Deep Principle 发布了 Hydrogen-1.0，这是一款面向化学、材料科学和生命科学的模型。该公司称，它以 Z.ai 的 GLM-5.3 为基础，利用科学资料、实验室记录以及研究代理的行动记录进行了调整。MarkTechPost 指出，Hydrogen-1.0 拥有7530亿个参数。
模型权重——运行或调整模型所需的文件——已在 Hugging Face 上以 MIT License 发布。研究人员和开发者因此可以自行评测模型并围绕它开发工具，不必只依赖公司运营的服务。不过，此次发布不包含完整训练数据集或完整训练方案。
Deep Principle 测试了什么？
Deep Principle 称，Hydrogen-1.0 在 FrontierScience-Research 上超过了 GPT-6-Astra；在 GPQA-Diamonds 上的表现也优于其基础模型 GLM-5.3，并大致与 Kimi-K3 持平。公司的公告没有给出这些对比的分数，因此读者仅凭公告内容无法判断所称提升幅度。
在公司自行开展的研究任务评测中，Hydrogen-1.0 在三个测试推理设置下，科学计算和正向反应预测的得分都高于 GPT-6-Astra。与最高设置下的 Astra 相比，Hydrogen-1.0 在这两项上的领先幅度分别为5.13和4.76个百分点。Astra 在 NMR 结构分析上高出3.33个百分点。Deep Principle 还用117道实验规划题对模型进行了比较，但公告正文没有给出两款模型的得分。
研究人员可以运行哪些任务？
Deep Principle 展示了模型如何编写和修复聚合物模拟代码、绘制可能的化学反应，以及根据 NMR 谱图评估候选结构。这些示例使用了外部工具和研究环境；它们只是演示，并不能证明模型得出的科学结论正确。
Hugging Face 页面提供全精度 BF16 权重，以及针对特定硬件的低精度版本：NVIDIA Blackwell 芯片，或 AMD Instinct MI350X 和 MI355X。页面称，该模型曾在八块 GPU 上完成部署测试，但没有说明测试所用硬件。页面还提醒，具体要求会因软件和配置而异，而且模型可能给出错误答案。研究人员应通过计算、文献或实验核查重要结论。
为什么重要
研究人员可以下载并调整 Hydrogen-1.0，不必完全依赖专有科学模型。但由于硬件要求高、训练信息披露不完整，且评测由公司自行开展，研究人员仍需结合自身工作进行测试，并独立核实模型答案。
