深度原理 Hydrogen-1.0 实测：科研能力超 GPT-6 Astra

我很高兴 Deep Research 不再是我做科研信息搜索的第一选择了。

如果说对于 AI 做科研有啥具体印象的话，我可以列出来几个很关键的节点。

Deep Search→Deep Research→Skills

Deep Research 这一阶段最出名的就是 ChatGPT Deep Research 了。那次搜索，第一次打破了我对 AI 信息搜索上限的认知。

再然后就是各种科研 Skill，从选题、构思、执行、实验到写论文，总之，我能想到的流程都能有十几个 Skill，甚至更多。

当时我就在设想，这些外挂 Skill 数量越来越多之后，会不会有一天，内化成一个模型的基础能力。

直到上周在 X 上我看到一个全新的模型，Hydrogen-1.0。

拿 GLM5.3 当底座，把化学、材料科学、生命科学的知识，科学家的反馈，自家实验室的记录，还有一条条完整的科学发现轨迹，用 SFT 和 RL 再训练了一遍。

在 FrontierScience Research 上，Hydrogen-1.0 的解题率是 38.3%，GPT-6 Astra 最高档是 33.3%。更有意思的是横轴，横轴是每道题平均的输出 API 成本，那颗星星站得比 Astra 最高档靠左一大截，也就是说，用更低的成本拿到了更高的通过率。

我直接先放一张我跟它对话的截图。

它一切都以严谨作为优先。我让它做一张 2021—2025 年大模型发展路线图，它会反复地去验证，反复核查事实准不准。

像它自己说的，事实准确性对于教学海报是不可妥协的。

所以在用完自己设定的三次图像生成上限之后，它没有接着抽卡，改用确定性的矢量绘制，把文字，年份，数据全部程序化排版。

而在深度原理自家的 Mira 这个 Agent 里用 Hydrogen-1.0 的时候，还有一个让我挺意外的地方。用了那么多 Agent，这是我第一次看到一个 Agent 带的 Skill，几乎全部围绕科研工作展开。

Hydrogen-1.0 这个模型来自深度原理。

这家 AI4S 公司成立于 2024 年，由两位 MIT 博士贾皓钧、段辰儒联合创立。它把生成式 AI 跟第一性原理计算做了深度融合，搭了一套覆盖材料研发全流程的技术体系，从分子生成、物性预测、化学反应模拟，一路做到高通量实验验证。业务上碰的是新能源、电力电子材料、精细化工、营养日化这些很硬的方向。

所以可以看出来，这个模型在材料科学、化学、新能源这些领域表现得非常厉害。一家天天跟分子和反应打交道的公司，训出一个偏科研的模型，太合理了。后面你会看到，官方案例也基本围着这几个方向转。但是很不巧，我在这些领域的知识，可能还停留在大学课本对它们的介绍。

所以我就在想，既然这样，那我能给它测的一个方向，就是广度。

先从我比较熟悉的大模型领域，做一张科技图表。很多时候我们写公众号，特别是涉及对比的时候，总希望手里有点严谨的东西，所以我让它盘点 2026 年国内发布的大模型。

规则是这样的，按 Artificial Analysis（下面简称 AA）上的输入、输出 token 价格取一个平均值，以发布时间为横轴，输入输出均价为纵轴，做一张散点图。

最底下它还加了一条每月发布量的条带，4 月份一个月就挤了 12 个新模型，印象里那个时候我几乎每起床就有一个新模型。这里的均价就是（输入价 ＋ 输出价）÷2，跟 AA 本身智能指数，混合定价都不是一个计算公式。很明显，Hydrogen-1.0 没有被我的烟雾弹迷惑住。

然后就是我最想说的部分。

主动纠错，反复质疑。

先看交付物，除了图，它把可复现的 plot_scatter.py 脚本和原始抓取数据一起打包给了我。所以这张图我随时可以自己拿去重跑验证。

Hydrogen-1.0 最初拟合趋势线，得出均价每月约降 5% 的结果，最后总结的时候还是做了二次验证，斜率是正的，R² 才 0.013 左右，它就把这条结论整条删了，没有模糊没有犹豫。

然后我就带着 Hydrogen-1.0，去挑战大聪明最近出的 Few Shots。

它的原意是为了挑战科学边界，也鼓励大家烧自己的模型额度来完成。我也好奇一个由 GLM-5.3 后训练得到的 Hydrogen-1.0，到底能不能帮我解决掉大聪明的一个难题。这样我下次路过上海北京就可以取 AGI Bar 边喝啤酒边蹭免费的视频模型了。

Hydrogen-1.0 自主挑了 p008 来挑战，这道题想把 AES S-box 的电路从 106 门压到 105 门，它把所有单门删除、重连的方案挨个试完，结论是这条路走不通，暂时搁置是合理的。

