلاً؟ المعاملات، بصيغة BF16 وصيغتين مكمَّمتين. والترخيص، الذي يسمح بالاستخدام التجاري والنماذج المشتقة دون عوائد. ومسار الخدمة، عبر إطار مفتوح. وادعاءات المعايير، كما هي.
أما المغلق فهو الجزء الذي أنتج القدرة. مزيج البيانات. بيئة التعلّم المعزز. تصميم المكافآت. تنظيم أربع سنوات من سجلات المختبر إلى مادة تدريب. أي شخص يستطيع تشغيل Hydrogen-1.0. ولا أحد يستطيع إعادة بنائه.
هذا هو الآن النمط السائد في إصدارات النماذج المفتوحة، ويستحق التوضيح: ماذا يشتري وماذا يكلّف. يشتري قابلية إعادة إنتاج النتائج. يستطيع مختبر تنزيل الأوزان وتشغيل المسألة نفسها والتحقق من الادعاء، وهو تقدم حقيقي مقابل واجهة API تتغير تحت قدميك. يشتري السيادة. فشركة أدوية ببيانات حساسة تستطيع تشغيل الاستدلال على عتادها. ويشتري الأعمال المشتقة، لأن الضبط الدقيق مسموح.
ولا يشتري العلم. إذا كان التدريب اللاحق على مسارات خبراء منظَّمة هو مصدر القدرة، فإن نقطة تفتيش مفتوحة قطعة نهائية لا وصفة، وقدرة المجال على تحسينها محدودة بالبيانات التي يستطيع إنتاجها بنفسه.
الحجة المقابلة أن بيانات Deep Principle غير قابلة للنقل أصلاً. لا يستطيع منافس استخدام دفتر مختبر إلكتروني لشركة أخرى. في هذا التأطير، إصدار الأوزان هو أقصى ما يمكن إصداره دون التخلي عن الأصل الوحيد المهم.
القراءتان صحيحتان. السؤال هو أيّهما يحتاجه مشترٍ بعينه.
تقسيم العمل الذي لم يخطط له أحد
ثمة تفصيل بنيوي سيبدو بديهياً بعد سنتين. شركة متخصصة في هانغتشو أخذت نموذجاً أساسياً مفتوحاً صينياً من Z.ai، ودرّبته لاحقاً على بيانات مختبرية خاصة، وأصدرته بترخيص MIT مع بنيات مكمَّمة لعتاد Nvidia وAMD.
قبل ثلاث سنوات لم يكن هذا الخط موجوداً. كانت النماذج الأساسية تأتي من حفنة مختبرات، والبقية يبنون تطبيقات. الآن الطبقة الأساسية سلعة يدرّب عليها المتخصصون، والتخصص هو المنتج. وHydrogen-1.0 من أوضح الأمثلة حتى الآن، وكون الأساس صينياً والبنية التحتية للتوزيع أميركية والترخيص MIT يجعل سلسلة التوريد متعددة الجنسيات فعلاً.
لذلك نتيجة عملية للمشترين. عند تقييم نموذج مجالي، يقول لك النموذج الأساسي أقل مما كان. المهم هو بيانات التدريب اللاحق، وهل يعكس التقييم مهامك. نموذج بـ753B يفوز على FrontierScience-Research ويخسر في تحديد البنية NMR يخبرك بالضبط أين كانت بيانات تدريبه قوية.
كيف تقرر
إذا كنت تدير مجموعة كيمياء حاسوبية ولديك وصول إلى عنقود، نزّل الأوزان وشغّل عشرة من مسائلك. لا مسائل العرض التوضيحي. تلك التي تعرف جوابها مسبقاً وتلك التي لا تعرفه.
العرض الذي أظهرته Deep Principle كان محاكاة انصهار بولي إيثيلين: كتب النموذج كود المحاكاة ونفّذه، ثم أنتج تصوّراً جزيئياً ثلاثي الأبعاد وحسب الكثافة ودالة التوزيع الشعاعي ونصف قطر الدوران والمسافة من الطرف إلى الطرف. هذا سير عمل كفؤ لعالم حوسبة مبتدئ. وهو أيضاً سير عمل يستطيعه نموذج حدودي مُوجَّه جيداً.
الفرق هو ما يحدث عندما تحتاج إلى تشغيله أربعمائة مرة على بيانات لا يمكنك إرسالها إلى أي مكان. تلك هي الحالة التي بُني لها Hydrogen-1.0، وهي كبيرة بما يكفي لتبرير وحدات GPU الثماني.
مقالات ذات صلة
AMD ربحت 19% لمجرد أنها الخيار الآخر
المال لم يخرج من الذكاء الاصطناعي. خرج من الاسم الوحيد الذي واجه مشكلة حوكمة، وذهب إلى الاسمين الذين لم يواجها.
عشر تخفيضات في أربع جلسات، ولا رقم جديد واحد
لم ينشر أحد رقمًا جديدًا عن دفتر الطلبات. الذي تغيّر ليس منتصف النطاق، بل عرضه — وهذا وحده كافٍ لتغيير تصنيف.
أول ربع بعد رحيله: الأرقام محسومة، والأسئلة ليست كذلك
الربع نفسه ليس محل شك، أما الأرباع الأربعة التالية فهي المسألة كلها. ورئيسة تنفيذية مؤقتة لديها مكالمة واحدة لتشرح ما لا تستطيع الأرقام شرحه.
جدول نقرات يديره المجتمع يطفئ الإعلانات داخل بناءات أندرويد الصينية
لا يمس النظام، ولا يفتح القفل، ولا يكتب أي شيء على الجهاز. يقلب فقط المفاتيح التي عرضتها الشركات أصلاً. الثمن قائمة يجب أن يظل أحدهم يكتبها.