Deep Principle ha publicado Hydrogen-1.0, un modelo para química, ciencia de materiales y ciencias de la vida. La empresa afirma que adaptó GLM-5.3, un modelo de Z.ai, con material científico, registros de laboratorio y datos sobre las acciones de agentes de investigación. MarkTechPost identifica Hydrogen-1.0 como un modelo de 753.000 millones de parámetros.
Los pesos del modelo —los archivos necesarios para ejecutarlo o adaptarlo— están disponibles en Hugging Face con licencia MIT. Esto permite que investigadores y desarrolladores realicen sus propias evaluaciones y creen herramientas basadas en él, en lugar de depender únicamente de un servicio operado por una empresa. La publicación no incluye todos los conjuntos de datos de entrenamiento ni el método completo de entrenamiento.
¿Qué pruebas realizó Deep Principle?
Deep Principle afirma que Hydrogen-1.0 superó a GPT-6-Astra en FrontierScience-Research y mejoró los resultados de su modelo de partida, GLM-5.3, en GPQA-Diamonds, donde obtuvo un resultado aproximadamente igual al de Kimi-K3. El anuncio de la empresa no incluye puntuaciones para esas comparaciones, así que el texto por sí solo no permite evaluar la magnitud de las mejoras declaradas.
En sus propias evaluaciones de tareas de investigación, Hydrogen-1.0 obtuvo una puntuación superior a GPT-6-Astra en computación científica y predicción de reacciones directas en los tres niveles de razonamiento evaluados. Frente a Astra en su nivel máximo, las ventajas declaradas fueron de 5,13 y 4,76 puntos porcentuales. Astra obtuvo 3,33 puntos más en análisis de estructuras mediante RMN. Deep Principle también comparó los modelos con 117 preguntas sobre planificación de experimentos, pero el anuncio no incluye sus puntuaciones.
¿Qué pueden ejecutar los investigadores?
Deep Principle muestra al modelo escribiendo y corrigiendo código para una simulación de polímeros, trazando posibles reacciones químicas y evaluando estructuras candidatas a partir de un espectro de RMN. Estos ejemplos recurren a herramientas externas y entornos de investigación; son demostraciones, no pruebas de que las conclusiones científicas del modelo sean correctas.
La página de Hugging Face incluye los pesos BF16 de precisión completa y versiones de menor precisión para hardware específico: chips NVIDIA Blackwell o AMD Instinct MI350X y MI355X. La página indica que se probó una implementación con ocho GPU, pero no especifica qué hardware se utilizó en esa prueba. También advierte que los requisitos varían según el software y la configuración, y que el modelo puede dar respuestas incorrectas. Los investigadores deberían contrastar las afirmaciones importantes con cálculos, publicaciones científicas o experimentos.
Por qué importa
Los investigadores pueden descargar y adaptar Hydrogen-1.0, en lugar de depender exclusivamente de un modelo científico propietario. Sin embargo, las exigencias de hardware, la información incompleta sobre el entrenamiento y las evaluaciones realizadas por la propia empresa hacen necesario probarlo en sus propios trabajos y verificar sus respuestas de forma independiente.
