Hydrogen-1.0
深度原理基于 GLM-5.3 后训练的 753B 科学模型:MIT 许可证,1M 上下文,提供面向 Blackwell 和 AMD 的 4 位版本。
一句话概括. Hydrogen-1.0 是一个为科学任务调优的超大 AI 模型。深度原理拿 Z.ai 的 GLM-5.3,用化学、材料和生命科学的数据,以及自家实验室的记录继续训练,让它能够解释推导、规划实验,并协助解决开放的研究问题。权重采用 MIT 许可证,可免费使用,但需要配备多块高端 GPU 的服务器,而且公司的结果来自它自己的测试。
概述
深度原理(Deep Principle)是一家中国的材料 AI 公司,它在 2026 年 11 月 2 日的博客文章中发布了 Hydrogen-1.0,Hugging Face 仓库则在 10 月 31 日创建。这是一个纯文本模型,由 Z.ai 的 753B 参数混合专家模型 GLM-5.3 后训练而成,数据来自化学、材料科学和生命科学领域,以及深度原理自己实验室的记录和智能体轨迹。训练结合了监督微调和强化学习,基于 Megatron 和 SGLang,合作方有 UniPat、Mind Lab 和 NeuroSpark。总参数量与 GLM-5.3 完全相同,模型卡列出的上下文为 1M token,最大输出 128K token。深度原理没有给出激活参数量,但架构就是 GLM-5.3 的,每个 token 激活 40B。聊天模板默认使用最高的推理强度,也可以选择低和高。
这些结果是深度原理自己的,主要以图表呈现。博客称 Hydrogen-1.0 在 FrontierScience-Research 上超过 GPT-6-Astra,在 GPQA Diamond 上比 GLM-5.3 有所提升,大致追平 Kimi K3。在内部任务上,它在科学计算和单步反应预测上,三种思考设置下都高于 GPT-6 Astra,与最大思考强度的 Astra 相比分别领先 5.13 和 4.76 个百分点,而在 NMR 结构解析上 Astra 仍领先 3.33 分。在一项分五轮设计过渡金属配合物的测试中,平均最佳 HOMO-LUMO 能隙,Hydrogen-1.0 为 4.318 eV,GPT-6-Astra 为 3.689 eV,Kimi K3 为 3.353 eV。公司表示不同任务之间的绝对分数不应相互比较,模型卡本身也没有给出分数。
共有三个仓库。BF16 权重有 753B 参数,约 1,507 GB,设有 Hugging Face 的自动审批门槛;NVFP4 版本(约 464 GB,面向 NVIDIA Blackwell,用 SGLang 在 8 块 B300 GPU 上测试,上下文 262,144 token)和 MXFP4 版本(约 423 GB,面向 AMD Instinct,在 MI350X 上用 ATOM 以张量并行 4 测试)则是开放的。BF16 的示例用 SGLang 在 8 块 GPU 上搭配 GLM 的推理解析器和工具调用解析器提供服务,并提醒要保留 generation_config.json,否则生成不会在回答结束处停止。在 MXFP4 的测试中,128 个并发的长推理请求占满了 KV 缓存,回答质量急剧下降,而 48 个并发则一切正常。权重采用 MIT 许可证,深度原理自己编写的代码和文档采用 Apache 2.0,第三方文件保留各自的许可证。基础模型 GLM-5.3 有 Z.ai 自己的许可证,所以商用前请阅读受限仓库里的 LICENSING.md 和 NOTICE 文件。2026 年 11 月 11 日,Hugging Face 显示 30 天内约有 40,500 次下载和 289 个点赞。
适合做什么
- 化学、材料科学和生命科学中的科学问题、推导和开放式研究问题,答案需要专家审核
- 通过 GLM 解析器调用工具的研究智能体,上下文 1M token
- 拥有多 GPU 节点、想自己托管 MIT 许可证 753B 模型的实验室和公司:在 8 块 Blackwell GPU 上用 NVFP4,或在 AMD Instinct 上用 MXFP4
- 研究监督微调和强化学习式后训练如何让开放基础模型专门化
需要注意
- 所有基准声明都来自深度原理,主要以图表呈现,模型卡没有给出分数,数据集和训练方案也没有发布
- 它只处理文本,输出未经验证,所以模型卡称答案可能包含错误的事实、计算或参考文献,不得用于做重大决策
- BF16 权重约 1,507 GB 且设有门槛,即使 4 位版本也有约 423 到 464 GB
- 4 位版本的回答可能与 BF16 不同,NVFP4 的示例把上下文限制在 262,144 token,而不是标称的 1M
- MXFP4 的测试中,128 个长请求占满 KV 缓存后质量崩溃,所以请按你的并发量规划缓存
- 基础模型的许可证与 MIT 标注不同,做产品之前请先检查 LICENSING.md 和 NOTICE 文件
性能数据来自开发方,未经独立验证。
需要多少内存?
