开源科学模型自报FSR压过Astra：38.3对33.3，本机却要先过门禁- 大数跨境

首页

开源科学模型自报FSR压过Astra：38.3对33.3，本机却要先过门禁

AI模型库

2026-11-04

导读：Deep Principle 开源 Hydrogen-1.0：GLM-5.3 科学后训练，官方自报 FSR 38.3% 压过 Astra 33.3%；权重 MIT 但 gated，本机示例八卡起步。先

AI模型库 · 今日一模

Hydrogen-1.0

Deep Principle · GLM-5.3 科学后训练 · 753B · MIT · gated

官方自报 FSR 38.3% vs Astra 33.3%

11月2日，杭州 Deep Principle 放出 Hydrogen-1.0：在智谱 / Z.AI 的 GLM-5.3 上做科学后训练，领域覆盖化学、材料、生命科学，还塞进了自家实验室记录和 discovery trajectories。创始人 chenru_duan 的发布帖截至抓取约 198 万浏览、7400 多赞——热度已经起来了。国内团队、开源权重、科学后训练——三条叠在一起，才值得单独拆。

最容易被转发的两个数字是：官方自报 FrontierScience-Research 38.3%，对照 GPT-6-Astra 的 33.3%；GPQA 帖文写 93.0%，博客写的是 GPQA-Diamond，相对底座 GLM-5.3 有提升，并大致对齐开源前沿 Kimi-K3。权重挂在 Hugging Face 和 ModelScope，许可证写 MIT。

我的判断：这是国内开源科学方向一次值得认真看一眼的发布；但「开源」不等于「本机随便跑」。分数是官方自报，权重还要先过门禁，完整训练配方没随权重公开。本号不把官方柱状图写成结论，只帮你把能信到哪一步、本机卡在哪拆开——先看清边界，再决定 API 试还是等量化。

Hydrogen-1.0 模型卡封面（出处：Hugging Face deep-principle/Hydrogen-1.0）

PART

自报分数：压过哪里、没压过哪里

SCORES

官方口径本身其实写得挺清楚。博客称 Hydrogen-1.0 在 FrontierScience-Research 上压过 GPT-6-Astra，在 GPQA-Diamond 上相对 GLM-5.3 提升并大致对齐 Kimi-K3；创始人帖里把两个数写死成 FSR 38.3% vs Astra 33.3%、GPQA 93.0%。这些都是官方自报，目前没有第三方同设置复现可贴在旁边对照。看图时把「官方评测」四个字留着。

内部任务更细，也更像实验室日常会碰到的题。科学计算、一步正向反应预测上，相对 Astra 最大思考档分别高 5.13 / 4.76 个百分点；NMR 结构解析上 Astra-max 仍高 3.33 点。博客自己也提醒：不同任务绝对分差反映题集难度，别直接当成能力总排名。所以它不是科学题全面碾压，而是有的场景领先、有的场景还欠一截。

材料探索那组更像「会不会越试越好」。过渡金属配合物（TMC）五轮推荐里，mean best-so-far HOMO–LUMO gap：Hydrogen 4.318 eV，Astra 3.689，Kimi-K3 3.353——同样是官方自报。读法就一句：它在自家设定里会往前推，不等于你换一批材料家族、换一套反馈协议也能同样涨。与其盯着这张图吵架，不如拿自己的候选分子跑几轮。

博客演示里还出现过：把材料问题写成可执行的聚合物分子动力学流程、在 Ireland–Claisen 重排里长出二十多个候选结构、从¹H NMR 里在七个单甲酰化产物中收窄答案。好看，但都建立在工具链和题面已经准备好的前提上；换你自己的试剂、仪器和失败记录，分数不会自动平移。

PART

规格一张表，先认底座

SPECS

SPEC

· 底座：GLM-5.3（智谱 / Z.AI）

· 参数量：HF 模型卡 753B（BF16 仓）

· 上下文 / 最大输出：1M / 128K（实际看推理框架）

· 许可：MIT

· 获取：HF、ModelScope；另有 NeuroSpark API、Mira AI Scientist

训练公开口径是 SFT + RL，数据来自领域知识、研究场景、实验室记录和 discovery trajectories。博客还写了聚合物 MD 工作流、反应网络扩展、NMR 指认、实验方案编译等演示——多数要接外部工具和具体实验环境，输出仍须科学家复核。

还有一条容易被略过的硬限制：完整数据集与 recipe 未随权重公开。能下权重，不等于能复现训练；别人发论文复现你的「后训练配方」时，这条会挡路。模型卡写得很直白：输出要专家复核；不得当作已验证实验结论，不得作健康、安全等重大决策依据。当助手可以，替代实验不行。

PART

能不能本地跑：量化 / 显存

LOCAL

评论区又会问：「有量化版吗？」「24GB 够不够？」分三层看。

第一层：权重是开的，但 gated。Hugging Face 上要先同意使用条件才能下；不是点开仓库就能直接拉。MIT 解决的是许可，不解决门禁。

第二层：BF16 原版官方部署示例是 SGLang，参数写着 `--tp 8`，八卡起步量级。还须保留 `generation_config.json`，缺了生成不会在回答结束处停——官方把这句话写得很硬。这不是「笔记本试一下」的体量，也不是「下班拷到家用显卡」的路径。

第三层：官方另挂了量化分仓——NVFP4 面向 NVIDIA Blackwell B200 / B300，MXFP4 面向 AMD Instinct MI350X / MI355X。注意硬件门槛：这是数据中心新卡，不是消费级 40 系。模型卡还提醒：量化版输出可能和 BF16 不一致，换版本要自己验任务。社区通用 GGUF / 单卡方案，在发布时点还没成「打开就能跑」的默认路径。

「开源科学模型」成立；「我今晚本机跑起来」对绝大多数个人机器不成立。别把「MIT + HF」读成「随便下、随便跑」。

PART

现在怎么试更划算

HOW TO

不想碰八卡门禁，优先走线上，力气花在自己的题能不能做对：

更短的路径是：先 API 试 10 道自有题 → 值得再申请权重 → 有机器再上 `--tp 8` → 消费级显卡继续等社区。若只是多一个科学草稿机，API 往往比囤权重划算；真要私有化、要审计轨迹，再谈本机。

另外提醒一句：发布帖热度高，不等于你的任务集上也会赢。FSR、GPQA、内部三项和 TMC 五轮，测的是不同能力切片；选底座时以本实验室最高频的十道题为准，比盯着一张压过 Astra 的柱状图更靠谱。