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 发布 Neon：1300 张 H200 训出超越 GPT-6 的科学模型(22 条相关)→
「研究」频道最新
- 随机特征不用生成权重组:单轴投影加马尔可夫链也能玩语义建模 — cephaloform · 2026-09-16
- Odyssey 发布基础世界模型 Odyssey-3,可操控机器人与人形机 — chris_j_paxton · 2026-09-16
- 前 OpenAI Jason Wei:湿实验室数据让专用模型击败 GPT-6 Astra — vwxyzjn · 2026-09-16
- 「AI 能用纸笔手算吗」引出硬核玩法:马尔可夫链+多项式投影做词性标注 — cephaloform · 2026-09-16
- Pichai 盘点谷歌 AI for Science:基因图谱、天气模型与 300 种语言 — sundarpichai · 2026-09-16
- 博主指出:多份基准测试的多数错误源自评测本身而非模型 — zainhas · 2026-09-16