「深度原理」发布其首款通用大模型，科学推理评测超越GPT-6 Astra | Linear Portfolio

y'x

近日，「深度原理」正式发布公司首款通用大模型Hydrogen-1.0，并同步开放模型权重。该模型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。

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。

线性资本是「深度原理」的种子轮领投方，并在后续多轮加注支持。

11月2日，深度原理正式发布公司首款通用大模型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。

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。深度原理通过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，深度原理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，深度原理选取了117道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。深度原理用30道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。

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。

聚乙烯分子模拟中的自动建模、纠错与分析

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。

反应网络的逐步扩展与路径比较

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。

实验室的虚拟预演，修正操作错误并模拟正确流程

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。

深度原理通过一项"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4.318 eV，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。

Hydrogen-1.0在多轮材料搜索中的表现对比

训练Hydrogen-1.0 时，深度原理既用了化学、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，深度原理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。**深度原理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。

图：模型可以先生成回答并接受评分，再根据反馈调整，减少重复计算

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深度原理的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。深度原理希望更多团队把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，深度原理选择开源Hydrogen-1.0。

深度原理CTO段辰儒表示：“**帮助人类发现新知识，是深度原理发展科学大模型的长期目标。**科学研究中的每一次尝试、意外结果和假设修正，都可能成为模型学习的经验。我们希望通过开放Hydrogen-1.0，让模型在真实科研中接受检验，逐步成为科学家探索未知的可靠伙伴。”

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。感兴趣的朋友们可以进一步查看模型怎样处理具体任务，以及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。公司期待与科研团队、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。