Deep Principle, firma z Hangzhou specjalizująca się w AI dla materiałów, wydała Hydrogen-1.0 - otwartego modelu научnego dla odkryć w laboratorium. Model liczący 753 miliardy parametrów (architektura MoE z około 40 miliardami aktywnych) reprezentuje znaczący krok ku otwartej nauce, gdyż robi dostępnym to, co dotychczas pozostawało własnością firm oferujących zaawansowane modele proprietary.
Hydrogen-1.0 powstał poprzez post-training modelu GLM-5.3 Z.ai na danych domenowych, zapisach laboratoryjnych i trajektoriach odkryć generowanych przez agenty. Wyposażony w kontekst miliona tokenów i maksymalny output 128K, model działa na 8 procesorach GPU przy wsparciu SGLang. Doskonale radzi sobie w zadaniach takich jak formułowanie pytań badawczych, planowanie eksperymentów i analiza wyników. W benchmarku FrontierScience-Research pokonuje GPT-6-Astra (38,3% vs 33,3%), choć ustępuje mu w elucydacji struktur NMR o 3,33 punkty.
Wydanie tego modelu na licencji MIT ma kluczowe znaczenie dla reproducibility nauki. Podczas gdy proprietary rozwiązania z niedawnych lat osiągały imponujące rezultaty w AI science, ich możliwości odkrywcze pozostały zamknięte dla badaczy. Hydrogen-1.0 oferuje alternatywę, którą można inspektować, dostosowywać i weryfikować. To stanowi wzorzec dla tego, jak zaawansowana AI może wspierać odkrycia naukowe przy jednoczesnym zachowaniu przejrzystości i dostępu dla globalnej społeczności badaczy.