Periodic Labs 使用 1300 顆 H200 GPU 訓練萬億參數模型，用於科學實驗

Periodic Labs 發布了科學模型 Periodic Neon：它以開放權重的萬億參數模型 Kimi K2.6 為起點，使用公司實驗室產生的材料數據進行中期訓練和強化學習，再部署回實驗室分析 X 射線衍射結果。在最困難的內部評測 FrontierXRD 上，成功率從基礎模型的 2.7% 提高到 55.3%；Periodic 表示，它在這項特定任務上超越 GPT‑6 Astra 和 Claude Fable 5.1，同時成本更低。真正值得關注的並非「1300 張 H200 打敗 10 萬張 GPU」的簡單比較，而是公司正在建立實驗—訓練—再實驗的閉環：實體實驗室持續產生互聯網上沒有的新數據，模型從中學習，再決定下一轮應合成和檢測什麼。不過，所有主要成績目前均來自公司內部評測，依賴 LLM 裁判，尚無同行評審或獨立複現；Neon 繼承了 Kimi K2.6 昂貴的預訓練成果，而且截至檢索時也未找到 Neon 權重的公開下載地址。

文章作者、來源：Periodic Labs

Periodic Labs 正在尋找更好的超導體和磁性材料。實驗人員可以設定目標材料、選擇原料與溫度，但最終得到的粉末未必是預期產物：裡面可能同時存在目標晶相、未反應完的原料，以及意外產生的副產物。

研究人員通常使用粉末X射線衍射（XRD）來判斷樣品的成分。X射線照射晶體後會形成一組峰值；不同晶體結構會產生不同圖案，類似於材料的「指紋」。

但真實樣品往往包含多種物質，其峰值會互相重疊。一個數學上擬合良好的答案，也可能在化學上不合理。分析人員還需要綜合原料、溫度、氣氛、樣品是否接觸水分、此前實驗、晶體數據庫、熱力學計算和相關論文，才能判斷哪些物相真正存在、各自比例是多少。

Periodic 表示，複雜樣品可能需要材料科學家花費數小時進行分析。在其評測中，獲得認可的答案平均包含五種物相。這正是 Neon 要自動化的工作：讀取衍射圖和完整實驗背景，調用資料庫及科學軟體，提出候選物相，再反覆檢驗自己的解釋。研究文章稱，模型已投入公司的高通量實驗室使用。

Neon 並非從零開始預訓練的新基礎模型。Periodic 從開放權重的 Kimi K2.6 開始，加入由學術論文、代碼和專有實驗數據構成的科學語料進行中期訓練，隨後利用實驗室數據進行強化學習。

在公司最困難的內部評測 FrontierXRD 上，原始 Kimi K2.6 的成功率為 2.7%，Neon 達到 55.3%，約提高 20 倍。評測包含 134 個來自 Periodic 實驗室的複雜樣品。

公司還測試了198次來自保留化學體系的XRD測量：這些體系及其包含的更大體系未進入訓練數據，但較小的子體系可能曾出現過。Neon在這組測試中同樣領先於受測的前沿模型，不過Periodic明確指出，這組題目比FrontierXRD簡單。

（原文包含性能—成本散點圖、強化學習算力擴展曲線，以及在化學體系上保留的泛化結果圖。）

這裡的「超過 GPT‑6 Astra 和 Claude Fable 5.1」必須限定在 Periodic 自建的 XRD 評測中。它不代表 Neon 具備更強的通用推理、編程或語言能力，也不能據此建立綜合模型排名。

而且 55.3% 的成績意味著，在最困難的樣品上仍有接近一半沒有成功解決。Neon 更適合作為擴大科學家分析能力的工具，而不是無需審核的全自動材料專家。

Periodic 提出的核心邏輯是：公開互聯網提供的高質量科學數據終究有限，實體實驗室卻可以不斷製造新數據。

傳統論文尤其偏向發表成功結果。哪些材料沒有合成出來、哪些溫度和配比失敗、儀器出現過什麼異常，這些資訊往往不會進入論文，卻對判斷下一轮實驗非常有價值。自主實驗室可以把成功、失敗和不確定結果全部保留下來。

公司將材料發現拆分成三個循環步驟：

首先預測應該製造什麼材料；隨後預測怎樣合成；最後分析實驗究竟製造出了什麼。分析結果再反饋給模型，用來修正下一轮假設。

Neon 目前主要改進的是第三步。Periodic 下一階段希望讓模型直接規劃研究項目、編寫合成流程，並選擇下一項最有資訊價值的實驗。

這與數學、代碼強化學習有一個重要區別。程式可以在幾秒鐘內運行測試，數學答案也可能由形式化系統檢查；物理實驗需要設備、材料和時間，有時持續數天，結果還可能含糊不清。公司無法像生成代碼一樣瞬間啟動數萬個真實實驗，因此必須在實驗等待期間，充分利用已經累積的數據訓練和改進模型。

