1300张H200击败GPT-6 Astra 实验室AI科学家Neon问世

不用十万张加速卡，只用1300张H200，一款名为Periodic Neon的AI模型就在专业科学基准测试中击败了GPT-6 Astra。这款产品是前OpenAI研究副总裁Liam Fedus创办的Periodic Labs推出的首款成果。

Fedus在社交平台分享的消息中，最引人关注的核心信息是：依靠1300张H200和数月的实验数据，Neon在自家开发的科学分析基准上实现了对GPT-6 Astra的超越。

在Periodic位于门洛帕克的高磁场材料实验室中，机械臂正将刚合成的候选材料送入X射线衍射仪，设备生成的衍射图谱会作为Neon的训练数据。实验室保持24小时不间断运转，完成材料合成、性能测试、数据录入的全流程。团队首批攻关的方向，聚焦超导体、磁体和半导体材料领域的技术难题。

作为ChatGPT的核心参与者之一，Fedus曾负责OpenAI的模型后训练工作，深谙模型性能提升的核心逻辑。2025年创立Periodic时他就明确表态：互联网上的公开文本数据总量约10T token，当前最前沿的大模型已经几乎穷尽了这类数据，AI想要实现进一步突破，必须依赖互联网之外的全新数据集。而这类数据的最佳来源，就是真实的物理实验室。

他联合前谷歌DeepMind化学与物理研究负责人Ekin Dogus Cubuk，从创立之初就自建实验室、自主生成训练数据，目标是打造真正的AI科学家。仅用一年时间，Neon就交出了第一份答卷。

这款参数规模约1T的模型，在高难度的X射线衍射（XRD）分析测试中达到了55.3%的成功率，大幅领先GPT-6 Astra和Claude Fable 5.1。

根据业内传闻，GPT-6 Astra的总参数达到数万亿量级，而Neon仅为1T；算力方面，据黄仁勋公开披露的信息，Astra背后依赖超过10万张Grace Blackwell加速卡，而Neon的训练峰值仅用到1300张H200。这样的性能反差很快在行业内引发广泛讨论，Jeff Dean也第一时间在Fedus的分享下留言祝贺。

XRD测试：破解专家头疼的材料识别难题

X射线衍射分析（简称XRD）的原理并不复杂：当X射线照射晶体时，会在特定角度产生衍射亮峰，不同材料的亮峰位置存在差异，如同材料的独特“指纹”。通过识别这些指纹，可以判断合成的材料是否为超导体、磁性材料或半导体。

但实际应用中存在一个核心难点：实验室合成的样品往往纯度不足，多种物质的衍射峰重叠在一起，如同数百个指纹杂乱印在同一张纸上。材料学家想要识别其中的具体成分，通常需要打开专业软件、查阅学术数据库、对比多篇文献，整个过程耗时耗力。

Periodic选取了134道这类连专家都头疼的难题，搭建了名为FrontierXRD的基准测试集，Neon的55.3%成功率就是在这套测试中取得的。

所有参与测试的模型都使用Periodic自研的科学工具环境Periodic Harness。与基于Claude Code搭配标准XRD工具的方案相比，在单题成本相近的情况下，Periodic Harness的成功率是后者的3.8倍。

为了避免模型出现“背答案”的过拟合问题，团队额外准备了198道题目，这些题目涉及的化学体系在训练数据中被刻意剔除，Neon依然领先其他前沿模型。不过官方也承认，这套题目比FrontierXRD更简单。

成本方面Neon同样更具优势：最高配置下Neon的成功率为55.3%，单题成本约4美元；GPT-6 Astra单题成本约7美元，成绩却不如Neon；Claude Fable 5.1的成本与Astra相近，成功率仅约40%。

从互联网数据到物理实验：打造永不枯竭的数据水井

抛开跑分成绩，Periodic真正想让行业关注的，是其在门洛帕克搭建的高通量材料实验室。

从最初的第一批实验到如今24小时连续运转，Periodic将材料发现流程拆解为一个完整的循环：首先基于对材料稳定性和性质的预测确定研究方向，再预测该材料的合成路径，最后验证实际产出的材料性能是否符合预期，根据测试结果修正猜想，开启新一轮循环。

每完成一轮循环，实验室都会生成一批全新的私有物理反馈数据，这些数据就是Neon的核心训练原料。Periodic的训练语料混合了学术文献、代码和实验数据，目前规模每月翻倍。

