Un modelo científico de 753B se publicó bajo MIT. La receta de entrenamiento no.

Deep Principle, una empresa de Hangzhou, publicó Hydrogen-1.0 el 2 de noviembre. Es un modelo mixture-of-experts de 753 mil millones de parámetros, con unos 40 mil millones activos por pasada hacia adelante, hecho para química, ciencia de materiales y ciencias de la vida. Los pesos están en Hugging Face bajo licencia MIT, detrás de una puerta que aprueba el acceso de forma automática.
Esa combinación es lo bastante inusual como para decirla sin rodeos. El modelo científico abierto más grande hasta la fecha, bajo la licencia común más permisiva, descargable por cualquiera con ocho GPU y un formulario.
Tampoco es lo que "abierto" suele significar, y la brecha entre ambas cosas es la parte interesante.
Qué se construyó y cómo
Hydrogen-1.0 parte de GLM-5.3 de Z.ai, con post-entrenamiento en datos de dominio: química, ciencia de materiales, ciencias de la vida, más registros y trayectorias de agentes de los propios laboratorios de Deep Principle. La empresa opera un cuaderno de laboratorio electrónico llamado Mira, y el modelo aprendió de registros de laboratorio de ciclo completo capturados a través de él, incluidas las experiencias fallidas.
El entrenamiento combinó ajuste fino supervisado con aprendizaje por refuerzo, y la empresa dice que la infraestructura corrió tanto en Nvidia CUDA como en AMD ROCm. Megatron y SGLang se nombran como los frameworks de entrenamiento y de servicio.
La hoja de especificaciones es seria. Ventana de contexto de un millón de tokens, salida máxima de 128,000 tokens. Servicio en BF16 probado en ocho GPU vía SGLang. Las compilaciones cuantizadas apuntan a aceleradores concretos: NVFP4 para B200 y B300, MXFP4 para MI350X y MI355X. El servidor expone una API compatible con OpenAI con un ajuste de esfuerzo de razonamiento.
Ese perfil de hardware pone el autoalojamiento en el rango de un instituto de investigación o de una empresa con clúster propio. Ocho GPU para inferencia en BF16 es una compra de departamento, no personal. Por eso importan los otros canales de distribución: ModelScope aloja las variantes cuantizadas, NeuroSpark ofrece una API, y el modelo también está dentro de Mira, el producto AI Scientist de Deep Principle.
Las afirmaciones de benchmark, con las etiquetas correctas
En FrontierScience-Research, una suite dirigida a problemas científicos de nivel de investigación más que a preguntas de manual, Hydrogen-1.0 obtiene 38,3 por ciento. GPT-6-Astra obtiene 33,3 por ciento. En GPQA-Diamond, un benchmark de razonamiento científico de nivel de posgrado, un fundador reporta 93,0 por ciento, más o menos a la par de Kimi-K3.
En tres escenarios internos de laboratorio, la empresa dice que supera a GPT-6-Astra en pensamiento máximo por 5,13 puntos en cálculo científico y 4,76 puntos en predicción de reacción directa. También publica una derrota: Astra en pensamiento máximo es 3,33 puntos mejor en elucidación estructural por NMR.
La cifra de costo es la que tiene el filo más agudo. Unos 25 centavos por problema, contra 88 centavos de Astra Max. El blog grafica precisión contra costo estimado de API, que es un gráfico más honesto que una tabla de posiciones pelada, porque muestra que la cima de la frontera es cara por unidad de acierto.
Ahora las salvedades, que son sustanciales y que la empresa enuncia en lugar de esconder.
Cada número es autoinformado. Ninguno ha sido reproducido por un grupo externo. Varios vienen de conjuntos internos de preguntas cuya composición no se publica. En las 117 preguntas de planificación de experimentos usadas como comparación, el único modelo incluido fue Kimi-K3, porque GPT-6-Astra y Opus 5.5 rechazaron más de la mitad de las solicitudes en esa evaluación. Esa exclusión es defendible, ya que un modelo que no responde no se puede puntuar, y también significa que la comparación del titular no se sostiene en esa tarea.
La empresa también dice que las diferencias entre tareas no deben leerse como comparaciones directas de capacidad del modelo, el tipo de frase que merece citarse más a menudo.
Pesos abiertos, receta cerrada
La ficha del modelo lleva una línea que redefine todo el lanzamiento: los conjuntos de datos completos y las recetas no se publican con los pesos.
Entonces, ¿qué está realmente abierto? Los parámetros, en BF16 y dos formatos cuantizados. La licencia, que permite uso comercial y modelos derivados sin regalías. La ruta de servicio, vía un framework abierto. Las afirmaciones de benchmark, tal como están.
