Deep Principle: Hydrogen-1.0 open-weight para ciencia

La Deep Principle presenta el Hydrogen-1.0, un MoE de 753 mil millones de parámetros con contexto nominal de 1 millón de tokens, especializado a partir del GLM-5.3, y reporta ventaja en una prueba propia. El anuncio consultado el 5 de noviembre de 2026 no informa la fecha de publicación y no demuestra equivalencia en producción. La decisión depende de la carga de trabajo.

Datos principales

• Uso principal: apoyo a preguntas y problemas de investigación científica, con revisión especializada.
• Base: GLM-5.3 con postentrenamiento científico y pesos anunciados para descarga y por API.
• Benchmark: ventaja reportada por el fabricante en FrontierScience-Research, sin reproducción independiente demostrada.
• Cobro: la Figura 1 usa tokens de salida, incluido el razonamiento; la tarifa contractual necesita confirmación.

Los derechos sobre los pesos y la disponibilidad en Brasil siguen fuera de lo que cubre el anuncio. El Nexforce Router ofrece facturación en BRL con nota fiscal, pero la presencia del Hydrogen-1.0 en el catálogo no está confirmada.

¿Qué cambia en la arquitectura del Hydrogen-1.0 open-weight?

El Hydrogen-1.0 open-weight especializa el GLM-5.3 para tareas científicas mediante postentrenamiento, según la Deep Principle. El fabricante describe ajuste supervisado y aprendizaje por refuerzo en un modelo MoE de 753 mil millones de parámetros totales, con contexto nominal de 1 millón de tokens y tres variantes de pesos.

El lanzamiento incorpora datos de química, materiales y ciencias de la vida, además de registros y trayectorias de laboratorios de la empresa. El anuncio del GLM-5.3 informa que la base es compartida con el GLM-5.2. La Deep Principle describe el postentrenamiento como aplicado al modelo MoE completo, una arquitectura de mezcla de expertos, y combina ejemplos supervisados con aprendizaje por refuerzo guiado por retroalimentación, sin establecer un orden cronológico entre los dos métodos. La ficha pública del Hydrogen-1.0, consultada el 5 de noviembre de 2026, informa un contexto nominal de 1 millón de tokens y una salida máxima de 128 mil tokens, con variantes BF16, NVFP4 y MXFP4. El límite efectivo depende del runtime y la ficha no comprueba los requisitos del entorno del comprador. La empresa no publica la proporción de tokens de cada dominio ni el volumen de trayectorias usadas en el ajuste.

El acceso no es reproducción.

El anuncio no trata los términos de licencia de los pesos. Los términos declarados para los pesos aparecen en el repositorio de distribución, y esta verificación no hizo una auditoría jurídica. Confirmar los derechos para uso comercial sigue siendo una etapa del comprador.

Fuente: anuncios de Deep Principle y de GLM-5.3, consultados el 5 de noviembre de 2026. Arte: Nexforce; esquema propio, no resultado independiente.

¿Qué muestra realmente el benchmark científico de IA?

La Deep Principle reporta que el Hydrogen-1.0 superó al GPT-6-Astra en el FrontierScience-Research y mejoró respecto del GLM-5.3 en el GPQA-Diamond. Las métricas son distintas y el fabricante condujo las evaluaciones. Los resultados justifican una prueba propia, pero no demuestran liderazgo general ni reproducción independiente.

En los datos de la Figura 1, consultados el 5 de noviembre de 2026, la Deep Principle registra 38,33% de aprobación para Hydrogen-1.0 y 33,33% para GPT-6-Astra en FrontierScience-Research, ambos con razonamiento máximo. Los números son resultados del fabricante. En el GPQA-Diamond, la Deep Principle usa exactitud y reporta una mejora del Hydrogen-1.0 sobre el GLM-5.3 y un resultado cercano al Kimi-K3. La cercanía en esa prueba no demuestra empate en todas las tareas. En la prueba interna de resonancia magnética nuclear, la empresa reporta un resultado mayor para GPT-6-Astra con razonamiento máximo. Los ejemplos muestran por qué una sola nota no decide el uso. Para comparar versiones, prompts y criterios de aceptación en tareas equivalentes, el equipo puede recurrir a la comparación de modelos sobre la misma base. La evaluación de modelos open-weight debe incluir errores relevantes para el dominio y revisión de las respuestas por especialistas.

El mismo archivo muestra al GPT-6-Astra por encima del Hydrogen-1.0 en el GPQA-Diamond en los tres niveles de esfuerzo; en el más bajo, la diferencia cae a 0,5 puntos porcentuales. Un benchmark reportado no sustituye la prueba en la tarea del comprador.

¿Cuánto cuesta evaluar y operar el Hydrogen-1.0 open-weight?

La Figura 1 del anuncio usa tarifas estándar en dólares por token de salida, incluido el razonamiento, y toma el precio del GLM-5.3 como referencia para el Hydrogen-1.0. La cuenta excluye la entrada y el evaluador. Ninguna de esas informaciones establece tarifa contractual, costo total ni disponibilidad en el Nexforce Router.

La referencia de precio de la Figura 1 no determina cuánto pagará una organización por el Hydrogen-1.0. El comprador debe solicitar las tarifas vigentes de entrada y salida, confirmar la moneda y medir el volumen de razonamiento en sus propias tareas. La cuenta debe incluir infraestructura, almacenamiento, equipo, soporte y evaluación, además de los reintentos y la revisión humana cuando sean necesarios. El costo por tarea aceptada y el costo de cada intento ayudan a separar el precio unitario del gasto por resultado útil. El fabricante señala descarga y acceso por API, pero la verificación no confirma SLA, región, compatibilidad ni contratación para cada cliente. Sin tarifa de entrada publicada, la estimación de gasto por tarea queda incompleta. La comparación con alternativas exige la misma base de cálculo. La moneda y el tipo de cambio entran en la cuenta del comprador brasileño y cambian con el tiempo.

