2026-11-02，深度原理（Deep Principle）发布了公司首款通用大模型 Hydrogen-1.0，并同步开放权重。这是一个基于 GLM-5.3 后训练的 753B 科学大模型，面向化学、材料科学与生命科学，ModelScope 模型卡显示许可为 MIT，完整 BF16 权重共 753.33B 参数的 Safetensors 文件、约 1.51TB，上下文长度 100 万 token，最大输出 12.8 万 token。权重开在 Hydrogen-1.0 模型仓库（ModelScope），同一天还放出了 NVIDIA Blackwell 用的 NVFP4 量化版与 AMD Instinct 用的 MXFP4 量化版，Hugging Face 上也能同步拿到。
开源权重的大模型你见过很多，科学大模型单独开一档的很少。这篇文章把它拆开看：科学模型和通用模型到底差在哪、训练数据为什么连失败实验记录都要、官方评测成绩单怎么读、以及 1.51TB 的东西你到底怎么用起来。
科学模型为什么值得单独一档
先说清一个常见误解：科学模型不是"更会答题的通用模型"。你拿任何旗舰通用模型问一道化学题，它都能给出像模像样的答案，但科研的真实工作流不是一问一答。深度原理在官方技术博客中称，Hydrogen-1.0 的能力定位是协助研究人员分析科学问题、编写模拟程序、排查计算异常、做反应路径分析和谱图解析——注意这几个动词：编写、排查、分析、解析，全都是过程性工作，不是给出一个答案就结束的。
区别可以用一个对照讲清楚。通用模型答题的模式是：你问"这个反应的产物是什么"，它输出产物名，结束。科学模型做研究的模式是：你给它一个材料目标，它规划实验、把方案细化成可执行的操作指令，跑完一轮后利用每轮评估结果继续推荐下一批材料候选，循环往复。前者是搜索引擎式的知识检索，后者更像一个能跟你一起跑课题的同事。分子模拟写代码、算崩了找原因、NMR 谱图对着峰猜结构、金属配合物一轮轮筛配体——这些活儿串联起来才是一条完整的科研链路。
再往上一层看，AI 做科学发现这件事，头部闭源阵营已经打样了。网易 AI异类栏目整理过一个对照：OpenAI 用 agent 证明了 Navier-Stokes 方程的有限时间奇点，Anthropic 找到了 CRISPR 样重复序列酶系统，都算是"AI 参与真实科学发现"的路标。但问题在于，这两条被证明能走通的路，能力全部锁在闭源系统里，外界拿不到权重、没法复现、更没法在其基础上继续创新。Hydrogen-1.0 的意义在于把"已被证明能走通的路"用开源权重重铺一遍——你下载下来的是能跑的 753B，不是一篇新闻稿。
这也是深度原理创始人兼 CTO 段辰儒的表态逻辑：选择开放模型权重，是为了支持研究人员理解 AI 并持续创新，推动开放共享的科学生态。科学界过去几十年的协作方式就是论文加开源工具链，模型权重大概率会成为这个工具链的下一环。
拆解训练账本：实验室记录与失败数据
Hydrogen-1.0 的训练数据构成是这篇发布里最有辨识度的部分。ModelScope 模型卡与官方渠道披露的配方大致是四类：化学、材料、生命科学的领域知识，科研人员反馈，自有实验室记录，以及多轮材料探索的完整过程。
前两类不稀奇，各家后训练都会做。稀奇的是后两类。实验室记录意味着真实科研环境里的原始操作数据——不是教科书里"将 A 与 B 混合加热"的理想化描述，而是带上下文的实际研究过程。多轮材料探索保留的是研究来龙去脉：为什么第一轮选这个配体、评估结果如何、据此怎么调整第二轮。模型学到的不是孤立的知识点，而是一条完整的探索轨迹。
更激进的是失败实验。深度原理明确说，连失败实验的记录都作为训练数据放进了账本。这个决策在科研语境里其实非常合理：失败实验承载的信息量往往比成功实验更大——哪条路走不通、在哪一步崩的、表征数据怎么暴露问题的，这些正是科研人员最贵的经验。通用模型的训练语料里几乎只有发表出来的成功结果（发表偏倚），模型天然不知道"试错"长什么样。把失败数据喂进去，等于把实验室里那些不会写进论文的隐性知识显性化了。
