Deep Nguyên tắc đã phát hành Hydrogen-1.0, một mô hình khoa học mở cho hóa học, khoa học vật liệu và khoa học đời sống. Nó được xây dựng bằng GLM-5.3 của Z.ai sau đào tạo về dữ liệu miền, hồ sơ phòng thí nghiệm và quỹ đạo khám phá tác nhân. Đối với các nhà phát triển, nó cung cấp các trọng số mở báo cáo FrontierScience-Research giành chiến thắng trước GPT-6-Astra. Các quả cân được vận chuyển theo Giấy phép MIT. TL;DR

Kích thước: Thông số 753B (MoE, ~40B hoạt động trên cơ sở GLM-5.3), ngữ cảnh mã thông báo 1M, đầu ra tối đa 128K. Chạy trên: 8 GPU có SGLang (đã thử nghiệm); NVFP4 cho NVIDIA B200/B300, MXFP4 cho AMD MI350X/MI355X. Hiệu suất: Đánh bại GPT-6-Astra trên FrontierScience-Research; gần giống với Kimi-K3 trên GPQA-Diamond. Tốt nhất: 38,3% trên FrontierScience-Research so với 33,3% cho GPT-6-Astra (tự báo cáo). Tệ nhất: Kém GPT-6-Astra (tư duy tối đa) 3,33 điểm khi làm sáng tỏ cấu trúc NMR.

Hydro-1.0 là gì? Hydrogen-1.0 là mô hình trợ lý nghiên cứu khoa học của Deep Nguyên tắc, một công ty AI cho vật liệu có trụ sở tại Hàng Châu. Thẻ mô hình mô tả nó như một dẫn xuất GLM-5.3 để giải quyết vấn đề khoa học. Nó nhắm tới việc xây dựng khung câu hỏi, lập kế hoạch thử nghiệm, phân tích kết quả và khám phá mở. Nhóm Nguyên tắc sâu sắc tuyên bố rằng các mô hình độc quyền đã tạo ra các kết quả khoa học AI gần đây, nhưng khả năng khám phá của chúng chưa được mở rộng. Hydrogen-1.0 là nỗ lực của họ nhằm tạo ra một giải pháp thay thế có thể tái sản xuất và kiểm tra được. Hydrogen-1.0 được đào tạo như thế nào? Quy trình kết hợp tinh chỉnh có giám sát (SFT) với học tăng cường (RL). Dữ liệu đến từ 4 nguồn:

Kiến thức về lĩnh vực: hóa học, khoa học vật liệu và dữ liệu khoa học đời sống. Kịch bản nghiên cứu: phản hồi về nhiệm vụ cụ thể từ các nhà khoa học Nguyên lý sâu sắc. Hồ sơ phòng thí nghiệm: hồ sơ sổ ghi chép phòng thí nghiệm điện tử toàn chu kỳ được ghi lại qua Mira. Quỹ đạo khám phá: chuỗi lựa chọn và phản hồi, bao gồm cả những lần thử thất bại.

Cơ sở hạ tầng được xây dựng trên Megatron và SGLang trên NVIDIA CUDA và AMD ROCm. Nhóm duy trì sự chú ý thưa thớt mang tính nhân quả trên các phân đoạn song song theo ngữ cảnh. Trạng thái tối ưu hóa Muon được di chuyển giữa CPU, GPU và đĩa trên mỗi chương trình phụ trợ. RL sử dụng các đợt triển khai có thể tiếp tục và mỗi mã thông báo sẽ giữ xác suất nhật ký hành vi ban đầu để điều chỉnh tầm quan trọng. Bộ điều hợp bố cục chuyển đổi các điểm kiểm tra huấn luyện thành các trọng số suy luận FP8 theo khối BF16 và 128×128. Bộ dữ liệu đầy đủ và công thức nấu ăn không được phát hành. Hydrogen-1.0 hoạt động như thế nào trên điểm chuẩn? Theo các điểm chuẩn công khai, Deep Fundamental báo cáo Hydrogen-1.0 vượt trội hơn GPT-6-Astra trên FrontierScience-Research. Chủ đề tweet từ một trong những báo cáo của người sáng lập đạt 93,0% trên GPQA-Diamond. Điều đó cải thiện trên GLM-5.3 và gần giống với Kimi-K3, theo blog. Các nhà đánh giá nhiệm vụ nghiên cứu nội bộ so sánh nó với GPT-6-Astra ở mức suy nghĩ tối đa:

Điện toán khoa học: Hydrogen-1.0 dẫn đầu 5,13 điểm phần trăm. Dự đoán phản ứng thuận: Hydrogen-1.0 dẫn đầu 4,76 điểm phần trăm. Làm sáng tỏ cấu trúc NMR: GPT-6-Astra dẫn đầu 3,33 điểm.

