Deep Principle: Hydrogen-1.0 open-weight para ciência

A Deep Principle apresenta o Hydrogen-1.0, um MoE de 753 bilhões de parâmetros com contexto nominal de 1 milhão de tokens, especializado a partir do GLM-5.3, e relata vantagem em teste próprio. O anúncio consultado em 5 de novembro de 2026 não informa a data de publicação e não demonstra equivalência em produção. A decisão depende da carga.

Fatos principais

• Uso principal: apoio a perguntas e problemas de pesquisa científica, com revisão especializada.
• Base: GLM-5.3 com pós-treinamento científico e pesos anunciados para download e por API.
• Benchmark: vantagem relatada pela fabricante no FrontierScience-Research, sem reprodução independente demonstrada.
• Cobrança: a Figura 1 usa tokens de saída, incluindo raciocínio; tarifa contratual precisa de confirmação.

Os direitos sobre os pesos e a disponibilidade no Brasil seguem fora do que o anúncio cobre. O Nexforce Router oferece faturamento em BRL com nota fiscal, mas a presença do Hydrogen-1.0 no catálogo não está confirmada.

O que muda na arquitetura do Hydrogen-1.0 open-weight?

O Hydrogen-1.0 open-weight especializa o GLM-5.3 para tarefas científicas por pós-treinamento, segundo a Deep Principle. A fabricante descreve ajuste supervisionado e aprendizado por reforço em um modelo MoE de 753 bilhões de parâmetros totais, com contexto nominal de 1 milhão de tokens e três variantes de pesos.

O lançamento incorpora dados de química, materiais e ciências da vida, além de registros e trajetórias de laboratórios da empresa. O anúncio do GLM-5.3 informa que a base é compartilhada com o GLM-5.2. A Deep Principle descreve o pós-treinamento como aplicado ao modelo MoE inteiro, uma arquitetura de mistura de especialistas, e combina exemplos supervisionados com aprendizado por reforço orientado por feedback, sem estabelecer ordem cronológica entre os dois métodos. A ficha pública do Hydrogen-1.0, consultada em 5 de novembro de 2026, informa contexto nominal de 1 milhão de tokens e saída máxima de 128 mil tokens, com variantes BF16, NVFP4 e MXFP4. O limite efetivo depende do runtime e a ficha não comprova os requisitos do ambiente do comprador. A empresa não publica a proporção de tokens de cada domínio nem o volume de trajetórias usadas no ajuste.

Acesso não é reprodução.

O anúncio não trata dos termos de licença dos pesos. Os termos declarados para os pesos aparecem no repositório de distribuição, e esta apuração não fez auditoria jurídica. Confirmar direitos para uso comercial continua sendo etapa do comprador.

Fonte: anúncios da Deep Principle e do GLM-5.3, consultados em 5 de novembro de 2026. Arte: Nexforce; esquema próprio, não resultado independente.

O que o benchmark científico de IA realmente mostra?

A Deep Principle relata que o Hydrogen-1.0 superou GPT-6-Astra no FrontierScience-Research e melhorou em relação ao GLM-5.3 no GPQA-Diamond. As métricas são diferentes e a fabricante conduziu as avaliações. Os resultados justificam um teste próprio, mas não demonstram liderança geral nem reprodução independente.

Nos dados da Figura 1, consultados em 5 de novembro de 2026, a Deep Principle registra 38,33% de aprovação para Hydrogen-1.0 e 33,33% para GPT-6-Astra no FrontierScience-Research, ambos com raciocínio máximo. Os números são resultados da fabricante. No GPQA-Diamond, a Deep Principle usa acurácia e relata melhora do Hydrogen-1.0 sobre o GLM-5.3 e resultado próximo ao Kimi-K3. Proximidade nesse teste não demonstra empate em todas as tarefas. No teste interno de ressonância magnética nuclear, a empresa relata resultado maior para GPT-6-Astra em raciocínio máximo. Os exemplos mostram por que uma única nota não decide o uso. Para comparar versões, prompts e critérios de aceitação em tarefas equivalentes, a equipe pode recorrer à comparação de modelos na mesma base. A avaliação de modelos open-weight deve incluir erros relevantes para o domínio e revisão das respostas por especialistas.

O mesmo arquivo mostra GPT-6-Astra acima do Hydrogen-1.0 no GPQA-Diamond nos três níveis de esforço; no mais baixo, a diferença cai para 0,5 ponto percentual. Benchmark relatado não substitui teste na tarefa do comprador.

Quanto custa avaliar e operar o Hydrogen-1.0 open-weight?

A Figura 1 do anúncio usa tarifas padrão em dólares por token de saída, incluindo raciocínio, e toma o preço do GLM-5.3 como referência para Hydrogen-1.0. A conta exclui entrada e avaliador. Nenhuma dessas informações estabelece tarifa contratual, custo total ou disponibilidade no Nexforce Router.

A referência de preço da Figura 1 não determina quanto uma organização pagará pelo Hydrogen-1.0. O comprador deve solicitar as tarifas vigentes de entrada e saída, confirmar a moeda e medir o volume de raciocínio nas próprias tarefas. A conta precisa incluir infraestrutura, armazenamento, equipe, suporte e avaliação, além das retentativas e da revisão humana quando necessárias. O custo por tarefa aceita e o custo de cada tentativa ajudam a separar preço unitário de gasto por resultado útil. A fabricante aponta download e acesso por API, mas a apuração não confirma SLA, região, compatibilidade ou contratação para cada cliente. Sem tarifa de entrada publicada, a estimativa de gasto por tarefa fica incompleta. A comparação com alternativas exige a mesma base de cálculo. A moeda e o câmbio entram na conta do comprador brasileiro e mudam com o tempo.