团队还发现一个关键技巧：先用预训练将科学知识注入模型，后续的强化学习效果会更好。而且在实验运行时，GPU不会闲置，模型可以利用已有实验数据继续分析和优化预测方向。该团队的研究博客标题“自然就是学习环境”，精准概括了这一核心思路。

当前AI的规模化发展长期依赖互联网文本数据的堆叠，但这类数据已经接近被前沿模型穷尽。未来谁能拥有持续产出新数据的真实环境，谁就拥有了继续规模化升级模型的核心竞争力。互联网数据是越挖越少的矿产，而实验室则是源源不断的活水。

物理RL的困境：用AI裁判解决验证难题

将强化学习从数字世界搬进物理世界，难度完全不在一个量级。

数字世界的强化学习可以通过部署海量智能体，快速完成可自动判分的任务，比如编写代码、解决悬而未决的数学猜想，但物理世界的RL面临三大核心障碍：无法随意增加智能体，每新增一次实验都需要额外的电力、设备和工程投入；单次实验可能需要数天时间才能完成；实验结果往往模棱两可，难以直接判定成功与否。

其中最后一个障碍最为致命。Periodic在研究博客中精辟指出：科学只能被证伪，却很难被直接验证。一张XRD图谱仅看拟合度无法低成本判断分析是否成功，还需要专家判断每个物相是否有图谱支持、化学逻辑是否合理。

为此团队将专家的判断“蒸馏”为AI裁判。他们邀请材料专家为数千个XRD图谱标注标签，再用这些标签校准由Opus 5和GPT-5.6 Sol组成的LLM裁判组。三组对比数据清晰展示了裁判的可靠性：

这意味着该AI裁判的靠谱程度已经接近人类专家之间的水平，将难以量化的专业判断转化为可用于训练的奖励信号，也是Neon的核心技术亮点之一。

1300 vs 10万：极致利用每一块GPU

1300张H200，是Neon最终训练时预训练和强化学习两个阶段同时运行的峰值算力。而GPT-6 Astra的10万张Blackwell，则对应通用大模型的大规模训练算力。虽然无法直接计算效率倍数，但这组数据足以证明Periodic将1300张卡的性能发挥到了极致。

科学任务的强化学习有一个特殊之处：模型完成一道题目需要边思考、边查阅资料、边运行工具，整个过程可能需要一个多小时，但利用该题结果更新模型仅需几分钟。Periodic的解决方案是将做题和学习分离，各自使用独立的GPU，互不等待。

团队最初的RL循环没有隔离训练、推理和模型生成的代码，曾出现模型生成的代码申请80GB内存导致任务崩溃的问题，因此他们自研了沙箱pbox。该沙箱直接调用RL任务所在GPU节点上的闲置CPU运行科学工具，数据全程不出集群。与测试过的托管沙箱服务相比，pbox的数据传输速度快4.5倍，吞吐量是对方的3.3倍。

训练闲置的算力还可以分配给物理模拟等科学计算任务，让整个集群的常年利用率保持在95%以上。Periodic的思路很明确：既然无法在算力总量上与行业巨头竞争，那就比拼每GPU小时能带来的科学产出。

飞轮依旧，燃料已换

Neon已经部署在Periodic的实验室中，用于分析真实实验数据，帮助团队寻找更优质的超导体和磁体。不过目前模型还存在明显的短板：回到之前的材料发现循环，Neon目前仅完成了最后一环——识别实验室实际产出的材料。

要实现AI指挥整个科研项目、设计合成路径、决定下一轮实验方向，团队还在将这套方法向这些方向扩展。Fedus也表示，目前模型只是“辅助决策”，而非替代科学家做最终判断。准确来说，实验、数据、训练之间的飞轮已经运转起来，但要实现全自主闭环，还需要打通“确定研究方向”和“设计合成路径”两个环节。

Periodic并没有否认算力的重要性，官方表示将训练算力提升到当前前沿模型的量级，可以解锁更强的科学能力，未来也考虑更换更强的开源权重模型作为底座。GPU依然关键，但仅靠GPU已经不足以实现突破。

回顾Fedus的履历，他在GPT-4技术报告中负责“数据飞轮”相关工作，三年后，他将这个飞轮从互联网文本数据搬进了真实的物理实验室。飞轮的核心逻辑没有改变，改变的只是输入的原料：从人类写下的文字，变成了自然世界给出的真实反馈。未来的AI规模化竞争，或许不再只是比拼谁能采购十万张加速卡，还要看谁的实验室能够持续不断地向模型输送真实世界的数据集。