Hydrogen-1.0's creators say they post-trained GLM-5.3 on internal scientific data, lab records and discovery trajectories.
The creators report that Hydrogen-1.0 scored 38.3% on FrontierScience-Research, compared with 33.3% for GPT-6-Astra, and 93.0% on GPQA-Diamonds. They argue that open weights let researchers inspect and adapt models for scientific discovery.
1.5K
9 Sources, first seen ago
@ModelScope2022Scientific reasoning shaped by laboratory experience. Hydrogen-1.0 is an open-weight model from Deep Principle, built on GLM-5.3 with 1M context for chemistry, materials science, and life sciences. 🤖 https://modelscope.cn/models/deep-principle/Hydrogen-1.0 🏆 Stronger scientific reasoning: Outperforms GPT-6 Astra on FrontierScience-Research in the authors' evaluation, while improving over GLM-5.3 on GPQA Diamond. 🔬 Learn from scientific work: Combines SFT and RL using domain knowledge, laboratory records, and complete discovery trajectories, including failed attempts and revised hypotheses. 🧬 Explore promising materials: After five search rounds, the mean best-so-far HOMO–LUMO gap reaches 4.318 eV, versus 3.689 for GPT-6 Astra and 3.353 for Kimi-K3 in the transition-metal-complex evaluation. 🛠️ Research with tools: Demonstrations span simulation debugging, reaction-network exploration, NMR analysis, and experimental protocol planning. 📜 Weights: MIT. Independently authored supporting code and documentation: Apache 2.0.
@haifeng950107智谱 GLM-5.3 刚多了一个科学向的开源后代：Hydrogen-1.0。先把话说清楚——它不是新旗舰基座，是在 GLM-5.3 上做的化学、材料、生命科学微调，权重 MIT 开放。 先说它是什么。按魔搭官方号的发布帖和 Hugging Face 模型页：Hydrogen-1.0 是深度原理 Deep Principle 放出的开源权重模型，在智谱 GLM-5.3 上微调（HF 标注 Finetuned from zai-org/GLM-5.3），面向化学、材料科学和生命科学的科学推理。 一、规格和许可 1. 体量：HF 统计约 753B 参数；上下文 1M tokens，输出上限 128K。 2. 权重：BF16 未量化版之外，另有两个量化分仓——NVFP4 面向英伟达 Blackwell（B200/B300），MXFP4 面向 AMD MI350X/MI355X。 3. 许可：模型权重 MIT；深度原理自己写的配套代码和文档 Apache-2.0。 4. 部署：模型页写了用 SGLang 在 8 卡上测过，并提醒要保留 generation_config.json。 二、怎么训的 发布帖说是 SFT + RL，数据用了领域知识、实验室记录，以及完整的科研发现轨迹——包括失败的尝试和改过的假设。但模型页也写明：完整数据集和训练 recipe 没有随权重放出。 三、它自己定的边界 模型页写的用途是科学问答、推导、起草开放科研问题；输出需要领域专家复核，不能当成已经验证的实验结论。这句我觉得比跑分更该先看。 四、分数：全部是作者自评，未证实 按魔搭官方号转述： - FrontierScience-Research：作者评测里超过 GPT-6 Astra（帖子没给具体分数） - GPQA Diamond：比基座 GLM-5.3 有提升（没给分数） - 过渡金属配合物材料搜索：5 轮搜索后，平均 best-so-far HOMO–LUMO 能隙 4.318 eV，GPT-6 Astra 是 3.689，Kimi-K3 是 3.353 暂无第三方复现，HF 模型页公开部分也没看到分数表。 五、要注意的地方 - 这是微调，不是新基座。能力上限很大程度还是 GLM-5.3 的。 - 部署说明是 SGLang 8 卡实测；个人单卡能不能跑，模型页没写，不宜外推。 - 首发时间我只能按魔搭帖算，深度原理官方号和官网暂时没提。 我的判断： 这次的看点不在「又一个开源大模型」，而在一家 AI for Science 公司把基座模型 + 实验室轨迹数据这条路走成了 MIT 权重。如果材料搜索那组数字经得起第三方复现，「通用基座 + 垂直科研数据微调」会比从头训基座更现实；在那之前，把它当一个需要专家把关的科研草稿助手更稳。 Source: Hugging Face model card / ModelScope
