7530 亿参数的科学模型以 MIT 协议开源了,训练配方没有

杭州的 Deep Principle 在 11 月 2 日发布 Hydrogen-1.0。7530 亿参数的 MoE,前向激活约 400 亿,面向化学、材料、生命科学。权重在 Hugging Face 上,MIT 协议,门控是自动审批。
这个组合罕见的程度值得直说:迄今最大的开放科学模型,加上最宽松的常见许可证,任何人只要有八张卡和一个申请表单就能下载。
但它也不是「开放」通常意味着的东西,两者之间的缝隙才是有意思的部分。
建了什么,怎么建的
Hydrogen-1.0 不是从零训的。它是把 Z.ai 的 GLM-5.3 后训练在领域数据上:化学、材料、生命科学,加上 Deep Principle 自家实验室的记录与智能体轨迹。公司有一个电子实验记录本叫 Mira,模型从里面抓的完整周期实验记录中学,包括失败的实验。
训练是监督微调加强化学习,公司说基础设施同时跑 NVIDIA CUDA 和 AMD ROCm。Megatron 和 SGLang 被点名为训练与服务框架。
规格表是认真的。100 万 token 上下文,最长输出 12.8 万 token。BF16 用 SGLang 在八张卡上测过。量化版本针对具体加速器:NVFP4 面向 B200 和 B300,MXFP4 面向 MI350X 和 MI355X。服务端提供 OpenAI 兼容接口,带 reasoning effort 设置。
这个硬件画像把自托管放进了研究所或有专属集群的公司范围。八卡 BF16 推理是一笔部门级采购,不是个人级。所以另外几条分发渠道才重要:ModelScope 上量化版,NeuroSpark 提供 API,模型也塞在 Deep Principle 自己的 AI Scientist 产品 Mira 里。
基准主张,以及正确的标签
在 FrontierScience-Research 上,一个瞄准研究级科学问题而不是课本问答的套件,Hydrogen-1.0 拿 38.3%,GPT-6-Astra 33.3%。在 GPQA-Diamond 上,一位创始人报 93.0%,大致与 Kimi-K3 持平。
在三个内部实验室场景里,公司说在最大思考档下比 GPT-6-Astra 高 5.13 分(科学计算)和 4.76 分(正向反应预测)。它也公开了一个输的:Astra 在最大思考档下的 NMR 结构解析比它高 3.33 分。
成本那条线最锋利。每道题约 0.25 美元,Astra Max 是 0.88 美元。博客把准确率对着估算 API 成本画图,这比一张裸榜单诚实,因为它显示前沿的顶部在「每单位正确」上是贵的。
现在说保留意见,它们不小,而公司自己也写了。
每个数字都是自报。没有一个是外部复现的。有几个来自内部题集,题集构成没公开。在用来做对比的 117 道实验规划题上,唯一被纳入的模型是 Kimi-K3,因为 GPT-6-Astra 和 Opus 5.5 在那次评估里拒答超过一半。这个排除是站得住的,一个不肯回答的模型没法打分,但它也意味着那个任务上的头条对比不成立。
公司还说跨任务的差别不应被读成模型能力的直接对比,这句话值得被多引用几次。
权重开放,配方关闭
模型卡上有一句话重新定义了整个发布:完整数据集与配方不随权重发布。
那到底什么是开放的?参数,BF16 加两种量化格式。许可证,允许商用和衍生模型,不收版税。服务路径,通过开放框架。基准主张,就那样。
关闭的是产出能力的那个部分。数据配比、强化学习环境、奖励设计、四年实验室记录怎么整理成训练材料。任何人能跑 Hydrogen-1.0。没有人能重建它。
这已经是开放模型发布里的主流模式,值得说清它买到了什么、花了什么。它买到结果的可复现。一个实验室能下载权重、跑同一个问题、校验那个主张,相对于一个在你脚下悄悄变化的 API,这是真进步。它买到主权,一家数据敏感的药企能在自己硬件上推理。它买到衍生,微调是允许的。
它没买到科学。如果能力来自在精心整理的专家轨迹上做后训练,那一个开放权重是成品而不是配方,领域在此基础上改进的能力,被限制在它能自己产出的数据里。
反过来说,Deep Principle 的数据本来就不可转移。竞争对手用不了别人的电子实验记录本。按这个读法,发布权重是不把唯一重要资产送出去的前提下能放出的最大值。
两种读法都对。问题是一个具体买家需要哪一种。
没人规划过的分工
这里有个结构性细节,两年后会显得很明显。杭州一家专精公司,拿中国一个开放基座模型,在专有实验数据上后训练,用 MIT 协议发布,同时给出面向英伟达和 AMD 的量化版本。
三年前这条流水线不存在。基座模型出自少数几个实验室,其他所有人做应用。现在基座层是可以被专精公司后训练的大宗商品,专精本身是产品。Hydrogen-1.0 是迄今最清楚的例子之一,而基座是中国的、分发基础设施是美国的、许可证是 MIT 的,这条供应链是真正跨国的。
对买家有个实际后果。评估一个领域模型时,基座模型能说明的东西比过去少了。要紧的是后训练数据,以及评测是否反映你的任务。一个在 FrontierScience-Research 上赢、在 NMR 结构解析上输的 7530 亿模型,正准确地告诉你它的训练数据在哪强。
怎么决定要不要
如果你带一个计算化学组,又有集群,下载权重,跑你自己手里十道题。不是 demo 里那些,是你已经知道答案的和不知道的。
Deep Principle 演示的那次是聚乙烯熔体模拟:模型自己写并执行模拟代码,然后把结果渲染成可旋转的三维分子可视化,算出密度、径向分布函数、回转半径和端到端距离。这是一个合格的初级计算科学家工作流,也是一个提示得好的前沿模型能干的工作流。
差别在于,当你要在不能外发的数据上跑四百次时会发生什么。那才是 Hydrogen-1.0 被造出来应付的场景,而这个场景足够大,值得那八张卡。