训练技术侧还有两个细节值得记。一是长文本训练改进了保留推理中的计算、检查与修改步骤的能力——科研推理经常是长链条的，模型如果在中途丢掉自己之前的中间计算，后面全错。二是强化学习里长回答可以保存进度续写，不必一口气生成完，这对上百轮的材料探索循环是工程上的必要条件。
官方成绩单怎么看
以下数字全部是深度原理官方自报口径，独立第三方复核还没有跟上，读的时候要带着这个前提。但即使是自报数字，怎么挑着读也有讲究。
先看主线。FSR（FrontierScience-Research）解题成功率 38.3%，官方称高于 GPT-6-Astra 的 33.3%，较基座 GLM-5.3 提高 13.9 个百分点。这个 13.9 个百分点的提升幅度比模型本身的绝对分数更有信息量——它说明"科学领域后训练"这条路线在 753B 基座上是真实生效的，不是营销叙事。GPQA-Diamonds 准确率 93.0%，较基座提高 3 个百分点，官方称接近 Kimi-K3 的 93.5%。注意这里是"接近"而非"超过"：93.0% 对 93.5%，Kimi-K3 仍然领先，官方没有回避这一点，这反而是相对诚实的信号。
细分项里正反都有。科学计算平均得分 76.92%，官方称高于 GPT-6-Astra 的 71.79%；单步反应预测 90.48% 对 83.33%；实验设计与规划（10 分制）平均 5.59 分，官方称高于 Kimi-K3 的 4.57 分——这一项官方特别注明 Opus-5.5 与 GPT-6-Astra 因拒答严重无法公允比较，也就是说这项对比的实际可比范围很窄。金属配合物多轮搜索任务里，第五轮最佳 HOMO-LUMO 能隙均值 4.318eV，官方称高于 GPT-6-Astra 的 3.689eV 与 Kimi-K3 的 3.353eV，多轮迭代后越筛越好正是它训练数据里那套"多轮探索轨迹"的直接体现。
但 NMR 谱图解析这一项，Hydrogen-1.0 平均 26.67 分，官方数字显示略低于 GPT-6-Astra 的 30.00 分。谱图解析恰恰是最依赖海量真实谱图数据的任务，这提示它的科学能力分布并不均匀，短板是真实存在的。官方没有只挑赢的项发，成绩单里有输的项，这比全绿的营销图更有参考价值。
综合读法：如果你的工作流集中在反应预测、实验规划、多轮材料筛选，官方口径显示它领先；如果你的核心是谱图解析，别只看这一篇发布，等独立评测。
虚拟编译：把实验方案先在沙箱里跑一遍
Hydrogen-1.0 还有一个自研机制叫"虚拟编译"（Lab Compile），思路值得单独讲。模型规划实验、把方案细化成操作指令之后，并不直接执行，而是先在一个虚拟环境里"编译"一遍：检查设备是否支持这些动作、操作顺序是否正确。官方博客给的案例是拦截"吸液工具没装吸头就要求吸液"的错误指令——听起来小，但真实实验室里这类顺序错误意味着试剂报废甚至设备损坏。
这个机制的隐喻是借了软件工程的：代码有编译器在运行前查语法和类型错误，实验指令此前没有对应物，Lab Compile 想做的就是实验指令的"编译器"。它和上一节说的训练数据是配套的——模型见过大量带完整来龙去脉的实验轨迹，才知道操作之间什么顺序合法、什么前置条件必须满足。对于想把 AI 接进自动化实验室（机器人平台）的团队，这个检查层不是锦上添花，是安全前置条件。
部署门槛与三种打开方式
先泼冷水：自行部署门槛极高。机器之心周刊的口径是"需大型模型推理资源"，翻译成数字就是 BF16 完整权重 753.33B 参数、约 1.51TB——光放下权重就需要多卡大显存集群，这还只是推理，不是微调。普通团队和个人研究者基本可以放弃本地部署完整版的想法。
