11 月 2 日，「深度原理 Deep Principle」正式发布公司首款 753B 通用大模型 Hydrogen-1.0，并同步开放模型权重。Hydrogen-1.0 基于 GLM-5.3，结合化学、材料科学和生命科学知识，以及科研人员的反馈、自有实验室记录和多轮材料探索过程，开展了科学领域的进一步训练。

Hydrogen-1.0 能够协助研究人员分析科学问题、编写模拟程序、排查计算异常，也能参与反应路径分析和谱图解析。围绕具体的研究目标，它可以进一步规划实验，将方案细化为具体的操作指令，并利用每一轮的评估结果，继续寻找更符合要求的材料候选。

在高难度的多项 Science 评测中，展现出强大的问题解决能力

从光速不变假设到下一相对论的发现，从异常生长的培养皿到青霉素的发现，利用大量知识在复杂场景和数据中推理是科学发现的本质。我们通过 FrontierScience-Research（FSR）和 GPQA-Diamonds 两项评测，检验 Hydrogen-1.0 在这两方面的表现。

FSR 考察模型能否解决物理、化学、生物等领域中需要多步推理的陌生问题，Hydrogen-1.0 的解题成功率达到 38.3%，高于 GPT-6-Astra 的 33.3%，较基础模型 GLM-5.3 提高了 13.9 个百分点。GPQA-Diamonds 则由专家编写的高难度科学选择题组成，Hydrogen-1.0 的答题准确率达到 93.0%，较基础模型提高 3 个百分点，与 Kimi-K3 的 93.5% 接近。

这些结果表明，相比基础模型，Hydrogen-1.0 能够更准确地运用专业知识，也更善于解决需要多步推理的复杂科学问题。

除了科学知识与推理评测，我们还围绕团队日常遇到的科研问题开展了内部测试。在科学计算和单步反应预测任务中，Hydrogen-1.0 的平均回答得分分别为 76.92% 和 90.48%，高于 GPT-6-Astra 的 71.79% 和 83.33%。前者考察模型利用计算和模拟研究分子与材料的能力，后者考察模型能否根据原料和反应条件判断可能生成的产物。

科研不仅需要回答问题，还需要在物理世界设计实验进行探索。Hydrogen-1.0 能够根据研究目标拟定实验方案，进一步细化操作步骤。为评估这项能力，我们选取了多项实验设计与规划问题，用同一套标准对 Hydrogen-1.0 和 Kimi-K3 的回答进行评分（此类问题 opus-5.5 和 gpt-6-astra 拒答严重因此无法公允比较）。在满分 10 分的评测中，Hydrogen-1.0 平均得分为 5.59 分，高于 Kimi-K3 的 4.57 分，展现了它在实验设计与规划任务中的优势。

实验做完后，还需要判断得到的产物。Hydrogen-1.0 可以协助研究人员分析核磁共振（NMR）谱图结果，寻找辨认物质的线索。我们用多个相关问题测试了这项能力。Hydrogen-1.0 的平均回答得分为 26.67 分，略低于 GPT-6-Astra 的 30.00 分，两者相差 3.33 分。在这项专业任务上，Hydrogen-1.0 取得了接近 GPT-6-Astra 的评测成绩。

看清微观世界的来龙去脉，为科学发现寻找新线索

研究人员正式开展实验之前，通常需要先分析材料可能具备哪些性质、反应可能沿哪些路线发生，再筛选值得验证的方案。Hydrogen-1.0 可以协助完成这些工作，通过计算模拟研究分子运动和材料性质，检查计算过程中的异常，并比较不同的反应路径，帮助研究人员为后续实验作出更有依据的选择。

下面两个案例，直观展现了 Hydrogen-1.0 在科研前期的预测能力。

Hydrogen-1.0 可以帮助研究人员在计算机里研究材料的性质。例如，研究塑料袋常用的聚乙烯材料时，它能够编写程序、建立分子模型，计算分子的运动和排列情况。如果算出的材料密度出现异常，它还能协助检查程序，找出重复计算的问题，修改后重新运行。研究人员可以借助模型完成这些类似的编程、计算和排错工作，为后续实验提供参考。

Hydrogen-1.0 可以协助研究人员梳理和比较可能的反应路线。为了得到一种目标产物，往往需要经过多个反应步骤，中间也可能出现其他产物。Hydrogen-1.0 可以结合已有计算记录，分析每条路线需要经过哪些步骤、判断哪一步可能更难推进，以及还有哪些替代选择。研究人员可以借助这些分析，筛选值得优先验证的方案，甚至获得启发新反应的想法。

