Deep Principle publie Hydrogen-1.0 en version INT8 à télécharger
Image générée par l’équipe éditoriale d’Inferama
01

Ce que Deep Principle a publié

Deep Principle a publié une version quantifiée INT8 de Hydrogen-1.0 dans un dépôt public. Ce checkpoint est une variante du modèle scientifique de l’entreprise, et non une nouvelle génération de Hydrogen. La documentation désigne GLM-5.3, de Z.AI, comme modèle de base.

La révision publique identifiable du dépôt contient les poids et la documentation de cette variante. Toutefois, la date de publication initiale n’est pas confirmée : la révision permet d’identifier l’état de l’artefact, mais ne suffit pas à établir à quelle date il a été annoncé ou mis à disposition.

Le modèle est conçu pour traiter par écrit des questions scientifiques, expliquer des démonstrations et structurer des réponses à des problèmes de recherche ouverts. Sa fiche mentionne des démonstrations en calcul scientifique, en exploration de réseaux de réactions, en analyse de structures par RMN et en planification expérimentale. Ces exemples s’appuient sur des outils externes et des environnements de recherche spécifiques ; ils ne démontrent pas à eux seuls des performances générales ni la validité de résultats scientifiques.

Cette publication offre une option de déploiement dont les poids occupent moins d’espace que ceux de la version BF16, au prix d’exigences de compatibilité et d’éventuels effets de la quantification. Réduire la mémoire ne garantit ni une meilleure vitesse ni une meilleure exactitude. La fiche précise qu’il ne faut pas s’attendre à ce que cette version soit plus rapide que BF16.

02

Accès, taille et disponibilité

Le dépôt propose les poids INT8 et leurs fichiers de configuration pour un téléchargement et une exécution dans un environnement compatible. Le checkpoint pèse environ 793 Go, soit 739 Gio, contre environ 1,5 To pour la version BF16 mentionnée dans la fiche. Cette réduction peut faciliter la planification du stockage et de la mémoire, mais le déploiement exige toujours des ressources importantes.

La publication des poids ne confirme ni API publique hébergée ni tarif d’utilisation dans le cloud. Pour essayer le modèle, il faut disposer de sa propre infrastructure ou d’un fournisseur compatible avec ce checkpoint ; le coût de calcul et de stockage dépendra de cet environnement. La fiche ne publie aucun prix d’entrée ou de sortie pour une API hébergée.

La documentation annonce une fenêtre de contexte pouvant atteindre 1 million de tokens et une longueur de sortie maximale de 128 000 tokens, tout en précisant que les limites effectives dépendent du moteur d’inférence, de la configuration du service et des ressources disponibles. La commande de déploiement donnée en exemple fixe le contexte à 262 144 tokens, soit moins que le maximum annoncé pour le modèle. Ces capacités maximales ne doivent donc pas être confondues avec la limite de chaque installation.

La présence des fichiers de poids dans le dépôt confirme qu’une version téléchargeable existe dans la révision identifiée. Elle ne suffit pas à établir qu’un service géré est disponible, que tout utilisateur peut faire fonctionner le modèle sur son propre matériel ou que tous les fournisseurs proposent la même fenêtre de contexte.

Ce que signifient les données de disponibilité

La fiche distingue le checkpoint téléchargeable des limites définies par chaque déploiement.

DonnéeCe qu’elle permet de conclureCe qu’elle ne confirme pas
Poids INT8 dans le dépôtUne version des poids est disponible dans la révision identifiée.L’existence d’une API hébergée ou la date de publication initiale.
Contexte annoncé jusqu’à 1 million de tokensLe modèle et sa fiche présentent ce maximum comme une capacité prévue.La possibilité pour tout moteur ou serveur de l’activer.
Exemple de déploiement à 262 144 tokensCette configuration précise fixe une limite inférieure.L’obligation pour toutes les installations d’utiliser cette limite.
Tarif d’API non publiéLa fiche ne confirme aucun tarif pour un service hébergé.La gratuité d’une infrastructure propre.
03

Ce que change la quantification INT8

INT8 désigne le stockage de certains poids du modèle sous forme d’entiers sur 8 bits. Pour cette version, Deep Principle indique que la quantification porte sur les experts routés des couches 3 à 77 et sur les réseaux MLP denses des couches 0 à 2, avec des poids symétriques et une échelle par groupe de 128 poids. Les activations et plusieurs composants partagés, dont l’attention, le routeur et les embeddings, restent en BF16.

