核心要点速览
- DeepPrinciple用科学数据对GLM-5.3做追加训练，并公开了Hydrogen-1.0。
- FrontierScience-Research为38.3%，比GPT-6-Astra的33.3%高出5个百分点。
- 以开放权重和MIT许可证发布，方便研究者检查、修改并继续发展。
在GLM-5.3上补上实验记录与发现轨迹
DeepPrinciple创始人兼CTO Chenru Duan（@chenru_duan）于2026年11月2日发布了面向科学探索的首个开放权重模型Hydrogen-1.0。帖子见https://x.com/chenru_duan/status/2117249292469665838 ，展示次数已达528354次。
底座是Z.ai（@Zai_org）的GLM-5.3。后训练使用了该公司内部的科学数据、实验室记录，以及通往发现的过程轨迹。发布的核心不在于原样交出一个通用模型，而是把研究现场留下的操作步骤本身当作学习材料。
出处[1]
在FrontierScience上超过GPT-6-Astra的幅度
公布的分数只有两项。FrontierScience-Research为38.3%，对照的GPT-6-Astra为33.3%，相差5.0个百分点。另一项GPQA-Diamonds为93.0%，在研究生难度的难题集上同样显示出较高正确率。
出处[1]
元素命名模型扎堆时选择的开放方式
Duan表示，近来以元素命名的模型很多，而Hydrogen-1.0被定位为面向发现的开放科学超级智能的首次尝试。他主张：若不是开放权重，研究者就无法检查内部、适配自己的课题，也无法站在AI增长速度之上继续往上叠。
互动为点赞3141、收藏1354、转发259。收藏偏多，说明比起分数本身，更多人想亲手核实权重与许可证。
出处[1]
X（推特）首发原帖
可在 X 上直接查看创作者发布的原帖与互动详情。
常见问题
Hydrogen-1.0的追加训练基于哪一个模型？
基于Z.ai的GLM-5.3。后训练使用了DeepPrinciple的内部科学数据、实验记录，以及发现过程的轨迹。
出处[1]
权重以什么许可证提供？
以MIT许可证的开放权重形式公开。前提是研究者可以查看内部、进行修改并继续发展。
出处[1]