Periodic 表示，Neon 最後一次訓練運行的峰值規模為 1300 張 Nvidia H200，涵蓋中期訓練和強化學習階段。公司將其與據稱用於 GPT‑6 Astra 的 10 萬張以上 Blackwell GPU 進行對比，以說明專業數據可減少訓練通用科學能力所需的算力。

但这不是同口径比較。

Neon 繼承了 Kimi K2.6 的萬億參數權重，以及其此前預訓練所投入的全部數據和算力。1300 張 H200 僅代表 Periodic 在繼續訓練模型時的峰值規模，而非獲得這套萬億參數能力的全部成本。公司也未披露完整的訓練時長、累計 GPU 小時、能源消耗或總費用。

更有價值的是其工程細節。基礎設施文章稱，公司在 Megatron、SGLang、Miles 和 Ray 之上進行修改，使長序列訓練吞吐量達到其 Megatron 基線的 4.1 倍，並將萬億參數模型的解碼速度從每個請求每秒 10 個 Token 提高到 25 個。

XRD Agent 的一次推理可能持續一個多小時，期間需要反覆運行科學程序。早期系統曾讓模型生成的代碼申請 80GB 記憶體，導致整個訓練任務崩潰。團隊隨後開發了名為 pbox 的隔離環境，把模型代碼放在沙箱內運行，並利用 GPU 伺服器空閒的 CPU 資源處理科學工具。

（基礎設施原文包含超過一小時的Agent運行軌跡、非同步訓練與推理架構，以及pbox沙箱效能對比圖。）

Periodic 還使用相同的 Claude Opus 5 比較了兩種 Agent 環境。

一種是 Claude Code 加上開源晶體資料庫及標準 XRD 軟體；另一種是 Periodic 自己的科學工作環境，其中包含實驗背景、內部材料資料庫、模擬結果和定製分析工具。

在模型完全相同、單次分析成本相近的情況下，Periodic 環境的成功率達到前者的 3.8 倍。這說明 XRD 任務的瓶頸不只是模型權重，還包括模型能否看到正確的實驗記錄、調用合適的工具，並保存此前研究積累。

因此，Neon 的競爭優勢可能難以僅通過複製一個模型完全複現。更重要的資產是模型背後的實驗室數據、資料庫、儀器介面和分析流程。

這也意味著科學AI可能形成與通用聊天模型不同的競爭格局：實驗室越大，產生的專有數據越多；模型越好，能指導的實驗越多；新實驗又進一步擴大數據優勢。

複雜的 XRD 分析通常不存在便宜、唯一且可自動驗證的標準答案。峰形擬合得好，不代表結果符合化學規律。因此，Periodic 讓三名材料相關專業的博士分別標註數千個圖案，再訓練由 Claude Opus 5 和 GPT‑5.6 Sol 組成的裁判系統，為模型輸出評分。

三名人類專家之間的兩兩一致率為 77.2%；LLM 裁判與單一人類專家的一致率為 74.6%；與專家共識相比，一致率為 84%。

這些結果表明 AI 裁判可以近似專家判斷，但並不等同於客觀真值。人類之間本就存在分歧，而裁判模型也可能偏愛某種回答風格，或漏掉所有標註者共同沒有識別出的錯誤。

更需要注意的是，FrontierXRD 的模型、工作環境、樣品和評分方法都由 Periodic 設計。雖然公司公開了較多方法與統計數據，但尚未發布完整評測集、訓練數據或可供外界重新運行的 Neon 權重，結果也沒有經過同行評審。

Periodic 明確說明 Neon 從開放權重模型 Kimi K2.6 繼續訓練。部分社群媒體因此將 Neon 稱為「開放權重科學模型」。

但截至檢索時，官方發布未提供 Neon 的模型卡、許可證或權重下載地址，也未提供可完整複現中期訓練和強化學習的代碼與數據。準確的說法應是：Neon 建立在開放權重模型之上，而不是已經確認對外開放了訓練後的 Neon 權重。

這一區別很重要。外部研究人員目前無法獨立驗證 55.3% 的成績，也無法判斷提升中有多少來自實驗數據、強化學習、專用工具、推理預算或評測環境。

過去的科學大模型主要學習已寫成論文、專利和資料庫記錄的知識。Periodic 試圖跨出下一步：讓模型觀察今天剛完成、從未出現在互聯網中的實驗，然後用這些結果指導明天的實驗。

它還不是完整的「AI 科學家」。人類仍需確定研究目標、建設實驗室、維護儀器、設計獎勵、審核 XRD 結論，並決定哪些材料值得繼續投入。Neon 目前證明的是其中一個關鍵環節可以被顯著自動化：隨著實驗數量增加，結果分析不必完全依賴同比例增加的人類專家。

如果這套閉環有效，未來科學模型的競爭優勢可能不再只取決於誰擁有更多公開文本和 GPU，也取決於誰能穩定運行真實實驗、記錄失敗結果，並將自然世界轉化為持續更新的訓練環境。