Hydrogen-1.0:基于 GLM-5.3 的 753B 开源科学模型
深度原理发布 Hydrogen-1.0,这是由 GLM-5.3 后训练而成的 753B 科学模型,标注为 MIT 许可证,上下文 1M,提供 4 位版本。所有基准声明都来自它自己。
中国的材料 AI 公司深度原理(Deep Principle)在 2026 年 11 月 2 日的博客文章里发布了 Hydrogen-1.0。这是一个纯文本模型,由 Z.ai 的 7530 亿参数模型 GLM-5.3 后训练而成,数据来自化学、材料科学和生命科学,以及深度原理自己实验室的记录。权重标注为 MIT 许可证。
新在哪里
训练结合了监督微调和强化学习,所以参数量与 GLM-5.3 完全相同:7530 亿,采用混合专家架构。深度原理没有给出激活参数量,但基础模型每个 token 激活 400 亿。模型卡列出的上下文为 1M token,最大输出 128K token,推理强度默认最高,也可以选低和高。
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,与最大思考强度的 Astra 相比,它在科学计算上领先 5.13 分,在单步反应预测上领先 4.76 分,而在 NMR 结构解析上 Astra 仍领先 3.33 分。模型卡本身没有给出分数。
怎么运行
共有三个仓库。BF16 权重约 1,507 GB,设有 Hugging Face 的自动审批门槛。开放的 NVFP4 版本约 464 GB,用 SGLang 在 8 块 NVIDIA B300 GPU 上测试,上下文 262,144 token。开放的 MXFP4 版本约 423 GB,在 AMD MI350X GPU 上用 ATOM 测试。在那次测试中,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。使用 BF16 权重时要保留 generation_config.json,否则生成不会在回答结束处停止。
许可证
模型卡把权重标注为 MIT,深度原理自己的代码和文档采用 Apache 2.0,第三方文件保留各自的许可证。基础模型采用 GLM-5.3 许可证,它接近 MIT,但对营收超过 100 亿美元的模型即服务运营者增加了安全审查。受限仓库里有 LICENSING.md 和 NOTICE 文件,我们无法阅读,所以做产品之前请先检查。
为什么重要
Hydrogen-1.0 是本站收录的唯一一个为科学任务调优的开放模型,它来自一家拥有自己实验室的公司。和用于编程的 Ornith 1.5 一样,它展示了一家公司如何针对自己的领域对大型开放基础模型做后训练,并以简单的标注发布结果。
局限同样清楚。即使是 4 位版本也需要 423 到 464 GB,数据集和训练方案都没有发布,模型卡还警告答案可能包含错误的事实、计算或参考文献。请把它当作一个要在你自己的化学任务上、由专家审核来测试的模型。最佳开源大模型榜单把它与其他巨型模型放在一起。
来源
- Hydrogen-1.0 模型卡(Hugging Face) huggingface.co
- Introducing Hydrogen-1.0(深度原理博客,2026 年 11 月 2 日) blog.deepprinciple.com
- Hydrogen-1.0-NVFP4 模型卡(Hugging Face) huggingface.co
- Hydrogen-1.0-MXFP4 模型卡(Hugging Face) huggingface.co
本文涉及的模型
| 模型 | 发布时间 | 参数量 | 上下文 | 许可证 | 最小版本所需内存 |
|---|---|---|---|---|---|
| Hydrogen-1.0 Deep Principle | 753B 激活 40B | 1M | MIT (宽松) | 465 GB 大内存台式机 | |
| 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 |