Trong thiết kế phức hợp kim loại chuyển tiếp, các mô hình đã theo đuổi khoảng cách HOMO-LUMO lớn hơn trong 5 vòng. Đến vòng 5, Hydrogen-1.0 đạt khoảng cách trung bình tốt nhất cho đến nay là 4,318 eV. GPT-6-Astra đạt 3,689 eV và Kimi-K3 đạt 3,353 eV. Trong 117 câu hỏi lập kế hoạch thí nghiệm, Hydrogen-1.0 đạt điểm cao hơn Kimi-K3. GPT-6-Astra và Opus-5.5 đã bị loại trừ sau khi từ chối hơn 50% yêu cầu.

&

Nó có thể làm gì trong quy trình làm việc thực tế của phòng thí nghiệm? Bài viết kỹ thuật hiển thị 4 bản demo. Hydrogen-1.0 viết Python để xây dựng quy trình nấu chảy polyetylen và chạy GROMACS. Nó phát hiện lỗi cấu trúc liên kết, sửa chữa và phân tích quỹ đạo 40 ns đã sửa. Nó phát triển mạng lưới phản ứng Ireland-Claisen gồm 27 cấu trúc thông qua 30 phản ứng hợp lý. Nó xếp hạng 7 sản phẩm monoformylation ứng cử viên của 2-bromonaphthalene từ vết 1H NMR. Nó cũng viết một giao thức JSON cho nghiên cứu ghép nối Suzuki 12 lọ. Bước biên soạn trong phòng thí nghiệm ảo nắm bắt được nguyện vọng mà không cần mẹo mới trước khi thực hiện. Bạn triển khai Hydrogen-1.0 như thế nào? Trọng lượng nằm ở Ôm Mặt và ModelScope. Nhóm Nguyên tắc sâu đã thử nghiệm phân phát BF16 bằng SGLang trên 8 GPU sử dụng độ song song tensor là 8. NVFP4 nhắm mục tiêu NVIDIA B200 và B300. MXFP4 nhắm tới AMD Instinct MI350X và MI355X. Máy chủ hiển thị API tương thích với OpenAI với cài đặt Reasoning_effort. Hydro-1.0 so với GLM-5.3, Kimi K3 và GPT-6-Astra Tính năngHydrogen-1.0GLM-5.3Kimi K3GPT-6-AstraDeveloperDeep Nguyên tắcZ.aiMoonshot AIOpenAITổng thông số753B753B (HF)2.8TKhông được tiết lộThông số hoạt động~40B (được kế thừa)40B (LM Studio)16 trên 896 chuyên giaKhông được tiết lộNgữ cảnh1M1M1M1.05MTrọng lượng / giấy phépOpen, MITOpen, Giấy phép GLM-5.3OpenProprietaryPhương thứcVăn bảnVăn bản + tầm nhìnKhông được tiết lộ ở đâyTrọng tâm khoa họcHóa học, vật liệu, khoa học đời sốngMã hóa, đại lýChungBiên giớiKhoa học-Nghiên cứu38,3%Không được tiết lộKhông được tiết lộ33,3% (theo Nguyên tắc sâu)GPQA-Diamond93,0%Không được tiết lộKhông được tiết lộ96,0% (Báo cáo AI mở)Giá API (vào/ra trên mỗi 1M)NeuroSpark: Không được tiết lộ$1,40 / $4,40 (Z.ai)$3,00 / $15,00$10,00 / $50,00 (OpenAI) Bài học chính

Hydrogen-1.0 là sản phẩm đào tạo sau 753B GLM-5.3 được MIT cấp phép dành cho khoa học. Nó báo cáo 38,3% trên FrontierScience-Research, cao hơn 33,3% của GPT-6-Astra. Chương trình đào tạo bổ sung thêm hồ sơ phòng thí nghiệm và lộ trình khám phá, không chỉ giấy tờ. Nó vẫn theo sau GPT-6-Astra trong việc làm sáng tỏ cấu trúc NMR. NVFP4 và MXFP4 xây dựng GPU loại Blackwell và MI350 mục tiêu.

Xem blog Kỹ thuật, Trọng lượng người mẫu trên Ôm mặt và Ghi chú sử dụng. Ngoài ra, vui lòng theo dõi chúng tôi trên Twitter và đừng quên tham gia SubReddit 150k+ML của chúng tôi và Đăng ký Bản tin của chúng tôi. Chờ đợi! bạn có đang dùng điện tín không? bây giờ bạn cũng có thể tham gia cùng chúng tôi trên telegram. Bạn cần hợp tác với chúng tôi để quảng bá GitHub Repo HOẶC Trang ôm mặt HOẶC Phát hành sản phẩm HOẶC Hội thảo trên web, v.v.? Kết nối với chúng tôi Bài đăng Nguyên tắc sâu phát hành Hydrogen-1.0: Mô hình trọng lượng mở 753B để khám phá khoa học xuất hiện đầu tiên trên MarkTechPost.