@DeepPrincipleIntroducing Hydrogen-1.0, Deep Principle’s first general-purpose large AI model, built to support scientific discovery. Hydrogen-1.0 helps researchers reason through complex scientific questions, carry out calculations and simulations, turn research ideas into experimental plans, and use feedback to guide further exploration. Today, we’re releasing its model weights for researchers and developers to adapt and evaluate on their own scientific tasks. Hydrogen-1.0 is also available in our AI Scientist product, MIRA. Explore the benchmarks, research examples, and ways to get started in the posts below. Building intelligence for scientific discovery.@ModelScope2022Scientific reasoning shaped by laboratory experience. Hydrogen-1.0 is an open-weight model from Deep Principle, built on GLM-5.3 with 1M context for chemistry, materials science, and life sciences. 🤖 https://modelscope.cn/models/deep-principle/Hydrogen-1.0 🏆 Stronger scientific reasoning: Outperforms GPT-6 Astra on FrontierScience-Research in the authors' evaluation, while improving over GLM-5.3 on GPQA Diamond. 🔬 Learn from scientific work: Combines SFT and RL using domain knowledge, laboratory records, and complete discovery trajectories, including failed attempts and revised hypotheses. 🧬 Explore promising materials: After five search rounds, the mean best-so-far HOMO–LUMO gap reaches 4.318 eV, versus 3.689 for GPT-6 Astra and 3.353 for Kimi-K3 in the transition-metal-complex evaluation. 🛠️ Research with tools: Demonstrations span simulation debugging, reaction-network exploration, NMR analysis, and experimental protocol planning. 📜 Weights: MIT. Independently authored supporting code and documentation: Apache 2.0.@haifeng950107智谱 GLM-5.3 刚多了一个科学向的开源后代：Hydrogen-1.0。先把话说清楚——它不是新旗舰基座，是在 GLM-5.3 上做的化学、材料、生命科学微调，权重 MIT 开放。 先说它是什么。按魔搭官方号的发布帖和 Hugging Face 模型页：Hydrogen-1.0 是深度原理 Deep Principle 放出的开源权重模型，在智谱 GLM-5.3 上微调（HF 标注 Finetuned from zai-org/GLM-5.3），面向化学、材料科学和生命科学的科学推理。 一、规格和许可 1. 体量：HF 统计约 753B 参数；上下文 1M tokens，输出上限 128K。 2. 权重：BF16 未量化版之外，另有两个量化分仓——NVFP4 面向英伟达 Blackwell（B200/B300），MXFP4 面向 AMD MI350X/MI355X。 3. 许可：模型权重 MIT；深度原理自己写的配套代码和文档 Apache-2.0。 4. 部署：模型页写了用 SGLang 在 8 卡上测过，并提醒要保留 generation_config.json。 二、怎么训的 发布帖说是 SFT + RL，数据用了领域知识、实验室记录，以及完整的科研发现轨迹——包括失败的尝试和改过的假设。但模型页也写明：完整数据集和训练 recipe 没有随权重放出。 三、它自己定的边界 模型页写的用途是科学问答、推导、起草开放科研问题；输出需要领域专家复核，不能当成已经验证的实验结论。这句我觉得比跑分更该先看。 四、分数：全部是作者自评，未证实 按魔搭官方号转述： - FrontierScience-Research：作者评测里超过 GPT-6 Astra（帖子没给具体分数） - GPQA Diamond：比基座 GLM-5.3 有提升（没给分数） - 过渡金属配合物材料搜索：5 轮搜索后，平均 best-so-far HOMO–LUMO 能隙 4.318 eV，GPT-6 Astra 是 3.689，Kimi-K3 是 3.353 暂无第三方复现，HF 模型页公开部分也没看到分数表。 五、要注意的地方 - 这是微调，不是新基座。能力上限很大程度还是 GLM-5.3 的。 - 部署说明是 SGLang 8 卡实测；个人单卡能不能跑，模型页没写，不宜外推。 - 首发时间我只能按魔搭帖算，深度原理官方号和官网暂时没提。 我的判断： 这次的看点不在「又一个开源大模型」，而在一家 AI for Science 公司把基座模型 + 实验室轨迹数据这条路走成了 MIT 权重。如果材料搜索那组数字经得起第三方复现，「通用基座 + 垂直科研数据微调」会比从头训基座更现实；在那之前，把它当一个需要专家把关的科研草稿助手更稳。 Source: Hugging Face model card / ModelScope@DeepPrincipleIntroducing Hydrogen-1.0, Deep Principle’s first general-purpose large AI model, built to support scientific discovery. Hydrogen-1.0 helps researchers reason through complex scientific questions, carry out calculations and simulations, turn research ideas into experimental plans, and use feedback to guide further exploration. Today, we’re releasing its model weights for researchers and developers to adapt and evaluate on their own scientific tasks. Hydrogen-1.0 is also available in our AI Scientist product, MIRA. Explore the benchmarks, research examples, and ways to get started in the posts below. Building intelligence for scientific discovery.