仅 1300 块 H200 加自建实验闭环，Periodic 训出 Neon 在材料科学基准上超越 GPT-6 Astra
vwxyzjn · x · 2026-09-16
材料科学公司 Periodic 公开其模型 Neon 的训练方法：在门洛帕克自建高通量材料实验室，让「实验—模型」形成闭环——实验室生成新数据，模型学习后反过来决定下一个实验做什么。
关键数字与结论：
- 只用 1300 块 H200 GPU，比竞争对手 Astra 少几个数量级
- 用数月实验数据做 mid-training 和强化学习，基于开源模型
- 在其分析基准上超越 GPT-6 Astra 与 Fable 5.1 等前沿模型
团队强调「天才是 99% 的汗水」，即数据闭环而非算力规模是关键；下一步瞄准超导体、磁性材料和半导体材料等硬问题。文中附实验室真实 footage，并发布了配套博客。
所属事件:Periodic Labs 用 1300 张 H200 训出 Neon 压制 GPT-6 Astra(69 条相关)→
「研究」频道最新
- 小米 MiMo 提出 CodeSpecWeave:用相互依赖规格合成任务训练编程智能体 — XiaomiMiMo · 2026-11-02
- Mistral Large 4 短提示词从零写出量子化学 SCF 求解器并自建 3D 可视化 — MistralAI · 2026-11-02
- 谁把「用 AI 治愈癌症」讲得最具体？2025 年路线图正在成形 — iskander · 2026-11-02
- arXiv 论文证明 SGD 最优步长调度:单调递减的线性衰减是唯一极小极大最优解 — konstmish · 2026-11-02
- Karpathy 的 nanochat:100 美元从零训练出类 ChatGPT,星标近 6 万 — karpathy · 2026-11-02
- 读完 46 份资料后写出 Agent Evals 指南：自评 95 分的评测为何不可信 — blaizedsouza · 2026-11-02