Открытая модель для науки обошла GPT-6 Astra в тесте OpenAI, заявили авторы

Deep Principle дообучила GLM-5.3 на лабораторных записях и выложила файлы готовой модели без обучающих данных; по её замерам, модель опережает GPT-6 Astra в исследовательских задачах, но уступает в разборе спектров.

Китайский стартап Deep Principle¹ открыл веса Hydrogen-1.0 — модели для химии, материаловедения и наук о жизни. По замерам самой компании, она набрала 38,3% в исследовательском тесте OpenAI против 33,3% у GPT-6 Astra.

Почему это важно: компания не строила большую модель с нуля. Она взяла открытую GLM-5.3 от Z.ai и дообучила её на научных данных и записях своих лабораторий. Если замеры подтвердятся, окажется, что открытой основы и лабораторных данных хватает, чтобы обойти закрытую модель OpenAI на её же тесте.

Откуда цифра: тест FrontierScience-Research OpenAI выпустила в декабре 2025 года. В нём открытые вопросы уровня аспирантуры по физике, химии и биологии, а ответы оценивают по 10-балльной шкале. Результат модели — доля ответов, получивших хотя бы 7 баллов из 10. Это трудный экзамен: при его выходе лучшая модель, GPT-5.2, набрала 25%.

Как это работает: модель учили на материалах по предметным областям, отзывах учёных компании, лабораторных журналах и полных историях научного поиска — цепочках решений и откликов на них. Сначала её дообучали на готовых примерах: как рассуждать, планировать опыт, разбирать результаты. Затем шло обучение с подкреплением: модель сама принимала решения и получала обратную связь по результатам исследований. Сами наборы данных и полный рецепт обучения Deep Principle не публикует.

В цифрах: компания сравнила модели и на собственных задачах. В первых двух из них Astra работала на максимальном уровне рассуждений.

В научных вычислениях Hydrogen-1.0 впереди на 5,13 процентного пункта.
В предсказании продукта реакции, идущей в одну стадию, — на 4,76 процентного пункта.
В подборе комплексов переходных металлов с большой энергетической щелью² за пять раундов она дошла в среднем до 4,318 эВ; у Astra — 3,689 эВ, у Kimi K3 — 3,353 эВ. Такие комплексы — соединения, где атом металла, например железа или платины, окружён связанными с ним молекулами.

Но: определять структуру молекулы по спектрам ЯМР³ лучше умеет Astra: на максимальном уровне рассуждений она набирает на 3,33 балла больше. Шкалу этой оценки компания не поясняет. В тесте с выбором ответа GPQA Diamond⁴ у Hydrogen-1.0 93,0% — по словам компании, примерно уровень открытой Kimi K3. Независимых проверок этих цифр пока нет.

Интрига: в тесте на планирование экспериментов из 117 вопросов сравнивать пришлось только с Kimi K3: GPT-6 Astra и Claude Opus 5.5 отклонили больше половины запросов, и компания убрала их из сравнения. По её данным, Hydrogen-1.0 оказалась впереди. В показанном примере модель написала протокол опытов с реакцией Сузуки на 12 флаконов. Виртуальная проверка поймала ошибку — набор жидкости без смены наконечника, — и модель поправила порядок действий. Карточка модели всё же предупреждает: такие примеры опираются на внешние инструменты, а ответы должен проверять учёный.

Расклад: веса на 753 млрд параметров лежат на Hugging Face и ModelScope, основная версия — под лицензией MIT. Чтобы получить файлы на Hugging Face, нужно согласиться передать данные своей учётной записи. Авторы проверяли модель на восьми видеокартах, поэтому разворачивать её будут скорее компании и лаборатории. Обращаться к модели из своих программ, не разворачивая её у себя, можно через API сервиса NeuroSpark, партнёра по инфраструктуре обучения; ещё она работает в Mira, ИИ-учёном самой Deep Principle.

Так уже было: Hugging Face в октябре выпустила открытую Carbon-X для вопросов о ДНК и тоже сравнила её с моделью OpenAI: в тестах авторов она почти догнала GPT-6.1 Sol.