@ModelScope2022Scientific reasoning shaped by laboratory experience. Hydrogen-1.0 is an open-weight model from Deep Principle, built on GLM-5.3 with 1M context for chemistry, materials science, and life sciences. 🤖 https://modelscope.cn/models/deep-principle/Hydrogen-1.0 🏆 Stronger scientific reasoning: Outperforms GPT-6 Astra on FrontierScience-Research in the authors' evaluation, while improving over GLM-5.3 on GPQA Diamond. 🔬 Learn from scientific work: Combines SFT and RL using domain knowledge, laboratory records, and complete discovery trajectories, including failed attempts and revised hypotheses. 🧬 Explore promising materials: After five search rounds, the mean best-so-far HOMO–LUMO gap reaches 4.318 eV, versus 3.689 for GPT-6 Astra and 3.353 for Kimi-K3 in the transition-metal-complex evaluation. 🛠️ Research with tools: Demonstrations span simulation debugging, reaction-network exploration, NMR analysis, and experimental protocol planning. 📜 Weights: MIT. Independently authored supporting code and documentation: Apache 2.0.@haifeng950107智谱 GLM-5.3 刚多了一个科学向的开源后代：Hydrogen-1.0。先把话说清楚——它不是新旗舰基座，是在 GLM-5.3 上做的化学、材料、生命科学微调，权重 MIT 开放。 先说它是什么。按魔搭官方号的发布帖和 Hugging Face 模型页：Hydrogen-1.0 是深度原理 Deep Principle 放出的开源权重模型，在智谱 GLM-5.3 上微调（HF 标注 Finetuned from zai-org/GLM-5.3），面向化学、材料科学和生命科学的科学推理。 一、规格和许可 1. 体量：HF 统计约 753B 参数；上下文 1M tokens，输出上限 128K。 2. 权重：BF16 未量化版之外，另有两个量化分仓——NVFP4 面向英伟达 Blackwell（B200/B300），MXFP4 面向 AMD MI350X/MI355X。 3. 许可：模型权重 MIT；深度原理自己写的配套代码和文档 Apache-2.0。 4. 部署：模型页写了用 SGLang 在 8 卡上测过，并提醒要保留 generation_config.json。 二、怎么训的 发布帖说是 SFT + RL，数据用了领域知识、实验室记录，以及完整的科研发现轨迹——包括失败的尝试和改过的假设。但模型页也写明：完整数据集和训练 recipe 没有随权重放出。 三、它自己定的边界 模型页写的用途是科学问答、推导、起草开放科研问题；输出需要领域专家复核，不能当成已经验证的实验结论。这句我觉得比跑分更该先看。 四、分数：全部是作者自评，未证实 按魔搭官方号转述： - FrontierScience-Research：作者评测里超过 GPT-6 Astra（帖子没给具体分数） - GPQA Diamond：比基座 GLM-5.3 有提升（没给分数） - 过渡金属配合物材料搜索：5 轮搜索后，平均 best-so-far HOMO–LUMO 能隙 4.318 eV，GPT-6 Astra 是 3.689，Kimi-K3 是 3.353 暂无第三方复现，HF 模型页公开部分也没看到分数表。 五、要注意的地方 - 这是微调，不是新基座。能力上限很大程度还是 GLM-5.3 的。 - 部署说明是 SGLang 8 卡实测；个人单卡能不能跑，模型页没写，不宜外推。 - 首发时间我只能按魔搭帖算，深度原理官方号和官网暂时没提。 我的判断： 这次的看点不在「又一个开源大模型」，而在一家 AI for Science 公司把基座模型 + 实验室轨迹数据这条路走成了 MIT 权重。如果材料搜索那组数字经得起第三方复现，「通用基座 + 垂直科研数据微调」会比从头训基座更现实；在那之前，把它当一个需要专家把关的科研草稿助手更稳。 Source: Hugging Face model card / ModelScope@DeepPrincipleIntroducing Hydrogen-1.0, Deep Principle’s first general-purpose large AI model, built to support scientific discovery. Hydrogen-1.0 helps researchers reason through complex scientific questions, carry out calculations and simulations, turn research ideas into experimental plans, and use feedback to guide further exploration. Today, we’re releasing its model weights for researchers and developers to adapt and evaluate on their own scientific tasks. Hydrogen-1.0 is also available in our AI Scientist product, MIRA. Explore the benchmarks, research examples, and ways to get started in the posts below. Building intelligence for scientific discovery.