Нейросеть для изучения наук из Китая обошла GPT-6-Astra по своим тестам и открыта всем

Hydrogen-1.0 работает с химией, материаловедением и науками о жизни. Она построена на открытой модели GLM-5.3 от Z.ai: её дообучили на научных данных, лабораторных записях и истории исследовательских решений. Модель распространяется с открытыми весами (готовую обученную нейросеть можно скачать и запустить у себя) под лицензией MIT, а подробности публикует сама Deep Principle в техническом блоге и карточке модели. Обзор вышел на Marktechpost.

Что измеряли?

Модель проверяли на двух типах задач. Первый тип: публичные бенчмарки, то есть стандартные наборы вопросов, по которым сравнивают нейросети. FrontierScience-Research проверяет исследовательские рассуждения, GPQA-Diamond проверяет сложные вопросы уровня аспирантуры.

Второй тип: внутренние тесты компании, похожие на реальную работу учёного. Модель планировала эксперименты, предсказывала итог химической реакции, вела научные расчёты. Соперником была GPT-6-Astra в режиме максимального «обдумывания».

Отдельно смотрели, как модель ведёт себя в лабораторном сценарии. Её просили спроектировать молекулу с нужными свойствами за 5 попыток, улучшая результат на каждом шаге.

Обучение тоже устроено необычно. Кроме учебников и статей, модель видела полные электронные журналы лабораторий, собранные через сервис Mira, и цепочки решений учёных, включая неудачные опыты. Обычно в научные данные попадает только то, что получилось, поэтому неудачи в обучении заметно отличают этот подход.

Что обнаружили?

Результаты по задачам, все цифры приводит Deep Principle:

• FrontierScience-Research: 38,3% у Hydrogen-1.0 против 33,3% у GPT-6-Astra.
• GPQA-Diamond: 93,0%, это выше базовой GLM-5.3 и примерно на уровне Kimi-K3.
• Научные расчёты: преимущество 5,13 процентного пункта над GPT-6-Astra.
• Предсказание реакций: преимущество 4,76 пункта.
• Расшифровка спектров ЯМР (ядерный магнитный резонанс, по нему химики узнают строение вещества): здесь GPT-6-Astra впереди на 3,33 пункта.
• Проектирование молекулы за 5 раундов: целевой показатель 4,318 эВ у Hydrogen-1.0 против 3,689 у GPT-6-Astra и 3,353 у Kimi-K3.
• 117 вопросов по планированию экспериментов: Hydrogen-1.0 набрала больше Kimi-K3.

В демонстрациях модель сама написала код на Python, запустила моделирование расплава полиэтилена, нашла ошибку в настройках, исправила её и разобрала результат. В другом примере она подготовила протокол опыта на 12 пробирок, а проверка в виртуальной лаборатории поймала нарушение ещё до запуска.

Что это значит для вас?

Если вы когда-нибудь писали в поиск «посоветуйте нейросеть для изучения разных наук», честный ответ про Hydrogen-1.0 такой: это не домашний репетитор. Для запуска нужно 8 серверных видеокарт уровня NVIDIA B200 или AMD MI350X. Модель рассчитана на лаборатории и исследовательские команды, а не на ноутбук автора.

О доступности в России источник ничего не сообщает. Веса лежат на площадках Hugging Face и ModelScope, а сервер модели понимает те же команды, что и сервисы OpenAI, поэтому её легко подключить к уже готовым программам.

Что делать с этим прямо сейчас, по ролям

Автору Дзена. Сюжет «открытый ИИ обошёл закрытый в науке» годится для научно-популярного канала. Пишите аккуратно: «по данным компании», а не «доказано».

Маркетологу. Если вы работаете с химической, фармацевтической или материаловедческой компанией, это повод обсудить с технической командой собственного научного помощника. Открытые веса позволяют держать данные внутри компании.

Предпринимателю РФ и СНГ. Для бытового изучения наук хватит привычных чат-ботов. Из доступных в РФ, YandexGPT и GigaChat. Hydrogen-1.0 имеет смысл, только если у вас есть лаборатория и бюджет на серверное железо.

Тем, кто ищет, какую нейросеть посоветовать для изучения разных наук, совет простой: учитесь на доступных чат-ботах, а за Hydrogen-1.0 следите. Если независимые тесты подтвердят цифры, через год такие модели могут оказаться в каждом университетском отделе.

По данным Deep Principle (технический блог и карточка модели), в изложении Marktechpost