Deep Principle lança Hydrogen-1.0, modelo de pesos abertos com 753 bilhões de parâmetros para química, materiais e ciências da vida
A empresa de Hangzhou pós-treinou o GLM-5.3 da Z.ai com registros de laboratório e trajetórias de descoberta e reporta 38,3% no FrontierScience-Research contra 33,3% do GPT-6-Astra; os números são autodeclarados e os dados de treino não foram divulgados.
Por que importa
A maioria dos resultados recentes de IA para ciência veio de modelos fechados, e a Deep Principle apresenta o Hydrogen-1.0 como alternativa inspecionável sob licença MIT que pesquisadores podem rodar e auditar. A vantagem declarada é estreita e vem de testes próprios, e ele fica atrás do GPT-6-Astra na elucidação estrutural por RMN. Vale acompanhar a replicação independente dos números e se laboratórios o adotam para planejar experimentos, área em que a empresa diz ter superado o Kimi-K3.
Fatos principais
- 753 bilhões de parâmetros, pós-treinado a partir do GLM-5.3
- 38,3% no FrontierScience-Research contra 33,3% do GPT-6-Astra (autodeclarado)
- 93,0% no GPQA-Diamond (reportado)
- Lançado sob licença MIT
- Contexto de 1M de tokens, saída máxima de 128K
- Dados e receitas completos não divulgados