@ModelScope2022Scientific reasoning shaped by laboratory experience. Hydrogen-1.0 is an open-weight model from Deep Principle, built on GLM-5.3 with 1M context for chemistry, materials science, and life sciences. 🤖 https://modelscope.cn/models/deep-principle/Hydrogen-1.0 🏆 Stronger scientific reasoning: Outperforms GPT-6 Astra on FrontierScience-Research in the authors' evaluation, while improving over GLM-5.3 on GPQA Diamond. 🔬 Learn from scientific work: Combines SFT and RL using domain knowledge, laboratory records, and complete discovery trajectories, including failed attempts and revised hypotheses. 🧬 Explore promising materials: After five search rounds, the mean best-so-far HOMO–LUMO gap reaches 4.318 eV, versus 3.689 for GPT-6 Astra and 3.353 for Kimi-K3 in the transition-metal-complex evaluation. 🛠️ Research with tools: Demonstrations span simulation debugging, reaction-network exploration, NMR analysis, and experimental protocol planning. 📜 Weights: MIT. Independently authored supporting code and documentation: Apache 2.0.@haifeng950107智谱 GLM-5.3 刚多了一个科学向的开源后代：Hydrogen-1.0。先把话说清楚——它不是新旗舰基座，是在 GLM-5.3 上做的化学、材料、生命科学微调，权重 MIT 开放。 先说它是什么。按魔搭官方号的发布帖和 Hugging Face 模型页：Hydrogen-1.0 是深度原理 Deep Principle 放出的开源权重模型，在智谱 GLM-5.3 上微调（HF 标注 Finetuned from zai-org/GLM-5.3），面向化学、材料科学和生命科学的科学推理。 一、规格和许可 1. 体量：HF 统计约 753B 参数；上下文 1M tokens，输出上限 128K。 2. 权重：BF16 未量化版之外，另有两个量化分仓——NVFP4 面向英伟达 Blackwell（B200/B300），MXFP4 面向 AMD MI350X/MI355X。 3. 许可：模型权重 MIT；深度原理自己写的配套代码和文档 Apache-2.0。 4. 部署：模型页写了用 SGLang 在 8 卡上测过，并提醒要保留 generation_config.json。 二、怎么训的 发布帖说是 SFT + RL，数据用了领域知识、实验室记录，以及完整的科研发现轨迹——包括失败的尝试和改过的假设。但模型页也写明：完整数据集和训练 recipe 没有随权重放出。 三、它自己定的边界 模型页写的用途是科学问答、推导、起草开放科研问题；输出需要领域专家复核，不能当成已经验证的实验结论。这句我觉得比跑分更该先看。 四、分数：全部是作者自评，未证实 按魔搭官方号转述： - FrontierScience-Research：作者评测里超过 GPT-6 Astra（帖子没给具体分数） - GPQA Diamond：比基座 GLM-5.3 有提升（没给分数） - 过渡金属配合物材料搜索：5 轮搜索后，平均 best-so-far HOMO–LUMO 能隙 4.318 eV，GPT-6 Astra 是 3.689，Kimi-K3 是 3.353 暂无第三方复现，HF 模型页公开部分也没看到分数表。 五、要注意的地方 - 这是微调，不是新基座。能力上限很大程度还是 GLM-5.3 的。 - 部署说明是 SGLang 8 卡实测；个人单卡能不能跑，模型页没写，不宜外推。 - 首发时间我只能按魔搭帖算，深度原理官方号和官网暂时没提。 我的判断： 这次的看点不在「又一个开源大模型」，而在一家 AI for Science 公司把基座模型 + 实验室轨迹数据这条路走成了 MIT 权重。如果材料搜索那组数字经得起第三方复现，「通用基座 + 垂直科研数据微调」会比从头训基座更现实；在那之前，把它当一个需要专家把关的科研草稿助手更稳。 Source: Hugging Face model card / ModelScope@DeepPrincipleIntroducing Hydrogen-1.0, Deep Principle’s first general-purpose large AI model, built to support scientific discovery. Hydrogen-1.0 helps researchers reason through complex scientific questions, carry out calculations and simulations, turn research ideas into experimental plans, and use feedback to guide further exploration. Today, we’re releasing its model weights for researchers and developers to adapt and evaluate on their own scientific tasks. Hydrogen-1.0 is also available in our AI Scientist product, MIRA. Explore the benchmarks, research examples, and ways to get started in the posts below. Building intelligence for scientific discovery.#7
#7
