这两个月刷AI动态，我有一个明显的感受，顶模OpenAI和Anthropic除了做基模迭代外，都在抢先证明一个事：
AI可以做科学发现了。
9月，OpenAI内部Agent 系统，1万个Agent一起跑了88个小时，证明了Navier–Stokes方程会在有限时间里爆掉。
这个证明是七大千禧年数学难题之一。
10月份，OpenAI又一口气公布了在数学、计算机科学、物理上的三项新成果。
就拿一项大家可能更熟知的成果讲，王虹凭三维挂谷猜想拿下的菲尔兹奖，OpenAI说AI已经把这个结论推至了所有维度。
这些成果，全都出自OpenAI内部一个还在训练、从没有公开过的模型。
Anthropic那边，说是近千个Claude Agent用了21个小时，在噬菌体DNA里找出一个“类 CRISPR” 的酶系统。
（ps：当然，这些成果都还没被学界验证完，即使有几个被挑出毛病，我也不意外。）
但说实话，这个速度还是很惊人的。
挂谷猜想是1917年提出来的，人类的数学家花了一百多年，才啃下来三维情况，今天的AI 只需要花几天，所有维度都推完了。
Navier–Stokes方程写出来快两百年，数学家们还没推演出来会不会崩，AI先给出了答案。
数学家们急了，普林斯顿高等研究院的一个顾问组直接放话：
别拿外界用不了的专有模型去碰前沿问题，模型、提示词、算力都得公开，失败的尝试也要公开。
但是其实，这确实是现状。不过做出这些发现的模型，外界下载不到，也看不到内部，更别提复现。
今天刷X，刷到了一条动态，一家中国公司，把一个科学大模型开源了。
这个出圈的模型叫Hydrogen-1.0，来自AI for Science公司深度原理（Deep Principle）。我看到那会，发布帖已经接近8000次点赞了。
不仅业界少有的宣布开源，这个模型最吸睛的还是实打实的成绩。
在OpenAI之前推出的科研基准FrontierScience Research上，Hydrogen-1.0拿了 38.3%，GPT-6 Astra是 33.3%。
要知道，GPT-6-Astra在AI for Science上也是妥妥大魔王来着，OpenAI之前标榜GPT-6-Astra是科学推理的王中王。
FrontierScience是真的难，Research部分按博士水平可能需要三到五小时完成，不光看答案，还要看推理过程。
所以，在这个基准上高出GPT-6-Astra五个百分点，属实算得上是很有分量的胜利。
我还看了下它和基座的差距。
它的底座是智谱开源的GLM-5.3，深度原理做了科学后训练，在上面喂了化学、材料、生命科学的数据，还有自家实验室攒下来的实验记录。FSR 成功率比基座提高了 13.9个百分点。
另一项高难度科学问答评测榜单GPQA Diamond，准确率为93.0%，比基座提高3个百分点，接近同组Kimi-K3的93.5%。
GPQA覆盖物理、化学和生物。Diamond是其中精选的198道高质量选择题，代表这个模型的科学推理也在线的。
我看Hydrogen-1.0的权重昨天就已经在Hugging Face和ModelScope发布了：
开源链接传送门：
Hugging Face链接：
https://huggingface.co/deep-principle/Hydrogen-1.0
ModelScope链接：
https://www.modelscope.cn/models/deep-principle/Hydrogen-1.0
科学模型愿意开放权重，对开源社区来说，是非常实在的红利。
开头我点兵的那些秘密的内部模型，研究成果已经很惊艳。但想把同款模型接着往自己的研究里用，还需要部署到自己实验室，数据完全不会离开机构。
深度原理大模型发布帖下的评论
Hydrogen把权重放出来，有部署和训练条件的团队，就能自己下场了。
比如，你的实验室攒了一批某类材料的“祖传数据”，还有自己的模拟程序和研究经验，就可以接上这个模型，继续测试和训练。
不准备自行部署，可以直接通过NeuroSpark API接入，或者在深度原理的Mira科研平台使用。
传送门：
NeuroSpark API ：
https://neuro-spark.ai/dashboard/models?model=hydrogen-1.0
Mira 科研平台：
