딥프린시플, 과학 연구용 오픈 웨이트 모델 'Hydrogen-1.0' 공개… GLM-5.3 기반 753B·MIT 라이선스, 실험 기록까지 학습
딥프린시플(Deep Principle)이 11월 2일 화학·재료과학·생명과학 연구용 오픈 웨이트 모델 'Hydrogen-1.0'을 공개했습니다. Z.ai의 GLM-5.3을 바탕으로 자체 연구실의 실험 기록과 '발견 과정' 데이터를 추가 학습시킨 753B 규모 모델이며, 가중치는 MIT 라이선스로 Hugging Face와 ModelScope에 올라왔습니다. 아침에 가볍게 읽어볼 만한 AI 과학 소식입니다.
핵심 포인트
- GLM-5.3 기반 과학 특화 모델: 화학·재료과학·생명과학 데이터, 연구원 피드백, 전자 실험노트 기록, 실패를 포함한 발견 과정 데이터로 SFT와 강화학습(RL)을 진행했습니다.
- 753B 파라미터, 100만 토큰 컨텍스트: 최대 출력은 12만 8천 토큰이며, 전체 학습 데이터셋과 레시피는 공개하지 않았습니다.
- 개발사 발표 성능: FrontierScience-Research에서 38.3%로 GPT-6 Astra(33.3%)를 앞섰고, GPQA-Diamond는 93.0%로 Kimi-K3와 비슷한 수준이라고 밝혔습니다. 다만 NMR 구조 해석에서는 GPT-6 Astra에 3.33%p 뒤졌고, 모든 수치는 독립 검증 전인 자체 평가입니다.
- 실제 연구 작업 시연: 고분자 분자동역학 시뮬레이션(GROMACS) 실행과 오류 수정, 반응 네트워크 확장, NMR 스펙트럼으로 생성물 후보 순위 매기기, 실험 프로토콜 작성 등을 보여줬습니다.
- 배포 방식: SGLang으로 GPU 8장에서 테스트했으며, NVIDIA B200/B300용 NVFP4, AMD MI350X/MI355X용 MXFP4 양자화 버전도 따로 제공합니다. NeuroSpark API와 자사 'AI 과학자' 도구 Mira에서도 쓸 수 있습니다.
왜 중요한가
최근 AI가 과학 연구에서 낸 성과는 대부분 비공개 모델에서 나왔습니다. Hydrogen-1.0은 실험실 기록과 발견 과정까지 학습한 대형 과학 모델을 MIT 라이선스로 열어, 연구자가 직접 내려받아 검증하고 개조할 수 있게 했다는 점에서 의미가 있습니다. 다만 개발사 스스로도 출력에 사실·계산·인용 오류가 있을 수 있으니 반드시 검증하라고 안내하고 있습니다.
출처