まず、ここだけ

  • DeepPrincipleがGLM-5.3を科学データで追加学習し、Hydrogen-1.0を公開した。
  • FrontierScience-Researchは38.3%で、GPT-6-Astraの33.3%を5ポイント上回る。
  • オープンウェイトとMITライセンスで、研究者が点検・改変・発展できる形を選んだ。

GLM-5.3に実験記録と発見の軌跡を足した

科学は独占ではなく、開かれ、協働し、民主化されるべきだ

DeepPrinciple創業者兼CTOのChenru Duan氏（@chenru_duan）は2026年11月2日、科学探索向けとして初めてのオープンウェイトモデルHydrogen-1.0を発表した。投稿はhttps://x.com/chenru_duan/status/2117249292469665838 で、表示は528354回に達している。

土台はZ.ai（@Zai_org）のGLM-5.3だ。同社内部の科学データ、実験室の記録、発見に至る過程の軌跡でポストトレーニングしている。汎用モデルのまま渡すのではなく、研究の現場で残る手順そのものを学習材料に置いた点が発表の核になる。

参照先[1]

FrontierScienceでGPT-6-Astraを上回った幅

公表スコアは二本だけだ。FrontierScience-Researchは38.3%で、比較対象のGPT-6-Astraは33.3%。差は5.0ポイント。もう一方のGPQA-Diamondsは93.0%とされ、大学院レベルの難問セットでも高い正答率を示している。

指標Hydrogen-1.0の公表値
ベースモデルGLM-5.3（Z.ai）
追加学習の材料社内科学データ、実験記録、発見過程
FrontierScience-Research38.3%（GPT-6-Astraは33.3%）
GPQA-Diamonds93.0%
ライセンスMIT、オープンウェイト

参照先[1]

元素名モデルが多い中で選んだ開き方

Duan氏は、元素名を冠したモデルが最近多いなかで、Hydrogen-1.0は発見に向けたオープンな科学的超知能を目指す最初の試みだと位置づけた。オープンウェイトでなければ、研究者は中身を点検し、自らの課題へ適応し、AIの成長速度の上に積み上げられない、という主張だ。

反応はいいね3141、ブックマーク1354、リポスト259。保存数の多さは、スコアそのものより重みとライセンスを手元で確かめたい層が動いたことを示している。

  • 公開形態はMITライセンスのオープンウェイト
  • 点検、適応、その上への構築を研究者側に開く
  • 協働と民主化を、プロプライエタリな囲い込みより優先する
  • 化学元素名のモデル群との差は、科学的発見への照準にある

参照先[1]

話題の元投稿

作者の投稿や紹介を、X で確認できます。

よくある質問

Hydrogen-1.0の追加学習元はどのモデルか

Z.aiのGLM-5.3。DeepPrincipleの社内科学データ、実験記録、発見過程の軌跡でポストトレーニングしている。

参照先[1]

重みはどのライセンスで渡されるか

MITライセンスのオープンウェイトとして公開される。研究者が中身を見て改変し、発展させられる形が前提だ。

参照先[1]

参考リンク

  1. Hydrogen-1.0 関連ソース (1)x.com