D
ИИ-чатDeep PrincipleHydrogen-1.0GLM-5.3open-weightИИ для науки

Deep Principle выложила Hydrogen-1.0: 753B-модель для химии с открытыми весами

Сергей Сергеев, редактор gen-hub.ru
Сергей Сергеев
Редактор gen-hub.ru
·4 мин чтения
Deep Principle выложила Hydrogen-1.0: 753B-модель для химии с открытыми весами

Hangzhou-компания Deep Principle, которая занимается ИИ для материаловедения, опубликовала Hydrogen-1.0 - научную модель на 753 млрд параметров с открытыми весами. Для основного релиза заявлена лицензия MIT. В основе лежит GLM-5.3 от Z.ai, которую дообучили на данных по химии, материалам и наукам о жизни. Главная цифра из релиза: 38,3% на бенчмарке FrontierScience-Research против 33,3% у GPT-6-Astra. Оба результата заявлены самой компанией, независимых замеров пока нет.

Что внутри

Hydrogen-1.0 - это MoE-архитектура, где на каждый токен приходится около 40 млрд активных параметров (по данным базовой GLM-5.3). Контекст - 1 млн токенов, максимальная длина ответа - 128 тысяч. Задачи, под которые модель затачивали: постановка вопроса, планирование эксперимента, разбор результатов и открытый поиск новых решений.

Для обучения Deep Principle совместила supervised fine-tuning и обучение с подкреплением. Данные пришли из четырех источников: предметные знания, обратная связь от собственных ученых компании по исследовательским сценариям, записи электронных лабораторных журналов из системы Mira и траектории поиска. Последние интереснее всего: в них сохранены цепочки решений вместе с неудачными попытками, а в публикациях такого обычно нет.

Инфраструктура построена на Megatron и SGLang и работает и на NVIDIA CUDA, и на AMD ROCm. Состояние оптимизатора Muon перемещают между CPU, GPU и диском, а в RL-цикле используют возобновляемые прогоны с сохранением исходных логарифмов вероятностей токенов для поправки по важности. Датасеты и полные рецепты обучения компания не выкладывает. Так что открытые здесь только веса, а воспроизвести обучение с нуля нельзя.

Цифры бенчмарков

На GPQA-Diamond один из основателей называет результат 93,0%. Это лучше базовой GLM-5.3 и примерно на уровне Kimi-K3. Выигрыш на FrontierScience-Research у GPT-6-Astra - пять пунктов.

Внутренние тесты исследовательских задач сравнивают Hydrogen-1.0 с GPT-6-Astra в режиме максимального рассуждения:

- научные вычисления: впереди Hydrogen-1.0, +5,13 п.п.; - предсказание прямых реакций: впереди Hydrogen-1.0, +4,76 п.п.; - расшифровка структуры по ЯМР: впереди GPT-6-Astra, +3,33 п.п.

Отдельный тест - дизайн комплексов переходных металлов. Модели пять раундов подряд пытались увеличить щель HOMO-LUMO. К пятому раунду средний лучший результат у Hydrogen-1.0 составил 4,318 эВ, у GPT-6-Astra 3,689 эВ, у Kimi-K3 3,353 эВ.

Есть и странная строка. В наборе из 117 вопросов по планированию эксперимента GPT-6-Astra и Opus-5.5 исключили из сравнения: они отказались отвечать более чем на половину запросов. Hydrogen-1.0 в этом тесте обошла Kimi-K3. Отказы закрытых моделей на химических вопросах - известная проблема, но в таблице она превращается в вылет участников, и итог такого сравнения читать нужно именно с этой оговоркой.

Что показали в демонстрациях

В техническом посте приведены четыре сценария. В первом модель пишет код на Python, собирает расплав полиэтилена, запускает GROMACS, находит ошибку в топологии, чинит ее и анализирует траекторию на 40 нс. Во втором строит сеть реакций Ireland-Claisen: 27 структур и 30 вероятных реакций. В третьем ранжирует семь кандидатов на продукт моноформилирования 2-бромнафталина по спектру 1H ЯМР. В четвертом пишет JSON-протокол для исследования реакции Сузуки в 12 пробирках. Шаг виртуальной компиляции лаборатории поймал в нем аспирацию без свежего наконечника еще до запуска.

Последний пример показывает, куда целится команда: модель должна не только отвечать на вопросы, но и выдавать исполняемый протокол, который проверяется до реального оборудования.

Запуск и ограничения

Веса лежат на Hugging Face и ModelScope. Проверенная конфигурация - BF16 через SGLang на 8 GPU. Для NVIDIA B200 и B300 есть формат NVFP4, для AMD MI350X и MI355X - MXFP4. Адаптер слоев конвертирует чекпоинты обучения в BF16 и блочный FP8 128×128. Для большинства лабораторий это все равно значит кластер, а не рабочую станцию.

С лицензией есть нюанс. MIT заявлена для основного релиза, а в карточке варианта NVFP4 лицензия сформулирована иначе: там указаны условия GLM-5.3. Прежде чем встраивать модель в проект, откройте карточку именно той версии весов, которую скачиваете.

Главный вопрос к релизу - проверяемость. Основные цифры получены самой Deep Principle, внутренние наборы задач не опубликованы, а сравнение с закрытыми моделями зависит от режимов и настроек, которые читатель сам не воспроизведет. Зато у научного сообщества появляется открытая модель такого размера, на которой можно запускать собственные тесты по ЯМР, реакциям и молекулярной динамике. На мой взгляд, если результаты подтвердятся на чужих задачах, разрыв между закрытыми и открытыми научными ассистентами окажется меньше, чем принято думать.

Источники

Все эти инструменты - уже на Genova-ai

Картинки, видео, музыка, голос и ИИ-чат в одном месте. Без VPN и зарубежных карт.

Картинки
Видео
Музыка
Голос
ИИ-чат
Попробовать бесплатно

Похожие новости

OpenAI
ИИ-чат

OpenAI выпустила GPT-6.2 Astra и Sol: входные и выходные токены Astra в API на 20% дешевле, чем у GPT-6 Astra

OpenAI представила две модели: флагманскую GPT-6.2 Astra и экономичную GPT-6.2 Sol. Они доступны в ChatGPT Work, Codex и API и тратят меньше выходных токенов. В API Astra дешевле GPT-6 Astra: входные и выходные токены на 20% ниже, на кэшированные входные скидка 60%.

18 ноября3 мин чтения
OpenAI
ИИ-чат

OpenAI показала агентов GPT-6 для клиник: Luna выполняет задачу за 8,5 цента

OpenAI предложила больницам и страховщикам GPT-6 Astra и Luna: агенты сами кликают по программам клиник и порталам страховых. Среди партнеров компании - CVS Health и Cigna Healthcare.

17 ноября3 мин чтения
NVIDIA
ИИ-чат

NVIDIA Vera Rubin NVL72 в MLPerf Endpoints: более 10x токенов на киловатт к GB300

В предварительных результатах MLPerf Endpoints v1.0 система Vera Rubin NVL72 выдала более чем в 10 раз больше токенов на киловатт, чем GB300 NVL72. Результаты еще не верифицированы MLCommons.

17 ноября3 мин чтения