Deep Principle, bilimsel keşif için 753 milyar parametreli Hydrogen-1.0 modelini yayımladı

Hangzhou merkezli yapay zekâ ve malzeme şirketi Deep Principle, kimya, malzeme bilimi ve yaşam bilimleri alanlarına yönelik geliştirdiği Hydrogen-1.0 modelinin açık ağırlıklarını MIT lisansıyla yayımladı. Şirket, modeli Z.ai'nin GLM-5.3 tabanını alan verileri, laboratuvar kayıtları ve keşif süreçleriyle yeniden eğiterek ürettiğini açıkladı.

Hydrogen-1.0, 753 milyar parametreli bir Mixture-of-Experts (MoE) modeli; GLM-5.3 tabanına göre token başına yaklaşık 40 milyar parametre etkin biçimde çalışıyor. 1 milyon token bağlam penceresi ve 128 bin token'a kadar çıktı üretebiliyor. Deep Principle'ın paylaştığı verilere göre ağırlıklar Hugging Face ve ModelScope üzerinden indirilebiliyor.

Hydrogen-1.0 neler yapabiliyor?

Model kartında Hydrogen-1.0, bilimsel problem çözme için tasarlanmış bir araştırma asistanı olarak tanımlanıyor. Soru kurgulama, deney planlama, sonuç analizi ve açık uçlu keşif başlıklarında kullanılması hedefleniyor.

Deep Principle ekibi, son dönemdeki yapay zekâ destekli bilimsel sonuçların büyük ölçüde kapalı modellerle üretildiğini, bu modellerin keşif yeteneklerinin ise açık olmadığını belirtiyor. Hydrogen-1.0, bu süreci yeniden üretilebilir ve incelenebilir kılma girişimi olarak sunuluyor.

Teknik tanıtım yazısında dört laboratuvar senaryosu yer alıyor. Model, polietilen eriyiği kurmak için Python kodu yazıp GROMACS çalıştırıyor; tespit ettiği topoloji hatasını onarıp düzeltilmiş 40 nanosaniyelik yörüngeyi analiz ediyor. Ayrıca 30 olası reaksiyon üzerinden 27 yapılık bir Ireland-Claisen reaksiyon ağı kuruyor, 2-bromonaftalinin 7 aday monoformilasyon ürününü 1H NMR izinden sıralıyor ve 12 flakonlu Suzuki eşleşmesi çalışması için JSON protokolü yazıyor.

Hydrogen-1.0 hangi testlerde öne çıkıyor?

Deep Principle'ın bildirdiğine göre Hydrogen-1.0, kamuya açık FrontierScience-Research testinde yüzde 38,3 skorla GPT-6-Astra'nın yüzde 33,3'lük sonucunu geride bıraktı. GPQA-Diamond testinde ise yüzde 93,0'a ulaşarak GLM-5.3'ü geçti ve şirketin aktardığına göre Kimi-K3 ile yaklaşık aynı seviyede yer aldı.

Şirketin iç araştırma testlerinde model, GPT-6-Astra'nın en yüksek düşünme moduyla karşılaştırıldı. Bilimsel hesaplamada Hydrogen-1.0 5,13 puan, ileri reaksiyon tahmininde 4,76 puan önde çıktı. NMR yapı aydınlatmada ise 3,33 puan geride kaldı.

Geçiş metali kompleksi tasarımında modeller beş tur boyunca daha büyük bir HOMO-LUMO aralığı hedefledi. Beşinci turda Hydrogen-1.0 ortalama 4,318 eV'lik en iyi değere ulaşırken GPT-6-Astra 3,689 eV, Kimi-K3 ise 3,353 eV'de kaldı. 117 deney planlama sorusunda Hydrogen-1.0, Kimi-K3'ün üzerinde skor aldı; GPT-6-Astra ve Opus-5.5 ise isteklerin yarısından fazlasını reddettiği için değerlendirmeye alınmadı.

Hydrogen-1.0 nasıl çalıştırılıyor?

Eğitim süreci denetimli ince ayar (SFT) ile pekiştirmeli öğrenmeyi birleştiriyor. Veri dört kaynaktan geliyor: alan bilgisi, araştırma senaryoları, laboratuvar kayıtları ve başarısız denemeleri de içeren keşif izleri. Laboratuvar kayıtları Mira üzerinden toplanan tam döngülü elektronik laboratuvar defterlerinden oluşuyor.

Altyapı NVIDIA CUDA ve AMD ROCm üzerinde Megatron ile SGLang'a dayanıyor. Deep Principle ekibi, eğitim veri setlerinin ve tariflerinin tamamını açık paylaşmadığını belirtiyor.

Şirketin test ettiği kurulumda model, BF16 hassasiyetinde 8 GPU'da SGLang ile ve 8'li tensor paralelliğiyle sunuluyor. NVFP4 sürümü NVIDIA B200 ve B300, MXFP4 sürümü ise AMD Instinct MI350X ve MI355X kartlarını hedefliyor. Sunucu, reasoning_effort ayarı bulunan OpenAI uyumlu bir API sunuyor.

Bilimsel yapay zekâda açık model tercihi neden önemli?

Hydrogen-1.0, tescilli modellerin bilimsel keşifteki başarısına karşı açık ağırlıklı bir alternatif sunuyor. MIT lisansı, modelin indirilip kendi donanımında çalıştırılmasına ve incelenmesine izin veriyor. Ancak modelin bilimsel iddiaları büyük ölçüde Deep Principle'ın kendi açıkladığı sonuçlara dayanıyor; bağımsız değerlendirmeler henüz yayımlanmadı.

Türkiye'deki araştırmacılar ve geliştiriciler için modelin ne zaman kullanıma açılacağı sorusu erişim tarafında belirleyici olacak. Ağırlıklar şu an Hugging Face ve ModelScope üzerinden indirilebiliyor olsa da 753 milyar parametreli modelin çalıştırılması, kaynakta belirtilen 8 GPU'luk kurulumu gerektiriyor.