虚拟实验编译

有了值得验证的想法，接下来就要安排具体的实验。Hydrogen-1.0 可以协助研究人员制定方案，列出具体步骤，并借助虚拟编译，检查操作中有没有遗漏或顺序错误。

在一项探索 "能否减少钯催化剂用量" 的研究中，Hydrogen-1.0 按三档催化剂用量、两档碱用量进行组合，每组重复两次，共排布 12 个样品位，同时保持样品一致控温，以排除温度干扰，更干净地呈现催化剂与碱用量变化带来的影响。它能为每一瓶样品精确生成对应的操作步骤。从加料、移液、搅拌，到反应后取样、过滤，它都能逐条列出。

每个样品的实验计划写好后，还需要检查设备能否执行这些操作。Hydrogen-1.0 打造的虚拟编译（Lab Compile）就承担这一步工作：设置虚拟环境，检查设备是否支持相应动作、必要的准备是否完成、操作顺序是否正确。例如下图案例演示了模型对 "吸液工具还没装上新吸头，指令就要求开始吸液" 这一错误操作的拦截。研究人员可以借助这样的检查，提前发现一部分执行问题，修改后再安排实际实验。这不仅为进一步强化 AI 能力提供了训练环境，也避免了在 "AI 接管实验室" 过程中的安全风险。

每轮结果都能为下一次材料探索提供线索

寻找新的材料，往往还需要反复尝试、不断优化。一个候选的表现是否符合预期，会影响下一轮的选择。Hydrogen-1.0 可以利用已有的评估结果继续推荐候选，帮助研究人员判断接下来值得研究哪些材料。

我们通过一项 "金属配合物搜索" 任务，检验模型作出这些选择的能力。评测要求模型寻找一项电子结构指标 "HOMO–LUMO 能隙" 的数值更大的候选。可以从图中看出，众多模型从相同的一批初始候选出发，每轮推荐一个新候选，得到评估结果后再决定下一轮的推荐，共进行五轮。每个模型只能看到自己推荐的候选所获得的反馈。图中的曲线展示了搜索怎样逐轮推进：截至第五轮，Hydrogen-1.0 找到的最佳指标平均值达到 4.318eV，GPT-6-Astra 和 Kimi-K3 分别为 3.689eV 和 3.353eV。在相同的推荐轮数下，Hydrogen-1.0 找到了目标指标更高的候选，展示了它利用连续反馈推进材料搜索的能力。

用真实科研经验，训练更懂科学研究的模型

训练 Hydrogen-1.0 时，我们既用了化学、材料科学和生命科学的专业知识，也用到了科研人员的反馈、自有实验室的记录，以及多轮材料探索的完整过程，希望模型能学到研究人员解决问题的方法。

这些训练材料保留了研究的来龙去脉。一个方案最初是怎么考虑的，实际得到了什么结果，后来为什么修改，都有相应的记录。模型先通过完整的任务范例，学习怎样分析问题、制定计划和解释结果，再根据反馈改进表现。对于需要反复筛选的材料研发任务，我们还把连续多轮的推荐和评估过程用于训练，让模型学习如何根据前几轮的结果，调整下一步的选择。

要把这些经验学进去，训练系统也得容得下复杂的分析过程。我们改进了长文本的训练方式，尽量完整保留推理中的计算、检查和修改步骤。在强化学习训练中，较长的回答如果尚未生成完，系统可以保存进度，留待后续继续完成。

Hydrogen-1.0 已正式向开源社区开放

Hydrogen-1.0 的模型权重已在 Hugging Face 和 ModelScope 开放，未来还将收录 Google、AWS 和微软 Azure 的 MaaS 平台。研究人员和开发者可以下载模型，结合自己的科研任务进行适配和验证。如有团队需将模型接入现有工具，可以通过 NeuroSpark API 使用。研究者也可以直接在我们的 AI Scientist 产品 Mira 中调用 Hydrogen-1.0，开展科学推理、科研计算、实验规划与多轮探索。

不同研究团队有各自熟悉的材料体系、研究方法和实验条件。我们希望更多团队把 Hydrogen-1.0 用到实际研究中，检验它在不同科研场景下解决问题的能力。因此，我们选择了开源 Hydrogen-1.0。

深度原理创始人 & CTO 段辰儒表示："科学探索永无止境。为此，我们选择开放模型权重，支持研究人员理解 AI 并利用 AI 持续创新，推动形成更加开放、共享的科学生态。我们期待与开源模型贡献者携手，打造更好的科学模型，共同加速科学发现。"

完整的评测结果、训练方法和应用案例，现已收录于 Hydrogen-1.0 技术博客。读者可以进一步查看模型怎样处理具体任务，以及我们如何训练和评估这些能力。

接下来，深度原理将继续检验模型在不同材料体系和科研任务中的表现，并探索如何将新的实验结果与研究经验用于后续训练。我们期待与科研团队、开发者及开源社区携手，把科学智能的进步转化为科学发现的进展。

（来源：深度原理）