Periodic 用 1300 块 H200 训出万亿参科学模型 Neon,自建实验室闭环超 GPT-6 Astra
LiamFedus · x · 2026-09-16
前 OpenAI 人士 Liam Fedus 参与的 Periodic Labs 发布了开源模型 Neon:在帕洛阿尔托/Menlo Park 自建高通量材料实验室,让实验生成数据、模型学习数据、模型再决定下一个实验,形成闭环。仅用峰值 1300 块 H200,经 mid-training 与 RL,在其 X 射线衍射评测上超越 GPT-6 Astra 与 Claude Fable 5.1,聚焦超导体、磁性材料、半导体等难题。
工程要点:
- 基于 Megatron、SGLang、Miles、Ray 深度改造,适配 RL rollout 需数小时推理与工具执行、而训练步只需几分钟的科学负载
- 训练吞吐达标准方案 4.1 倍,内存效率与长上下文训练性能达 SOTA(长科学轨迹对显存与并行是极大考验)
- 与科学建模仿真负载共享算力,维持 95%+ 集群利用率
核心叙事是「用真实实验数据 + 极致工程效率,以小算力打败前沿模型在其专精领域上的表现」。
所属事件:Periodic 用 1300 张 H200 训出超越 GPT-6 的科学模型 Neon(44 条相关)→
「Infra」频道最新
- Grafana 面板成为 AI Agent 可执行上下文，一个面板助诊两起长会话 — WirelessLife · 2026-09-16
- 预测:2035 年美国数据中心天然气消耗将超德日总和 — Polymarket · 2026-09-16
- 普林斯顿造出光可编程「可擦写」超薄半导体，仅数分子厚 — MengdiWang10 · 2026-09-16
- M5 Pro 48GB 跑 Qwen Flash:13-14 tok/s、吃 21-24GB 内存 — carloslfu · 2026-09-16
- 黄仁勋批超大规模云厂商:一年一规划,永远踩错 AI 节奏 — rohanpaul_ai · 2026-09-16
- 双 5090 跨机 RPC 跑 Qwen:解码 90-100 tok/s,预填充 3000 tok/s — ilarp · 2026-09-16