Deep Principle 2 ноября представила Hydrogen-1.0 — модель для научных задач, полученную дообучением GLM-5.3. Её веса опубликованы под лицензией MIT: исследователи могут запускать и адаптировать модель у себя. На Hugging Face для доступа к файлам нужно войти в аккаунт и согласиться передать разработчику сведения своего профиля.

В обучение вошли материалы по химии, материаловедению и биологии, записи собственных лабораторий и последовательности действий исследовательских агентов. Авторы сохраняли связь между целью опыта, процедурой, наблюдениями и последующим решением, включая неудачные попытки. Так модель учат не только отвечать на научные вопросы, но и выбирать следующий шаг исследования по полученному результату.

По тестам Deep Principle, Hydrogen-1.0 обошла GPT-6 Astra на FrontierScience-Research, а на GPQA Diamond улучшила результат исходной GLM-5.3. Во внутренних заданиях на научные вычисления и предсказание химических реакций преимущество над Astra с максимальным усилием рассуждения составило 5,13 и 4,76 процентного пункта. В определении структуры молекул по ЯМР-спектрам Hydrogen, напротив, уступила той же версии Astra на 3,33 пункта. Это сравнения разработчика, а не независимое подтверждение общего превосходства.

Компания также показала, как модель пишет и исправляет код молекулярной симуляции и готовит лабораторный протокол, проверяя его в виртуальной среде. Эти демонстрации используют внешние инструменты; достоверность научных выводов всё ещё требует отдельной проверки.

Выпуск даёт сторонним командам возможность проверить специализированное дообучение на собственных задачах. Но полный обучающий набор и рецепт обучения не раскрыты. Доступны исходные BF16-веса и отдельные версии с пониженной точностью для NVIDIA Blackwell и AMD Instinct MI350X/MI355X; результаты таких версий могут различаться.