研究团队发布科学模型 Hydrogen-1.0，基于 GLM-5.3 后训练

今天我们推出 Hydrogen-1.0。这是一个科学模型，由 GLM-5.3 在化学、材料科学和生命科学领域的专业数据上经后训练得到，训练数据还包括我们实验室自己的记录和智能体轨迹。

大语言模型正开始为科学发现做出贡献。OpenAI 曾报告过一项关于受迫 Navier–Stokes 方程有限时间奇点的证明，该证明由 AI 智能体产出，并附有 Lean 形式化。Anthropic 则通过基因组分析和实验室研究，识别出一个带有类 CRISPR 重复序列的酶系统。这些进展表明，模型能够帮助研究人员探索难题、发现不熟悉的模式，并提出可以通过数学或实验加以检验的想法。

然而，这些案例背后的模型都是专有的：它们的发现能力并未以开放权重形式提供，有些甚至无法通过公开 API 访问。用通用开放权重模型建立可比较、可独立复现的科学发现能力，仍是一个重要方向。一个能力足够的开放模型，能让研究者检查并改造底层系统、检验其方法，并在共享改进的基础上继续推进。

共享的科学进展有助于把假设与证据联系起来。模拟和实验室实验为模型假设提供反馈。对假设、行动、观察和修正的记录——包括失败尝试和意外结果——使模型能够学习研究决策如何导向结果。保留这些上下文，把通用模型能力与科学工作的需求连接起来。

Hydrogen-1.0 将这一方法带入化学、材料科学和生命科学。它从科学知识、实验室记录和发现轨迹中学习，把推理与研究中的决策连接起来。我们的目标是提供一个开放权重模型，帮助科学家提出问题、设计有信息量的实验，并利用由此产生的证据指导进一步发现。

在我们的评估中，Hydrogen-1.0 在 FrontierScience-Research（FSR）上优于 GPT-6-Astra，在 GPQA-Diamonds 上较 GLM-5.3 有所提升，大致与开放前沿模型 Kimi-K3 相当。这些基准测试考察模型在具有挑战性的科学问题上所具备的科学知识和推理能力。两项测试上的提升支持这样一种判断：对能力足够的开放权重模型进行科学后训练，可以作为实际研究的基础。

图 1. 领域后训练后的科学推理能力。图中展示 Hydrogen-1.0、其起始检查点 GLM-5.3，以及参考模型 Kimi K3 和 GPT-6 Astra 在 FrontierScience Research（通过率）和 GPQA Diamond（准确率）上的性能与平均输出侧 API 成本的关系。成本按标准美元输出 token 费率计算，包含推理；Hydrogen-1.0 使用 GLM-5.3 的定价。输入和评判成本不计入。分数越高表示性能越好。

当模型能够在具体研究场景中做出正确预测或决策时，通用科学知识才变得有用。我们的内部评估在科学计算、单步正向反应预测和 NMR 结构解析这三类场景中比较 Hydrogen-1.0 与 GPT-6-Astra，这些场景是我们内部研究团队经常遇到的。

在这些评估中，Hydrogen-1.0 在科学计算和正向反应两项上，在三种思考设置下均高于 GPT-6 Astra。与最高思考设置下的 Astra 相比，其领先幅度分别为 5.13 和 4.76 个百分点。Astra 在最高思考设置下，在 NMR 结构解析上仍高出 3.33 分。该图将这些分数与回答一个问题所需的平均 API 成本进行比较。不同任务的绝对分数差异反映内部案例的难度，不应被解读为模型能力的直接比较。

图 2. 各研究任务上的性能与成本。图中展示 Hydrogen-1.0 和 GPT-6 Astra 在低、高、最高思考设置下，平均回答得分与每题平均 API 成本的关系。成本按标准美元输入和输出费率计算，包含推理和已记录的缓存折扣；Hydrogen-1.0 使用 GLM-5.3 的定价。分数越高表示性能越好。部分问题改编自我们此前的工作 Scientific Discovery Evaluation（SDE）。

Hydrogen-1.0 能把一个材料学问题转化为可执行的模拟工作流。在这个例子中，它编写 Python 构建聚乙烯熔体，运行 GROMACS，检测并修复拓扑错误，然后重启模拟。随后，它探索修正后的 40 ns 轨迹及其密度、分子堆积、扩散和链尺寸。

科学探索很少以单一产物结束。Hydrogen-1.0 探索了一个 Ireland–Claisen（IC）重排网络，通过 30 个可能的反应生成 27 个分子结构。该网络包含竞争分支和返回路径，围绕一个由 Cope 重排、Claisen 重排和硅基迁移组成的五步序列展开。在所选比较中，主路线在每一步的电子能垒都低于其展示的替代路线，而一些替代路线的能垒相近。将这些可能性一起映射出来，有助于研究人员定位潜在瓶颈、比较竞争路线，并确定进一步研究的优先级。

反应网络提出可能生成什么，而实测谱图有助于确定样品中包含什么。在这里，Hydrogen-1.0 从 2-溴萘的七种可能单甲酰化产物出发，处理所提供的 ¹H NMR 谱图，检查低场信号和拥挤的芳香区，然后评估候选结构。

当意图、步骤、观察和结果保持关联时，实验室记录的信息量最大。我们的电子实验室笔记本（ELN）记录由 Mira 的智能体化文档支持，在整个生命周期中保留上下文：科学家想了解什么、实验如何执行、发生了什么，以及接下来要研究什么。

（原文较长，此处译出前 6000 字，完整内容请点「打开原文」。）