深度原理发布首个通用大模型Hydrogen-1.0并开放模型权重
魔搭ModelScope社区 · 人工智能
魔搭ModelScope社区 2026-11-04 20:18 浙江 深度原理开源7530亿参数科研大模型Hydrogen-1.0，基于GLM-5.3全参后训练，专攻化学、材料与生命科学领域的复杂研究任务。 近日，深度原理发布了面向科研任务的大模型Hydrogen-1.0 ， 并开放模型权重。 据团队介绍，该模型基于GLM-5.3，总参数量约为753B，通过全参后训练引入化学、材料科学与生命科学知识，以及实验记录和多轮研究过程数据。 科研任务中的判断往往需要结合具体条件。例如，分子模拟得出异常的材料密度后，研究者需要判断问题来自哪里，再决定下一步如何处理。这类判断非常依赖专业知识和研究经验。 深度原理将这类经验的总结纳入模型训练。团队使用的自有科学数据，比如实验室记录和多轮材料探索过程，让使用模型的研究者了解如何适时调整方案。 Hydrogen-1.0发布图 01 利用研究过程数据开展全参后训练 科学知识可以为研究提供依据，但具体怎么做，还要看任务条件。比如，一个计算结果看起来合理，背后的假设却未必适用于当前实验，因此不能只看结果，还需要检查计算过程。 实验方案也受设备和操作条件限制。研究者为什么选择某种方法，又为什么中途调整，这些细节在最终发表的论文中往往没有完整记录。仅凭最终结果，很难还原当时的判断，也不足以为排查异常、调整方向提供参考。 深度原理将研究过程记录纳入训练，希望模型学到研究者如何分析结果、决定下一步行动。 据团队介绍，Hydrogen-1.0 在 GLM-5.3 上进行了全参数后训练， 训练内容覆盖化学、材料科学和生命科学，并加入了自有科学数据及科研人员反馈。 数据不仅记录实验的完整过程，也包含研究者调整方案时的考虑。其中，材料研发数据保留了连续多轮的推荐与评估记录，可以看到前一轮的反馈如何影响下一轮选择。训练时，模型先学习任务范例，再根据反馈进行优化。 考虑到科研任务的推理过程通常较长，团队调整了长文本训练方式，以保留更完整的推理记录。团队还介绍，强化学习阶段可以保存尚未完成的生成进度，后续接着生成，减少重复计算。 02 公开基准评测成绩 FSR 用于评估模型解决物理、化学和生物领域中陌生、多步骤研究问题的能力。在团队公布的本次FSR评测中， Hydrogen-1.0 的解题成功率为 38.3%， GPT-6-Astra 为 33.3%；Hydrogen-1.0 较基础模型 GLM-5.3 提高 13.9 个百分点。 图 1 FrontierScience Research 评测。纵轴为解题成功率，横轴为每道题的平均输出 API 成本（美元）。Hydrogen-1.0 为 38.3%，GPT-6-Astra 的 max 为 33.3%。 GPQA Diamond 采用专家编写的高难度科学选择题。在团队公布的结果中，Hydrogen-1.0 的准确率为 93.0%，Kimi-K3 为 93.5%；图中 GPT-6-Astra 所列推理设置下的准确率均高于 Hydrogen-1.0。 图 2 GPQA Diamond 评测。纵轴为答题准确率，横轴为每道题的平均输出 API 成本（美元） 团队还公布了科学计算、单步反应预测、核磁共振结构解析等任务的内部测试结果。不同任务中的相对表现有所差异：Hydrogen-1.0 在科学计算和单步反应预测中的平均回答得分高于图中所列 GPT-6-Astra 的结果。 图 3 实验设计与规划内部测试。纵轴为回答得分（满分 10 分），横轴为每道题的平均输出 API 成本（美元） 图 4 单步反应预测内部测试。纵轴为平均回答得分，横轴为每道题的平均 API 成本（美元） 图 5 核磁共振结构解析内部测试。纵轴为平均回答得分，横轴为每道题的平均 API 成本（美元） 图 6 科学计算内部测试。纵轴为平均回答得分，横轴为每道题的平均 API 成本（美元） 在实验设计与规划测试中，团队同时比较了回答得分与平均输出API 成本。图中Hydrogen-1.0相较 Kimi-K3 得分较高，输出API成本较低。 03 科学研究任务中，Hydrogen-1.0能帮助做什么？ 除了基准评测，团队还展示了若干模型与工具配合完成科研任务的案例，涉及实验过程的异常排查、反应路线分析、候选搜索和实验操作检查。 比如，在聚乙烯材料模拟中，Hydrogen-1.0得到了异常的材料密度，随后检查程序并发现重复计算的问题。修正后，模型重新运行了模拟。展现了对异常结果进行排查和修正的能力。 在反应路线分析中，Hydrogen-1.0可以根据已有计算记录自主梳理路线步骤，分析可能的推进难点，并提出替代选择。 在金属配合物搜索任务中，各个候选模型从同一批初始候选出发，每轮只推荐一个新候选，且只能看到自己所选候选的评估结