Nota: tarifas de lista em dólares, com tokens de raciocínio incluídos e sem descontos de lote; entrada e avaliador ficam fora da conta.

A tarifa mais alta não implica custo por resposta maior em toda tarefa. O volume de tokens de raciocínio muda a fatura, e é isso que o comprador mede na própria carga.

Como avaliar integração e roteamento antes de contratar?

O anúncio oferece download de pesos e uma rota de acesso por API, sem descrever SLA, região ou limites de uso. Para o comprador, a integração precisa ser testada com as mesmas tarefas da avaliação de qualidade, porque o caminho de acesso muda custo, latência, controle e responsabilidade operacional.

O Hydrogen-1.0 open-weight pode ser executado em infraestrutura própria ou acessado pela rota de API anunciada, e cada caminho tem implicações distintas de custo e governança. Rodar os pesos exige hardware compatível com as variantes BF16, NVFP4 ou MXFP4, equipe para operar o ambiente e processos de atualização. Usar a API transfere essa operação ao provedor e mantém a dependência de disponibilidade e preço. Em qualquer caso, a equipe precisa de observabilidade por chamada, limites de gasto e registro de versão do modelo, porque a troca silenciosa de checkpoint invalida comparações anteriores. O Nexforce Router oferece comparação de um prompt entre modelos disponíveis, regras de roteamento, limites de gasto e observabilidade, além de faturamento em BRL com nota fiscal. Essas funções não comprovam que Hydrogen-1.0 esteja no catálogo ou seja hospedado pelo Router. Rede e limite de taxa pesam.

Perguntas frequentes sobre Hydrogen-1.0

O Hydrogen-1.0 open-weight combina uma base existente e pós-treinamento científico, segundo a Deep Principle. Quem for adotar o modelo precisa conferir os termos de uso dos pesos, as condições de acesso e os resultados para cada tarefa pretendida antes de qualquer teste.

O modelo foi treinado do zero?

Não. A Deep Principle informa que o Hydrogen-1.0 parte do GLM-5.3 e recebe pós-treinamento científico. A especialização usa dados de domínio e registros de laboratório, mas a ficha não libera com os pesos todos os dados e receitas necessários para reproduzir integralmente o treinamento.

A licença permite qualquer uso?

O anúncio não trata dos termos de licença dos pesos, e o repositório de distribuição publica as condições aplicáveis aos pesos. Termos declarados não equivalem a permissão irrestrita nem dispensam auditoria jurídica. A equipe deve confirmar a variante, a finalidade pretendida e as obrigações de atribuição antes de colocar o modelo em produção.

O preço do GLM-5.3 é o preço final?

Não. A Deep Principle usa o preço de saída do GLM-5.3 como referência na Figura 1, incluindo raciocínio. A conta exclui entrada e avaliador. A tarifa contratual e o custo de infraestrutura, suporte e revisão precisam ser confirmados para a operação escolhida.

Referências e Leitura Complementar

As fontes primárias têm funções diferentes. A Deep Principle relata treinamento, testes e a metodologia de custo da Figura 1. A ficha pública do Hydrogen-1.0 no Hugging Face descreve variantes, contexto nominal, limites de execução e os termos declarados para os pesos. A Z.ai apresenta a base GLM-5.3 e sua relação com o GLM-5.2.

Nenhuma delas comprova reprodução independente, e os links aparecem junto das afirmações que sustentam. O arquivo de dados da fabricante registra as pontuações de 38,33% e 33,33% no FrontierScience-Research em raciocínio máximo, com consulta em 5 de novembro de 2026. Para dimensionar a escolha, a leitura sobre custo de IA por tarefa examina gastos além da tarifa por token.

Quando escolher Hydrogen-1.0 open-weight para uma tarefa?

O Hydrogen-1.0 merece teste quando a tarefa exige conhecimento científico e a equipe consegue verificar acesso, qualidade e custo no ambiente pretendido. A escolha para produção depende de resultados na própria carga, de direitos aplicáveis e de um responsável pela revisão das respostas, não apenas da nota publicada.

A seleção do Hydrogen-1.0 open-weight deve registrar a variante testada, as versões dos modelos comparados, os prompts e as condições de inferência. A nota publicada não informa a taxa de erros de uma tarefa empresarial específica, então a equipe define critérios de aceitação antes do teste e conserva as saídas para revisão especializada. O ambiente de execução precisa ser conferido antes de assumir qualquer limite de contexto, porque o número nominal não descreve a capacidade disponível. A proposta comercial deve separar entrada, saída, raciocínio e despesas de operação, além de indicar moeda e suporte. Para alternativas disponíveis, o Nexforce Router pode apoiar a comparação e o controle de gastos. Trocar de modelo exige repetir a avaliação e preservar os registros necessários para comparar o resultado. Sem esses registros, a comparação vira opinião e o teste não se repete.

1. Confirmar acesso e direitos da variante escolhida.
2. Medir qualidade e erros nas tarefas reais.
3. Documentar infraestrutura, segurança e custo por tarefa.
4. Definir suporte, responsável e plano de troca.

Benchmark não é decisão.