以下为 Hydrogen-1.0-MXFP4 版本的估算。混合专家模型虽然每个 token 只用到部分专家,但所有专家都必须装进内存:总参数量决定所需内存,激活参数量决定速度。
| 版本 | 参数量 | BF16 | FP8 / INT8 | 4-bit (Q4) | 可运行于 |
|---|---|---|---|---|---|
| Hydrogen-1.0 (BF16) BF16 | 753B 激活 40B | 1.73 TB | 866 GB | 520 GB | GPU 服务器 |
| Hydrogen-1.0-NVFP4 NVFP4 | 753B 激活 40B | 1.73 TB | 866 GB | 510 GB | 大内存台式机 |
| Hydrogen-1.0-MXFP4 MXFP4 | 753B 激活 40B | 1.73 TB | 866 GB | 465 GB | 大内存台式机 |
估算方法:权重大小加约 15% 的运行开销。实际占用会随上下文长度增长,也取决于所用的软件。
许可证,用大白话说
最简短、最宽松的许可证。只要保留版权和许可声明,你几乎可以对模型做任何事。
延伸阅读
常见问题
- Hydrogen-1.0 是什么?
- Hydrogen-1.0 是一个为科学任务调优的超大 AI 模型。深度原理拿 Z.ai 的 GLM-5.3,用化学、材料和生命科学的数据,以及自家实验室的记录继续训练,让它能够解释推导、规划实验,并协助解决开放的研究问题。权重采用 MIT 许可证,可免费使用,但需要配备多块高端 GPU 的服务器,而且公司的结果来自它自己的测试。
- Hydrogen-1.0 可以商用吗?
- 可以。Hydrogen-1.0 采用 MIT 发布,这是一种宽松许可证。只要遵守常规条件(例如保留许可证声明),就可以商用。
- Hydrogen-1.0 是开源的吗?
- Hydrogen-1.0 采用 MIT 发布,该许可证经开源促进会(OSI)认可。训练数据和训练代码不一定公开,因此更准确的说法是“采用开源许可证的开放权重模型”。
- 我能在自己的电脑上运行 Hydrogen-1.0 吗?
- 只有大内存机器才行。最小版本 Hydrogen-1.0-MXFP4 在 4 位精度下约需 465 GB。配备 128 至 512 GB 统一内存的台式机可以装下,但速度一般。
- Hydrogen-1.0 是什么时候发布的?
- Hydrogen-1.0 由 Deep Principle 于 2026年11月2日 发布。
- Hydrogen-1.0 的上下文窗口有多长?
- Hydrogen-1.0 支持最长 1M token 的上下文窗口。
官方链接
来源
规格数据来自以下一手资料。文中提到的基准测试结果由开发方自报。
- Hydrogen-1.0 model card (Hugging Face) huggingface.co
- Introducing Hydrogen-1.0 (Deep Principle blog, 2 November 2026) blog.deepprinciple.com
- Hydrogen-1.0-NVFP4 model card (Hugging Face) huggingface.co
- Hydrogen-1.0-MXFP4 model card (Hugging Face) huggingface.co
发布时间等信息最近核实于 2026年11月11日。
相关模型
| 模型 | 发布时间 | 参数量 | 上下文 | 许可证 | 最小版本所需内存 |
|---|---|---|---|---|---|
| GLM-5.3 Z.ai (Zhipu AI) | 753B 激活 40B | 1M | GLM-5.3 License (附条件) | 520 GB GPU 服务器 | |
| Kimi K3 Moonshot AI | 2.8T 激活 104B | 1M | Kimi K3 License (附条件) | 1.72 TB 多机集群 | |
| Ornith 1.5 DeepReinforce | 9.65B – 403B 激活 17B | 256K | MIT (宽松) | 6.66 GB 笔记本或手机 | |
| AREX-2 BAAI | 27.4B | 256K | Apache 2.0 (宽松) | 19 GB 游戏显卡 |