753B参数、MIT许可，Hydrogen-1.0把科学模型权重开放了

Deep Principle 发布了 Hydrogen-1.0，一个面向化学、材料科学和生命科学的开放权重模型。据 MarkTechPost 作者 Asif Razzaq 的报道，这个模型是在 Z.ai 的 GLM-5.3 上做后训练得到的，训练材料包括领域数据、实验室记录，以及智能体发现轨迹。权重以 MIT License 发布，原文标题给出的规模是 753B 参数。

对开发者来说，开放权重最直接的变化是控制权。模型参数可以下载，机构能在自己的环境里部署、微调、审计，不必只通过闭源 API 调用。科学场景里，实验室记录、未发表数据、内部流程都很敏感，这种可控性有现实价值。MIT 许可也降低了法律层面的使用门槛，至少从许可文本看，商用和改造的空间比较大。

Hydrogen-1.0 的另一个信息点是评测。报道称，它在 FrontierScience-Research 上取得了对 GPT-6-Astra 的胜绩。这个结果来自厂商公布的材料，能说明团队对科学推理和发现流程有针对性优化，但还需要独立复现。科学模型的评测本身就不容易，题目设计、数据污染、评审标准都会影响结论。看到胜绩时，先记住它是一项报告结果，不是终局。

从训练数据里的 agent discovery trajectories 能看出一个方向：模型不只学静态知识，也在学科学发现过程中的行动轨迹。对做 AI for Science 的开发者，这比单纯刷 benchmark 更有意思。它意味着模型可能被用来辅助实验规划、假设生成、工具调用和结果解释。当然，这些能力要落到真实实验室里，还要过可靠性、可解释性和成本这几关。

753B 参数也提醒一件事：开放权重不等于人人能跑。普通用户很难在本地部署这个规模的模型，真正能用起来的多半是有算力资源的实验室、企业和研究机构。MIT 许可解决的是权利问题，算力成本仍然存在。对多数开发者，更现实的路径可能是研究它的微调方法、评测表现，或者等社区做出更小的蒸馏版本。

Hydrogen-1.0 值得关注的地方，是把科学模型往开放权重方向推了一步。它能否成为科研基础设施，要看后续的独立评测、实际实验表现和社区生态。原文链接在这里：Deep Principle Releases Hydrogen-1.0: A 753B Open-Weight Model for Scientific Discovery。