Deep Principle، شرکت هوش مصنوعی مستقر در هانگژو، مدل Hydrogen-1.0 را منتشر کرد: یک مدل ۷۵۳ میلیارد پارامتری (MoE با حدود ۴۰ میلیارد پارامتر فعال) با context طول ۱ میلیون توکن و حداکثر خروجی ۱۲۸ هزار توکن. وزن‌های مدل زیر مجوز MIT روی Hugging Face و ModelScope در دسترس است. این مدل از post-training GLM-5.3 (محصول Z.ai) روی داده‌های شیمی، علوم مواد، علوم زیستی، سوابق آزمایشگاهی و مسیرهای کشف ایجنت ساخته شده.
عملکرد در بنچمارک‌ها#
Deep Principle نمره ۳۸.۳٪ را در FrontierScience-Research گزارش کرده — بالاتر از ۳۳.۳٪ GPT-6-Astra. در GPQA-Diamond نمره ۹۳.۰٪ اعلام شده که تقریباً هم‌تراز Kimi-K3 است. در ارزیابی‌های داخلی، Hydrogen-1.0 در محاسبات علمی ۵.۱۳ درصد امتیاز بالاتر از GPT-6-Astra (حداکثر تفکر) گرفته و در پیش‌بینی واکنش‌های مستقیم ۴.۷۶ درصد جلوتر بوده، اما در تعیین ساختار NMR، GPT-6-Astra با ۳.۳۳ امتیاز پیشی دارد.
در طراحی کمپلکس فلزات واسطه (هدف: شکاف HOMO-LUMO بزرگ‌تر در ۵ دور)، Hydrogen-1.0 به میانگین ۴.۳۱۸ eV رسید؛ GPT-6-Astra به ۳.۶۸۹ و Kimi-K3 به ۳.۳۵۳. در ۱۱۷ سؤال برنامه‌ریزی آزمایش، نمره Hydrogen-1.0 بالاتر از Kimi-K3 بود، در حالی که GPT-6-Astra و Opus-5.5 پس از رد بیش از ۵۰٪ درخواست‌ها از ارزیابی حذف شدند.
نحوه آموزش و استقرار#
آموزش ترکیب SFT و RL روی چهار منبع داده است: دانش دامنه‌ای، سناریوهای تحقیقاتی، سوابق آزمایشگاهی (ثبت‌شده از طریق ابزار Mira) و مسیرهای کشف شامل تلاش‌های ناموفق. زیرساخت روی Megatron و SGLang با پشتیبانی CUDA و ROCm ساخته شده. وزن‌های استنتاجی به‌صورت BF16 و FP8 بلوکی ۱۲۸×۱۲۸ قابل دسترس‌اند.
برای اجرا: ۸ GPU با SGLang (تست‌شده)؛ NVFP4 برای NVIDIA B200/B300 و MXFP4 برای AMD MI350X/MI355X. سرور API سازگار با OpenAI با پارامتر reasoning_effort ارائه می‌دهد. قیمت API Hydrogen-1.0 اعلام نشده.
خوانش تحریریه#
Hydrogen-1.0 نخستین بار نیست که یک مدل باز را با مجوز MIT منتشر می‌کند، اما ترکیب «داده‌های آزمایشگاهی واقعی» و «مسیرهای کشف شامل شکست‌ها» در آموزش، چیزی است که معمولاً در مدل‌های علمی دیده نمی‌شود. برای کسی که ایجنت علمی می‌سازد، این یعنی یک نقطه شروع قابل بازرسی به‌جای جعبه‌سیاه. اما سه نکته احتیاطی وجود دارد: اول، تمام اعداد خودگزارش‌شده‌اند و هیچ سوم مستقل آن‌ها را تأیید نکرده. دوم، شکاف ۳.۳۳ امتیازی در NMR نشان می‌دهد این مدل جایگزین کامل مدل‌های بسته نیست. سوم، حذف GPT-6-Astra از ارزیابی ۱۱۷ سؤالی به‌دلیل رد درخواست‌ها، مقایسه را ناعادلانه می‌کند — اگر مدل بسته‌تر از کار باز می‌ایستد، لزوماً به معنای برتری مدل باز نیست.
منبع: MarkTechPost
دیدگاه‌ها
برای گذاشتن دیدگاه وارد شو
دیدگاه‌ها فقط از حسابهای کاربری پذیرفته میشوند.
ورود / ثبتنامهنوز دیدگاهی ثبت نشده — اولین نفر باش.