Deep Principle、化学・材料・生命科学向けの7530億パラメータのオープンウェイトモデルHydrogen-1.0を公開

杭州の同社はZ.aiのGLM-5.3を実験記録や発見の軌跡で追加学習し、FrontierScience-Researchで38.3%(GPT-6-Astraは33.3%)と報告。スコアは自己申告で、学習データは公開されていない。
なぜ重要か
最近のAI for Scienceの成果の多くはクローズドモデルによるもので、Deep PrincipleはHydrogen-1.0を研究者が自ら動かし検証できるMITライセンスの代替として打ち出す。主張する優位はわずかで自社評価に基づき、NMRによる構造決定ではGPT-6-Astraに及ばない。ベンチマークの独立した再現と、同社がKimi-K3を上回ったとする実験計画の分野で研究室が採用するかが焦点だ。
要点
- 7530億パラメータ、GLM-5.3から追加学習
- FrontierScience-Researchで38.3%、GPT-6-Astraは33.3%(自己申告)
- GPQA-Diamondで93.0%(報告値)
- MITライセンスで公開
- 文脈100万トークン、最大出力12万8000
- 完全なデータとレシピは非公開