Deep Principle выпустила Hydrogen-1.0: открытая модель для научных открытий
Deep Principle анонсировала выпуск Hydrogen-1.0, новой открытой модели с весами, ориентированной на поддержку научных открытий. Эта модель была разработана для применения в таких областях, как химия, материаловедение и науки о жизни. Веса Hydrogen-1.0 доступны для разработчиков под лицензией MIT.
Модель имеет впечатляющий размер — 753 миллиарда параметров, при этом около 40 миллиардов из них являются активными, основанными на базе GLM-5.3. Hydrogen-1.0 была обучена с использованием комбинации методов SFT (контролируемое тонкое дообучение) и RL (обучение с подкреплением).
Обучение велось на четырех типах данных: предметных знаниях в указанных науках, сценариях исследований, полных лабораторных записях и траекториях агентов-открытий. Это позволяет модели выполнять сложные задачи в реальном лабораторном рабочем процессе.
В бенчмарке FrontierScience-Research Hydrogen-1.0 показала результаты, превосходящие GPT-6-Astra, достигнув 38.3% против 33.3% у конкурента. Модель также способна писать код на Python для симуляций, обнаруживать и исправлять ошибки в расчетах, а также прогнозировать реакции.
Несмотря на общую высокую производительность, Hydrogen-1.0 уступает GPT-6-Astra в задаче элюцидации структуры по ЯМР на 3.33 процентных пункта. Тем не менее, модель демонстрирует лидерство в прогнозировании прямых реакций, опережая конкурентов на 4.76 процентных пункта.
Hydrogen-1.0 может работать на различных инфраструктурах, включая 8 GPU с использованием SGLang, и уже продемонстрировала способность решать задачи, такие как построение полиэтиленового расплава и анализ его траектории.