Deep Principle이 화학, 재료과학, 생명과학 분야를 위한 모델 Hydrogen-1.0을 공개했다. 회사는 Z.ai의 모델 GLM-5.3을 과학 자료와 실험실 기록, 연구 에이전트의 작업 기록으로 추가 학습했다고 밝혔다. MarkTechPost는 Hydrogen-1.0의 매개변수가 7530억 개라고 전했다.
모델을 실행하거나 조정하는 데 필요한 파일인 가중치는 Hugging Face에서 MIT License로 제공된다. 따라서 연구자와 개발자는 회사가 운영하는 서비스에만 의존하지 않고 직접 평가를 수행하거나 모델을 활용한 도구를 만들 수 있다. 다만 전체 학습 데이터셋과 완전한 학습 방법은 공개되지 않았다.
Deep Principle은 어떤 평가를 했나?
Deep Principle은 Hydrogen-1.0이 FrontierScience-Research에서 GPT-6-Astra를 앞섰고, GPQA-Diamonds에서는 기반 모델인 GLM-5.3보다 성능이 향상돼 Kimi-K3와 대체로 비슷한 수준을 보였다고 밝혔다. 그러나 회사 발표에는 이 비교의 점수가 제시되지 않아, 공개된 내용만으로는 향상 폭을 판단할 수 없다.
회사가 자체적으로 수행한 연구 과제 평가에서는 Hydrogen-1.0이 시험한 세 가지 추론 설정 모두에서 과학 컴퓨팅과 역반응 예측 부문에서 GPT-6-Astra보다 높은 점수를 기록했다. Astra의 최고 설정과 비교했을 때 격차는 각각 5.13%포인트와 4.76%포인트였다. 반면 NMR 구조 분석에서는 Astra가 3.33점 앞섰다. Deep Principle은 실험 계획 관련 질문 117개로도 두 모델을 비교했지만, 발표문에는 각 모델의 점수가 공개되지 않았다.
연구자는 무엇을 실행할 수 있나?
Deep Principle은 이 모델이 고분자 시뮬레이션용 코드를 작성하고 오류를 수정하는 모습, 가능한 화학 반응을 매핑하는 모습, 후보 구조를 NMR 스펙트럼과 대조해 평가하는 모습을 보여줬다. 이 사례들은 외부 도구와 연구 환경을 활용한 시연일 뿐, 모델의 과학적 결론이 정확하다는 증거는 아니다.
Hugging Face 페이지에는 전체 정밀도의 BF16 가중치와 특정 하드웨어용 저정밀도 버전이 올라와 있다. 지원 대상은 NVIDIA Blackwell 칩 또는 AMD Instinct MI350X와 MI355X다. 페이지에 따르면 배포 테스트는 GPU 8개로 진행됐지만, 당시 사용한 하드웨어는 명시되지 않았다. 소프트웨어와 설정에 따라 요구 사양이 달라질 수 있으며 모델이 틀린 답을 내놓을 수도 있다고도 안내한다. 연구자는 중요한 주장을 계산이나 문헌, 실험을 통해 검증해야 한다.
왜 중요한가
연구자는 독점 과학 모델에만 의존하지 않고 Hydrogen-1.0을 내려받아 조정해 사용할 수 있다. 다만 높은 하드웨어 요구 사양과 불완전한 학습 정보 공개, 회사 자체 평가라는 점을 고려하면, 각자 연구에 활용해 성능을 시험하고 답변을 독립적으로 검증해야 한다.