Lo que está cerrado es la parte que produjo la capacidad. La mezcla de datos. El entorno de aprendizaje por refuerzo. El diseño de recompensas. La curaduría de cuatro años de registros de laboratorio en material de entrenamiento. Cualquiera puede ejecutar Hydrogen-1.0. Nadie puede reconstruirlo.
Este es ahora el patrón dominante en los lanzamientos de modelos abiertos, y vale la pena ser claro sobre qué compra y qué cuesta. Compra reproducibilidad de resultados. Un laboratorio puede descargar los pesos, correr el mismo problema y verificar la afirmación, lo cual es un progreso real frente a una API que cambia debajo de uno. Compra soberanía. Una farmacéutica con datos sensibles puede correr inferencia en su propio hardware. Compra trabajo derivado, ya que el ajuste fino está permitido.
No compra ciencia. Si el post-entrenamiento sobre trayectorias de expertos curadas es de donde viene la capacidad, entonces un checkpoint abierto es un artefacto terminado en lugar de una receta, y la capacidad del campo para mejorarlo se limita a los datos que pueda producir por su cuenta.
El contraargumento es que los datos de Deep Principle no son transferibles de todos modos. Un competidor no puede usar el cuaderno de laboratorio electrónico de otra empresa. En ese marco, publicar los pesos es el máximo que se puede publicar sin regalar el único activo que importa.
Ambas lecturas son correctas. La pregunta es cuál necesita un comprador dado.
La división del trabajo que nadie planeó
Hay aquí un detalle estructural que se verá obvio en dos años. Una empresa especializada de Hangzhou tomó un modelo base abierto chino de Z.ai, lo post-entrenó con datos propios de laboratorio y lo publicó bajo MIT, con compilaciones cuantizadas para hardware de Nvidia y de AMD.
Hace tres años ese pipeline no existía. Los modelos fundacionales venían de un puñado de laboratorios, y todos los demás construían aplicaciones. Ahora la capa base es una mercancía sobre la que los especialistas hacen post-entrenamiento, y la especialización es el producto. Hydrogen-1.0 es uno de los ejemplos más claros hasta ahora, y el hecho de que la base sea china, la infraestructura de distribución estadounidense y la licencia MIT hace que la cadena de suministro sea genuinamente multinacional.
Eso tiene una consecuencia práctica para los compradores. Al evaluar un modelo de dominio, el modelo base te dice menos que antes. Lo que importa son los datos de post-entrenamiento y si la evaluación refleja tus tareas. Un modelo de 753B que gana en FrontierScience-Research y pierde en elucidación estructural por NMR te está diciendo exactamente dónde eran fuertes sus datos de entrenamiento.
Cómo decidir
Si diriges un grupo de química computacional y tienes acceso a un clúster, descarga los pesos y corre diez problemas tuyos. No los de la demo. Los que ya sabes responder y los que no.
La demo que mostró Deep Principle fue una simulación de fusión de polietileno: el modelo escribió y ejecutó el código de simulación, luego renderizó una visualización molecular en 3D y calculó densidad, función de distribución radial, radio de giro y distancia de extremo a extremo. Es un flujo de trabajo competente de un científico computacional junior. También es un flujo de trabajo que un modelo de frontera bien prompteado puede hacer.
La diferencia es lo que pasa cuando necesitas correrlo cuatrocientas veces sobre datos que no puedes enviar a ningún lado. Ese es el caso para el que está hecho Hydrogen-1.0, y es lo bastante grande para justificar las ocho GPU.
Artículos relacionados
Una hoja de cálculo comunitaria de toques que apaga la publicidad de los Android chinos
No toca el sistema, no desbloquea nada, no flashea nada. Solo mueve los interruptores que los fabricantes ya dejaron a la vista. El precio es una lista que alguien tiene que seguir escribiendo.
GPT Image 2.6 mantuvo el precio por token y subió la factura
GPT Image 2.6 mantiene cada tarifa por token de 2.5 y aun así cuesta más por imagen, porque buena parte del trabajo ocurre ahora en tokens de salida. Once días después del lanzamiento, la estructura de precios dice más que el ranking.
Alguien reconstruyó IDM desde fuera y anotó lo que no tocó
Una reimplementación en Rust de Internet Download Manager promete 5 veces la velocidad y 86 idiomas. El documento más interesante es el párrafo que explica cómo se construyó sin copiar nada.
Rune es un framework de UI en Rust creado para que un agente pueda comprobar su propio trabajo
Rune renderiza sin interfaz, vuelca su árbol de elementos y acepta entrada programada, lo que da a un agente de código una señal diffeable que una captura nunca ofrece. El framework está en prelanzamiento y no acepta pull requests.