https://mira.deepprinciple.com/
接下来，我来盘盘，这个强且慷慨的科学模型，到底是怎么炼出来的。
◈在GLM上加什么？
GLM已经完全会推理、写代码。
Hydrogen 要继续补上的，是科研里的专业知识，以及遇到问题后怎么处理。
从深度原理博客里我扒出来，训练数据分四层：
第一层喂了化学、材料、生命科学的专业知识；第二层是自家科学家针对具体科研问题给的反馈；第三层是完整的实验记录，第四层是一轮轮找材料的全过程。
最值钱的是后两层，这和修 Bug 是有点通的。
最终提交的代码，留下了修好的结果；排错记录还会告诉你，哪里出了问题，查过哪些地方，哪次修改才解决了它。
科研记录也是这样。
最终报告告诉你哪个候选效果好。完整过程里还有：前面试过哪些方向，什么异常触发了重新计算，下一轮为什么换参数。
一般来说，论文只写成功的那条路。这些试过、查过、改过的过程，平时全躺在实验室的抽屉里。
Hydrogen把这些复杂的过程数据，也都拿出来融入到训练过程中。
具体训练分两步：先通过监督微调（SFT），学习完整范例里的分析、规划、操作步骤和结果解释；
再通过强化学习根据任务反馈改进表现。
连续几轮的材料推荐和评估，也会放在一起训练，让模型学习怎样用前一次结果，调整下一次选择。
长任务也需要训练系统配合。
训练过程会保留完整推理范例；强化学习中，长回答还没生成完，可以保存已经生成的部分，后续接着完成。前面生成的计算、检查和修改过程，也能继续利用。
官方演示里的两个细节，正好能把这些过程说具体。
第一个是聚乙烯模拟，也就是很多塑料袋用的材料。
Hydrogen能够建立这个材料分子的模型，再调用GROMACS计算。发现密度出现异常后，它能回头检查代码，发现同一项分子链扭转作用被正反记了两遍，去重后再重新验证、运行。
我理解这有点像 Excel 把同一笔支出加了两次：公式合法&表格算完，但是账却错了。
我平时爱玩点Vibe Coding，对不对可能基本我试一下就知道。
但是到了复杂的科学计算，分子在动、程序也跑完了，数值仍然可能出问题。单位、模型假设和计算方式，都需要专业依据来检查。
所以，这个样例分析里验证了，为什么前面Hydrogen训练数据里为什么要留下检查、排错和重跑的过程。
第二个细节，是实验规划。
Hydrogen生成设备指令后，会先交给Lab Compile在虚拟环境里预检，核对设备能不能照着执行。预检时发现，“吸液”排在了“装新吸头”前面。两个动作都在，就是顺序反了。
Hydrogen能在预演时查出来的错误，在开工前就改掉。
众所周知，很多科学实验的成本做一次可以说是非常之高了，所以提前纠错的能力至关重要。
同样的时间和材料，能不能帮研究者早点发现错误，把有限的实验机会用在更值得验证的问题上？
Hydrogen的这样例验证了，是可以的。
◈说在最后
写到这儿，我也想聊一聊最近AI4S的感受。
AI证明了Navier–Stokes方程会爆掉、把挂谷猜想推到所有维度，在噬菌体里翻出类CRISPR的酶。
刷到这些新闻的时候，实在是非常振奋人心～
但是，兴奋完是有点空的，这些事，跟我、跟绝大多数做科研的人，关系不大，我们就是围观的群众。
AlphaFold当年没有让大家围观：蛋白质结构预测，科学家折腾了五十年。AlphaFold做出来以后，DeepMind把2亿多个预测结构全放进了公开数据库。到现在，190个国家、300多万研究者都在用它。
后来很多拿它做出来的新发现，DeepMind自己可能都没想到。
DeepSeek-R1也是。
2025年初，Ds把权重、技术报告一放出来，没几天，伯克利一个小团队只花了几十美元，就在小模型上复现了它的顿悟时刻。至此，全世界的实验室都开始拿它当新的起点。
因此，开源的分量至关重要，而且往往要在发布之后才慢慢显出来。
回到Hydrogen-1.0。
它能实现材料的分析和预测。也能帮研究员查错、画路线、少做几轮无用的实验。
它还是能下载的、开源的。
这带来的愿景是近在眼前伸手可触的：
想象你是一个博士生，手里有课题组攒了十年的某类材料数据，还有一套自己跑顺手的模拟程序，那其实今晚就能把Hydrogen-1.0拉下来，接上自己的数据，看看它能不能带来意想不到的创新。
想想还是很值得期待的～说不定，下一个AI 帮人类找到的新东西，就出在某个这样的普通实验室里。