好在有三种打开方式。第一种，本地部署选对量化版本：ModelScope 上 modelscope.cn/models/deep-principle/Hydrogen-1.0 是 BF16 完整权重仓，deep-principle/Hydrogen-1.0 是仓库名；如果你有 NVIDIA Blackwell 卡（B200/B300），走 NVFP4 量化版；如果是 AMD Instinct（MI350X/MI355X），走 MXFP4 量化版——注意两个量化版各自绑定指定硬件，不能混用。官方称部署已在 8 张 GPU 上用 SGLang 测试过，这是官方给出的最低参考规模，自己搭环境建议从 SGLang 的标准部署路径起步。
第二种，API 途径：深度原理自家的 NeuroSpark API 已开接入，不需要碰任何权重。第三种，产品途径：自家的 AI 科学家产品 Mira 直接封装了这套能力，适合只想用结果不想管基础设施的人。官方还预告未来将收录 Google、AWS、微软 Azure 的 MaaS 平台，届时云上调用会更方便。
权重同步开在 Hugging Face：huggingface.co/deep-principle/Hydrogen-1.0，与 ModelScope 版本一致。两个量化版的仓库名分别是 deep-principle/Hydrogen-1.0-NVFP4 与 deep-principle/Hydrogen-1.0-MXFP4，按你的硬件对号入座。
最后照录模型卡的局限声明：模型输出结果需结合任务相关假设、约束与证据进行科学审查；官方演示将模型与外部工具及特定研究环境结合。换句话说，它给你的是候选方案和推理过程，最终的科学判断责任仍在研究人员手里——这也是所有"AI for Science"工具共同的边界。
常见问题
**Q1：**753B 的模型，普通团队能跑吗？ A1：完整版基本不行，BF16 权重约 1.51TB，本地推理需要多卡大显存集群，官方最低参考是 8 张 GPU 用 SGLang 跑通。有 B200/B300 或 MI350X/MI355X 的团队可以选 NVFP4 或 MXFP4 量化版降低资源需求。没有这类硬件就走 NeuroSpark API 或 Mira，不要硬扛本地部署。
**Q2：**它和直接问通用大模型科学问题有什么区别？ A2：通用模型是问答模式，输出一个答案就结束；Hydrogen-1.0 是过程模式——编写模拟程序、排查计算异常、分析反应路径、解析谱图、规划实验并细化成操作指令，再利用每轮评估结果继续推荐材料候选。加上 Lab Compile 虚拟编译会在执行前检查操作顺序，这套东西是围绕"跑课题"而不是"答题"设计的。
**Q3：**官方评测数字能信吗？ A3：要打折读。所有数字均为官方自报口径，尚无独立第三方复核。可信度较高的信号是：FSR 较基座 GLM-5.3 提升 13.9 个百分点说明后训练真实生效，且成绩单保留了 NMR 26.67 分低于 GPT-6-Astra 30.00 分的输项，没有全挑赢的项。建议把官方数字当筛选线索，关键任务用自己的真实场景实测。
**Q4：**MIT 许可意味着可以随便商用吗？ A4：MIT 是最宽松的许可证之一，允许商用、修改、闭源分发、集成进商业产品。但注意边界：权重是 MIT，训练数据与完整训练配方未随权重发布；模型卡的局限声明要求输出结果经科学审查后使用。商用前读一遍许可原文，涉及医疗、材料安全等高风险场景时合规责任在你。
**Q5：**训练数据为什么连失败实验都放进去？ A5：因为失败实验承载的信息量比成功实验更大——哪条路走不通、在哪一步崩的，这是科研人员最贵的经验。通用模型的语料几乎只有发表出来的成功结果，模型天然不知道试错长什么样；把失败记录和多轮探索的完整来龙去脉喂进去，等于把实验室里不会写进论文的隐性知识显性化了，模型才能学会真实的探索过程。
延伸阅读
- 乌镇开源：中国 AI 开源新热点：同日热点文，把 Hydrogen-1.0 放进国内开源发布潮的时间线里看。
- Mistral Large 4 开放权重资源篇：欧洲阵营的开放权重路线，与本文对照读能看到两种开放策略的差异。
- SenseNova Loop-9B 开源资源篇：另一档体量的开源模型，9B 级别适合没有大集群的团队本地折腾。