Segun MarkTechPost (AI/ML News), Deep Principle, empresa china especializada en inteligencia artificial para materiales, ha lanzado Hydrogen-1.0, un modelo científico de peso abierto diseñado para apoyar investigaciones en química, ciencias de los materiales y ciencias de la vida. Este modelo se basa en la adaptación post-entrenamiento del GLM-5.3, sometido a datos de dominio, registros de laboratorio y trayectorias de descubrimiento automático. Su estructura cuenta con 753 mil millones de parámetros, con un contexto de hasta 1 millón de tokens y una salida máxima de 128 mil tokens. Los pesos están disponibles bajo licencia MIT, permitiendo su uso y modificación sin restricciones legales.
El desarrollo combina técnicas de fine-tuning supervisado y aprendizaje por recompensa. Los datos provienen de cuatro fuentes clave: conocimientos disciplinares en química y ciencias de materiales, escenarios de investigación definidos por científicos internos, registros completos de experimentos en laboratorio y datos de trayectorias de descubrimiento automatizado. Esta metodología busca replicar procesos científicos en entornos que requieren análisis crítico, planificación de experimentos y evaluación de resultados. El modelo se posiciona como alternativa abierta a modelos comerciales, como GPT-6-Astra, especialmente en tareas de investigación avanzada.
En pruebas de rendimiento, Hydrogen-1.0 supera a GPT-6-Astra en el conjunto FrontierScience-Research, alcanzando una precisión de 38.3% frente al 33.3% del modelo rival. En el desafío GPQA-Diamond, su desempeño se mantiene cercano al de Kimi-K3. Sin embargo, en la tarea de elucidación de estructuras por resonancia magnética (NMR), el modelo se desvía en 3.33 puntos respecto al rendimiento máximo de GPT-6-Astra, lo que indica una brecha en ciertos escenarios técnicos. Su ejecución se optimiza en configuraciones de 8 GPUs usando SGLang, y también es compatible con arquitecturas como NVFP4 (para NVIDIA B200/B300) y MXFP4 (para AMD MI350X/MI355X).
Para el lector peruano, este avance representa una oportunidad clave en el campo de la innovación tecnológica accesible. Aunque los modelos científicos avanzados aún están dominados por entidades internacionales, el lanzamiento de herramientas como Hydrogen-1.0 demuestra que el conocimiento científico puede ser democratizado. En un contexto donde el sector de la innovación y la tecnología se está expandiendo en el país, el acceso a modelos abiertos puede acelerar la investigación en universidades, centros de innovación y empresas de servicios. Aunque el uso directo no es inmediato, el potencial de integrar estos modelos en aplicaciones locales —como diagnósticos médicos, desarrollo de nuevos materiales o análisis de productos químicos— puede impulsar el crecimiento de soluciones tecnológicas nacionales. La clave está en la colaboración entre investigadores, instituciones y el sector privado para aprovechar estas herramientas sin depender exclusivamente de tecnologías extranjeras.