我很高兴Deep Research不再是我做科研信息搜索的第一选择了。
如果说对于AI做科研有啥具体印象的话，我可以列出来几个很关键的节点。
Deep Search→Deep Research→Skills
Deep Research这一阶段最出名的就是ChatGPT Deep Research了。那次搜索，第一次打破了我对AI信息搜索上限的认知。
再然后就是各种科研Skill，从选题、构思、执行、实验到写论文，总之，我能想到的流程都能有十几个Skill，甚至更多。
当时我就在设想，这些外挂Skill数量越来越多之后，会不会有一天，内化成一个模型的基础能力。直到上周在X上我看到一个全新的模型，Hydrogen-1.0。
拿GLM5.3当底座，把化学、材料科学、生命科学的知识，科学家的反馈，自家实验室的记录，还有一条条完整的科学发现轨迹，用SFT和RL再训练了一遍。
在FrontierScience Research上，Hydrogen-1.0的解题率是38.3%，GPT-6Astra最高档是33.3%。更有意思的是横轴，横轴是每道题平均的输出API成本，那颗星星站得比Astra最高档靠左一大截，也就是说，用更低的成本拿到了更高的通过率。
我直接先放一张我跟它对话的截图。
它一切都以严谨作为优先。我让它做一张2021—2025年大模型发展路线图，它会反复地去验证，反复核查事实准不准。
像它自己说的，事实准确性对于教学海报是不可妥协的。
所以在用完自己设定的三次图像生成上限之后，它没有接着抽卡，改用确定性的矢量绘制，把文字，年份，数据全部程序化排版。
而在深度原理自家的Mira这个Agent里用Hydrogen-1.0的时候，还有一个让我挺意外的地方。用了那么多Agent，这是我第一次看到一个Agent带的Skill，几乎全部围绕科研工作展开。
Hydrogen-1.0这个模型来自深度原理。
这家AI4S公司成立于2024年，由两位MIT博士贾皓钧、段辰儒联合创立。它把生成式AI跟第一性原理计算做了深度融合，搭了一套覆盖材料研发全流程的技术体系，从分子生成、物性预测、化学反应模拟，一路做到高通量实验验证。业务上碰的是新能源、电力电子材料、精细化工、营养日化这些很硬的方向。
所以可以看出来，这个模型在材料科学、化学、新能源这些领域表现得非常厉害。一家天天跟分子和反应打交道的公司，训出一个偏科研的模型，太合理了。后面你会看到，案例也基本围着这几个方向转。
先从我比较熟悉的大模型领域，做一张科技图表。很多时候我们写图文，特别是涉及对比的时候，总希望手里有点严谨的东西，所以我让它盘点2026年国内发布的大模型。
规则是这样的，按Artificial Analysis（下面简称AA）上的输入、输出token价格取一个平均值，以发布时间为横轴，输入输出均价为纵轴，做一张散点图。
最底下它还加了一条每月发布量的条带，4月份一个月就挤了12个新模型，印象里那个时候我几乎每起床就有一个新模型。这里的均价就是（输入价＋输出价）÷2，跟AA本身智能指数，混合定价都不是一个计算公式。很明显，Hydrogen-1.0没有被我的烟雾弹迷惑住。
然后就是我最想说的部分，
主动纠错，反复质疑。
先看交付物，除了图，它把可复现的plot_scatter.py脚本和原始抓取数据一起打包给了我。所以这张图我随时可以自己拿去重跑验证。
Hydrogen-1.0最初拟合趋势线，得出均价每月约降5%的结果，最后总结的时候还是做了二次验证，斜率是正的，R²才0.013左右，它就把这条结论整条删了，没有模糊没有犹豫。
然后我就带着Hydrogen-1.0，去挑战大聪明最近出的Few Shots。
它的原意是为了挑战科学边界，也鼓励大家烧自己的模型额度来完成。我也好奇一个由GLM-5.3后训练得到的Hydrogen-1.0，到底能不能帮我解决掉大聪明的一个难题。这样我下次路过上海北京就可以取AGI Bar边喝啤酒边蹭免费的视频模型了。
Hydrogen-1.0自主挑了p008来挑战，这道题想把AES S-box的电路从106门压到105门，它把所有单门删除、重连的方案挨个试完，结论是这条路走不通，暂时搁置是合理的。
然后它查文献的时候，翻到一个10月21号才公开的仓库，判断里面的纪录延续思路可以反过来用到p006上。离大聪明钱包出血只有一步之遥了。
OK，那下一步，我们应该详细介绍一下Hydrogen-1.0。
它除了上面我们测试过的能力外，在真实的其他学科能做出来什么离谱的东西，包括但不限于：