然后它查文献的时候，翻到一个 10 月 21 号才公开的仓库，判断里面的纪录延续思路可以反过来用到 p006 上。离大聪明钱包出血只有一步之遥了。

OK，那下一步，我们应该详细介绍一下 Hydrogen-1.0。

它除了上面我们测试过的能力外，在真实的其他学科能做出来什么离谱的东西，包括但不限于：

第一个是材料模拟，把材料问题做成一个可以执行的模拟过程。

它自己写 Python 程序，搭了一个聚乙烯熔体体系，跑 GROMACS，中途发现拓扑文件有问题，修好之后重新启动模拟，最后分析修正后的 40 ns 轨迹。

第二个是反应网络。

Hydrogen-1.0 用的是 Ireland–Claisen 重排，它把 Cope 重排、Claisen 重排和硅基迁移相关的路线放在一起，比较电子能垒，找出瓶颈，再安排后续验证。

第三个是 NMR，也就是核磁共振谱图，通过它识别分子结构。

它给了 2-溴萘的七种可能单甲酰化产物，它对着 ¹H NMR 谱图，一步步检查低场信号和芳香区，再去评估哪个候选结构更说得通。

第四个是实验规划，把一句话的研究意图，转化成真正的实验方案和设计方案。

Hydrogen-1.0 做的是一个 12 瓶样品的 Suzuki 偶联。模型先生成一份 JSON 格式的实验规程，再交给 Lab Compile 在虚拟环境里检查设备能力，前置条件和动作顺序。结果查出来一个特别真实的问题，吸液之前没装新吸头。改完之后，规程才通过编译检查。

第五个是材料探索，去发现新材料。

官方用过渡金属配合物（TMC）的搜索任务来测连续探索。每个模型从同样的初始候选出发，每一轮只能看到自己推荐的候选拿回来的反馈，一共五轮。

到第五轮，Hydrogen-1.0 截至当轮找到的最佳 HOMO–LUMO 能隙，多次运行平均是 4.318 eV，GPT-6 Astra 是 3.689 eV。

那条一路往上爬的橙色虚线，意味着 Hydrogen-1.0 每一轮都在拿上一轮的反馈修正下一轮的推荐。而且深度原理自己其实给出了非常详细的对比，跟 GPT-6 Astra、Kimi K3 都比了。

实验设计与规划这项，用的是同样的 117 道题，Hydrogen-1.0 平均 5.59 分，Kimi K3 是 4.57 分。

这张图上没有 GPT-6 Astra 和 Opus 5.5，因为它们在这项评测里拒答超过一半，没纳入比较。对我来说，如果真想让 AI 帮我排一份实验方案，一个超过一半题目都不接的超级敏感姬模型，是完全不合格的。

深度原理甚至连他们怎么训练 Hydrogen-1.0 的过程都放出来了。

我简单说一下，配合这几张图，看看他们是怎么利用科学发现轨迹，在内存限制里面完成长序列训练的。他们还开放了模型权重，也提供了 API 调用。

SFT 这一步，给模型看的是完整示例，从分析问题、规划实验、写操作规程到解读结果，一整条都在。一条科研轨迹非常长，推理、计算、检查、修改都得保留，这张图就是他们为了装下这么长的序列搭起来的训练底座。

RL 这一步，是用结果的反馈去改进选择。我觉得最巧的一点是，强化学习里还没生成完的回答不会直接扔掉，前缀保留下来，后面的轮次接着续写。

用人话说，训练的时候一条很长的推理跑到一半被截断，下一轮还能接着跑，不用从头再来。底层用的是 Megatron 和 SGLang，CUDA 和 ROCm 都适配了。

当然，我会觉得在 Mira 里用起来最好，因为它有画板，也可以在每个项目里面去对话。就像我刚刚做大聪明的挑战时，我就是新开了一个项目，让它去完成不同的东西。

这个模型使用起来，我可以说，对我来说会有一种求知若渴的感觉。

它给我带来的积极性，是前所未有的。

以前我们用基础模型，或者用大家比较熟悉的词，叫通用大模型去做科研，更多的是尽可能把能接触到的素材，能用的资料，能找到的论文打包发给模型，让它通过 Deep Research 或者其他 Skill 读懂规则，再去做。

我觉得跟 Hydrogen-1.0 对话，最大的区别是它的主动性。在科研领域的主动性上，能达到像 Personal Agent 一样的水平，它会反复去找答案，乐此不疲。

每一轮对话对它来说都像是一次实验。

它会反复找到这一轮最有价值的线索，然后下一轮继续这样做。这时候你就会感觉到，做科研没有阻碍，不会在某一点搜索完以后，模型就结束了，没有给你下一步建议。

所以我说，

在跟 Hydrogen-1.0 对话时，会得到非常高的学术满足度。

三百多年前，牛顿为了一个球周围最多能贴住几个一样大的球，跟人大吵了一场。然后，人类用了 259 年，才证明答案是 12。

这中间的大部分时间里，那些做研究的人，手里攥着的，大概就是今天 Hydrogen-1.0 交给我的那几样东西。复现前人的结果，划掉走不通的路，再给下一个人留一条线索。

科研最让人上瘾的地方，我现在觉得，就是每一轮结束的时候，手里都还攥着一个下一步。

我想说的求知若渴，大概就是这个意思。

好奇心这东西，只要有人接得住，就会越烧越旺。

此刻我的科研热情，真是 high 到不行。