杭州深度原理开源科学大模型Hydrogen-1.0，采用753B参数的MoE架构、约40B激活参数，以MIT许可发布，基于智谱GLM-5.3进行后训练，面向化学、材料与生命科学的基础研究发现。官方称其在FrontierScience-Research基准上超过GPT-6-Astra。
用「大底座+领域后训练」的路线做科学模型，是这一年逐渐成型的范式。通用模型在科学任务上的短板并非知识量，而是推理链条的严谨性与领域符号系统的熟练度——化学式、晶体结构、实验条件约束都需要专门的对齐。以开源基座做后训练，既控制了成本，也便于学术机构复现与二次开发，MIT许可则进一步降低了商用门槛。
这条赛道上国内外的投入都在加码：OpenAI收购Orchestra Bio切入AI制药并进入临床验证期，Anthropic自建生物实验室把Claude做成科研基础设施，国内则出现多款面向材料与生命科学的开源模型。科学发现被视为AI最确定的价值路径之一——它不要求模型「像人一样说话」，只要求它在可验证的任务上给出可信结果。