第一个是材料模拟，把材料问题做成一个可以执行的模拟过程。
它自己写Python程序，搭了一个聚乙烯熔体体系，跑GROMACS，中途发现拓扑文件有问题，修好之后重新启动模拟，最后分析修正后的40 ns轨迹。
第二个是反应网络。
Hydrogen-1.0用的是Ireland–Claisen重排，它把Cope重排、Claisen重排和硅基迁移相关的路线放在一起，比较电子能垒，找出瓶颈，再安排后续验证。
第三个是NMR，也就是核磁共振谱图，通过它识别分子结构。
它给了2-溴萘的七种可能单甲酰化产物，它对着 ¹H NMR谱图，一步步检查低场信号和芳香区，再去评估哪个候选结构更说得通。
第四个是实验规划，把一句话的研究意图，转化成真正的实验方案和设计方案。
Hydrogen-1.0做的是一个12瓶样品的Suzuki偶联。模型先生成一份JSON格式的实验规程，再交给Lab Compile在虚拟环境里检查设备能力，前置条件和动作顺序。结果查出来一个特别真实的问题，吸液之前没装新吸头。改完之后，规程才通过编译检查。
第五个是材料探索，去发现新材料。
官方用过渡金属配合物（TMC）的搜索任务来测连续探索。每个模型从同样的初始候选出发，每一轮只能看到自己推荐的候选拿回来的反馈，一共五轮。
到第五轮，Hydrogen-1.0截至当轮找到的最佳HOMO–LUMO能隙，多次运行平均是4.318 eV，GPT-6Astra是3.689 eV。
那条一路往上爬的橙色虚线，意味着Hydrogen-1.0每一轮都在拿上一轮的反馈修正下一轮的推荐。而且深度原理自己其实给出了非常详细的对比，跟GPT-6Astra、Kimi K3都比了。
实验设计与规划这项，用的是同样的117道题，Hydrogen-1.0平均5.59分，Kimi K3是4.57分。
这张图上没有GPT-6Astra和Opus5.5，因为它们在这项评测里拒答超过一半，没纳入比较。对我来说，如果真想让AI帮我排一份实验方案，一个超过一半题目都不接的超级敏感姬模型，是完全不合格的。
深度原理甚至连他们怎么训练Hydrogen-1.0的过程都放出来了。
我简单说一下，配合这几张图，看看他们是怎么利用科学发现轨迹，在内存限制里面完成长序列训练的。他们还开放了模型权重，也提供了API调用。
SFT这一步，给模型看的是完整示例，从分析问题、规划实验、写操作规程到解读结果，一整条都在。一条科研轨迹非常长，推理、计算、检查、修改都得保留，这张图就是他们为了装下这么长的序列搭起来的训练底座。
RL这一步，是用结果的反馈去改进选择。我觉得最巧的一点是，强化学习里还没生成完的回答不会直接扔掉，前缀保留下来，后面的轮次接着续写。
用人话说，训练的时候一条很长的推理跑到一半被截断，下一轮还能接着跑，不用从头再来。底层用的是Megatron和SGLang，CUDA和ROCm都适配了。
当然，我会觉得在Mira里用起来最好，因为它有画板，也可以在每个项目里面去对话。就像我刚刚做大聪明的挑战时，我就是新开了一个项目，让它去完成不同的东西。
这个模型使用起来，我可以说，对我来说会有一种求知若渴的感觉。
它给我带来的积极性，是前所未有的。
以前我们用基础模型，或者用大家比较熟悉的词，叫通用大模型去做科研，更多的是尽可能把能接触到的素材，能用的资料，能找到的论文打包发给模型，让它通过Deep Research或者其他Skill读懂规则，再去做。
我觉得跟Hydrogen-1.0对话，最大的区别是它的主动性。在科研领域的主动性上，能达到像Personal Agent一样的水平，它会反复去找答案，乐此不疲。
每一轮对话对它来说都像是一次实验。
它会反复找到这一轮最有价值的线索，然后下一轮继续这样做。这时候你就会感觉到，做科研没有阻碍，不会在某一点搜索完以后，模型就结束了，没有给你下一步建议。
所以我说，
在跟Hydrogen-1.0对话时，会得到非常高的学术满足度。
三百多年前，牛顿为了一个球周围最多能贴住几个一样大的球，跟人大吵了一场。然后，人类用了259年，才证明答案是12。
这中间的大部分时间里，那些做研究的人，手里攥着的，大概就是今天Hydrogen-1.0交给我的那几样东西。复现前人的结果，划掉走不通的路，再给下一个人留一条线索。
科研最让人上瘾的地方，我现在觉得，就是每一轮结束的时候，手里都还攥着一个下一步。
我想说的求知若渴，大概就是这个意思。
好奇心这东西，会越烧越旺。
此刻我的科研热情，真是high到不行。