Nota: tarifas de lista en dólares, con tokens de razonamiento incluidos y sin descuentos por lote; la entrada y el evaluador quedan fuera de la cuenta.

La tarifa más alta no implica un costo por respuesta mayor en toda tarea. El volumen de tokens de razonamiento cambia la factura, y eso es lo que el comprador mide en su propia carga.

¿Cómo evaluar la integración y el enrutamiento antes de contratar?

El anuncio ofrece descarga de pesos y una ruta de acceso por API, sin describir SLA, región ni límites de uso. Para el comprador, la integración debe probarse con las mismas tareas de la evaluación de calidad, porque la vía de acceso cambia costo, latencia, control y responsabilidad operativa.

El Hydrogen-1.0 open-weight puede ejecutarse en infraestructura propia o accederse por la ruta de API anunciada, y cada camino tiene implicaciones distintas de costo y gobernanza. Ejecutar los pesos exige hardware compatible con las variantes BF16, NVFP4 o MXFP4, equipo para operar el entorno y procesos de actualización. Usar la API traslada esa operación al proveedor y mantiene la dependencia de disponibilidad y precio. En cualquier caso, el equipo necesita observabilidad por llamada, límites de gasto y registro de la versión del modelo, porque el cambio silencioso de checkpoint invalida comparaciones anteriores. El Nexforce Router ofrece comparación de un prompt entre modelos disponibles, reglas de enrutamiento, límites de gasto y observabilidad, además de facturación en BRL con nota fiscal. Esas funciones no comprueban que el Hydrogen-1.0 esté en el catálogo o sea alojado por el Router. La red y el límite de tasa pesan.

Preguntas frecuentes sobre Hydrogen-1.0

El Hydrogen-1.0 open-weight combina una base existente y postentrenamiento científico, según la Deep Principle. Quien vaya a adoptar el modelo debe revisar los términos de uso de los pesos, las condiciones de acceso y los resultados para cada tarea prevista antes de cualquier prueba.

¿El modelo se entrenó desde cero?

No. La Deep Principle informa que el Hydrogen-1.0 parte del GLM-5.3 y recibe postentrenamiento científico. La especialización usa datos de dominio y registros de laboratorio, pero la ficha no publica junto con los pesos todos los datos y recetas necesarios para reproducir íntegramente el entrenamiento.

¿La licencia permite cualquier uso?

El anuncio no trata los términos de licencia de los pesos, y el repositorio de distribución publica las condiciones aplicables a los pesos. Términos declarados no equivalen a permiso irrestricto ni eximen de una auditoría jurídica. El equipo debe confirmar la variante, la finalidad prevista y las obligaciones de atribución antes de poner el modelo en producción.

¿El precio del GLM-5.3 es el precio final?

No. La Deep Principle usa el precio de salida del GLM-5.3 como referencia en la Figura 1, incluido el razonamiento. La cuenta excluye la entrada y el evaluador. La tarifa contractual y el costo de infraestructura, soporte y revisión deben confirmarse para la operación elegida.

Referencias y Lectura Complementaria

Las fuentes primarias tienen funciones distintas. La Deep Principle reporta entrenamiento, pruebas y la metodología de costo de la Figura 1. La ficha pública del Hydrogen-1.0 en Hugging Face describe variantes, contexto nominal, límites de ejecución y los términos declarados para los pesos. La Z.ai presenta la base GLM-5.3 y su relación con el GLM-5.2.

Ninguna de ellas comprueba una reproducción independiente, y los enlaces aparecen junto a las afirmaciones que sustentan. El archivo de datos del fabricante registra las puntuaciones de 38,33% y 33,33% en FrontierScience-Research con razonamiento máximo, con consulta el 5 de noviembre de 2026. Para dimensionar la elección, la lectura sobre costo de IA por tarea examina gastos más allá de la tarifa por token.

¿Cuándo elegir Hydrogen-1.0 open-weight para una tarea?

El Hydrogen-1.0 merece una prueba cuando la tarea exige conocimiento científico y el equipo puede verificar acceso, calidad y costo en el entorno previsto. La elección para producción depende de resultados en la propia carga, de los derechos aplicables y de un responsable de la revisión de las respuestas, no solo de la nota publicada.

La selección del Hydrogen-1.0 open-weight debe registrar la variante probada, las versiones de los modelos comparados, los prompts y las condiciones de inferencia. La nota publicada no informa la tasa de errores de una tarea empresarial específica, por lo que el equipo define criterios de aceptación antes de la prueba y conserva las salidas para revisión especializada. El entorno de ejecución debe verificarse antes de asumir cualquier límite de contexto, porque el número nominal no describe la capacidad disponible. La propuesta comercial debe separar entrada, salida, razonamiento y gastos de operación, además de indicar moneda y soporte. Para alternativas disponibles, el Nexforce Router puede apoyar la comparación y el control de gastos. Cambiar de modelo exige repetir la evaluación y preservar los registros necesarios para comparar el resultado. Sin esos registros, la comparación se vuelve opinión y la prueba no se repite.

1. Confirmar el acceso y los derechos de la variante elegida.
2. Medir la calidad y los errores en las tareas reales.
3. Documentar infraestructura, seguridad y costo por tarea.
4. Definir soporte, responsable y plan de cambio.

Un benchmark no es una decisión.