深度原理发布7530亿参数科研大模型Hydrogen-1.0 开放权重

科研机构深度原理近日开源了一款名为Hydrogen-1.0的科研大模型，该模型拥有7530亿参数，基于GLM-5.3模型进行全参后训练，专注于化学、材料科学与生命科学领域的复杂研究任务。

深度原理近日发布了面向科研任务的Hydrogen-1.0大模型，并对外开放了该模型的权重。据团队介绍，这款模型基于GLM-5.3开发，总参数量约为7530亿，通过全参后训练融入了化学、材料科学与生命科学领域的专业知识，同时整合了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，当分子模拟得出异常的材料密度结果时，研究者需要排查问题根源，再确定后续处理方向，这类判断高度依赖专业知识与研究经验。深度原理将这类经验总结融入模型训练，团队使用的自有科学数据，如实验室记录和多轮材料探索过程，能帮助使用模型的研究者灵活调整研究方案。

科学知识能为研究提供依据，但具体应用需结合任务实际条件。例如，一项计算结果看似合理，但其背后的假设可能不适用于当前实验场景，因此不能仅关注结果，还需核查计算过程。实验方案的制定还受限于设备与操作条件，研究者选择某种方法的原因，以及中途调整方案的细节，往往不会完整记录在最终发表的论文中。仅依靠最终结果，很难还原当时的判断逻辑，也无法为后续异常排查和方向调整提供有效参考。

深度原理将研究过程记录纳入模型训练，希望让模型学习研究者分析结果、决定下一步行动的逻辑。据团队介绍，Hydrogen-1.0在GLM-5.3基础上进行了全参数后训练，训练内容覆盖化学、材料科学与生命科学领域，同时加入了自有科学数据及科研人员的反馈信息。这些数据不仅包含实验的完整流程，还涵盖研究者调整方案时的考量，其中材料研发数据保留了连续多轮的推荐与评估记录，能体现前一轮反馈对下一轮选择的影响。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；同时，在强化学习阶段，模型可保存未完成的生成进度，后续接着生成，减少重复计算。

FSR用于评估模型解决物理、化学、生物领域陌生多步骤研究问题的能力。在本次评测中，Hydrogen-1.0的解题成功率为38.3%，对比模型GPT-6-Astra为33.3%，Hydrogen-1.0较基础模型GLM-5.3提升了13.9个百分点。

GPQA Diamond采用专家编写的高难度科学选择题，Hydrogen-1.0的准确率为93.0%，模型Kimi-K3为93.5%，GPT-6-Astra在对应推理设置下的准确率均高于Hydrogen-1.0。

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，不同任务中模型表现存在差异，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GPT-6-Astra。在实验设计与规划测试中，Hydrogen-1.0相较Kimi-K3得分更高，且平均输出成本更低。

除基准评测外，团队还展示了模型与工具配合完成科研任务的多个案例，包括实验异常排查、反应路线分析、候选搜索和实验操作检查。

在聚乙烯材料模拟任务中，Hydrogen-1.0得到异常材料密度结果后，通过检查程序发现重复计算问题，修正后重新运行模拟，展现了异常结果排查与修正的能力。

在反应路线分析任务中，模型可根据已有计算记录自主梳理路线步骤，分析推进难点并提出替代选择。

在金属配合物搜索任务中，各候选模型从同一初始候选集出发，每轮仅推荐一个新候选，且仅能查看自身所选候选的评估结果。经过五轮探索，Hydrogen-1.0找到的最佳HOMO-LUMO能隙平均值为4.318 eV，GPT-6-Astra与Kimi-K3分别为3.689 eV和3.353 eV，体现了模型在同一候选范围和反馈规则下调整搜索方向的优异表现。

在减少钯催化剂用量的演示任务中，Hydrogen-1.0生成实验操作方案，虚拟编译环境可检出实验室不满足条件的操作，自动拦截不当步骤，确保实验流程的可执行性。

这些案例展示了模型如何利用反馈调整输出，以及外部工具对模型方案的检查作用，团队通过完整研究记录训练相关能力，提升了模型在科研任务中的表现。

不同实验室的任务、设备和操作条件存在差异，即使研究对象相同，可行方案也可能不同。深度原理希望通过开放模型权重，让更多研究者在各自任务中评估模型并提供反馈，研究者可结合本领域问题评估模型表现并开展针对性改进。

Hydrogen-1.0模型权重已在相关平台发布，开发者可根据模型页面说明下载部署，并结合自身科研任务验证；研究者也可在深度原理的AI Scientist产品中调用该模型。