Cette portée partielle est importante : INT8 ne signifie pas que chaque composant du modèle utilise des entiers sur 8 bits. La fiche décrit une quantification des poids uniquement, appliquée directement aux poids BF16 sans données de calibration. Elle indique aussi que le checkpoint utilise le format compressed-tensors pack-quantized ; le moteur d’inférence doit donc prendre en charge ce format et son chemin d’exécution pour les poids entiers des modèles MoE.

Le fournisseur présente la réduction de l’espace occupé par les poids par rapport à BF16 comme le principal avantage pratique. En contrepartie, il faut conserver les fichiers de configuration et utiliser un moteur d’inférence compatible avec la combinaison de composants INT8 et BF16. Le format n’est pas lié à une marque précise de GPU, mais cette portabilité ne prouve pas que le modèle a été testé sur tous les matériels.

La documentation avertit que la quantification peut affecter les sorties et recommande de valider le modèle pour l’usage prévu. Elle ne publie aucune mesure chiffrée de précision propre à cette version INT8 ; il est donc impossible d’en déduire l’ampleur d’une éventuelle différence de qualité par rapport à BF16.

04

Prérequis et portée des tests

Deep Principle indique avoir testé le checkpoint avec SGLang 0.5.20 et huit GPU NVIDIA B300. La fiche limite explicitement cette déclaration à cet environnement : aucun test sur d’autres matériels ou moteurs d’inférence n’est documenté. Ce résultat constitue un point de référence pour la configuration, et non une garantie de fonctionnement sur tous les serveurs.

L’exemple de lancement exige de désactiver la fusion des experts partagés. La raison donnée est que les experts partagés utilisent BF16, tandis que les experts routés utilisent INT8 ; le moteur d’inférence ne peut pas fusionner ces poids dans un seul tenseur d’experts. D’après la documentation, sans cette option, SGLang ne place pas correctement les poids des experts partagés.

Le déploiement doit aussi conserver les fichiers de configuration du checkpoint, notamment config.json, avec le tokenizer, le modèle de conversation, generation_config.json et l’index des poids. Ces fichiers permettent au moteur d’inférence d’utiliser les paramètres de quantification et les conventions de génération de cette version. Les remplacer par ceux d’une autre variante peut modifier la configuration effective ou empêcher le chargement.

La fiche recommande également d’examiner le code distant avant de l’exécuter. La compatibilité du format, la mémoire disponible et la configuration de la fenêtre de contexte sont des conditions distinctes : satisfaire l’une ne garantit pas les autres. En particulier, augmenter la fenêtre de contexte au-delà de la valeur de l’exemple exige un moteur compatible et suffisamment de mémoire.

Vérifications avant le déploiement

Suivez ces étapes pour évaluer si un environnement peut exécuter le checkpoint ; elles ne remplacent pas les tests de fonctionnement.

  1. 01Vérifiez que le moteur d’inférence prend en charge le format compressed-tensors pack-quantized et un chemin compatible avec les modèles MoE à poids entiers.
  2. 02Assurez-vous que la mémoire disponible suffit pour les poids, la fenêtre de contexte demandée et les ressources supplémentaires du service.
  3. 03Conservez ensemble les poids, config.json, le tokenizer, le modèle de conversation, generation_config.json et l’index des poids de la même version.
  4. 04Configurez la gestion des experts partagés requise par le checkpoint ; l’exemple avec SGLang comprend --disable-shared-experts-fusion.
  5. 05Commencez avec une fenêtre de contexte adaptée à la mémoire et au moteur d’inférence, puis augmentez-la uniquement si l’environnement le permet.
  6. 06Testez le modèle sur les tâches visées et vérifiez ses conclusions scientifiques de manière indépendante.
05

À quoi sert le modèle et ce que cela ne démontre pas

Hydrogen-1.0 vise l’exploration pédagogique et l’assistance aux tâches scientifiques : expliquer des équations, dérouler des démonstrations en explicitant leurs hypothèses et préparer des réponses structurées à faire vérifier par des spécialistes. La fiche ne présente pas ses réponses comme des résultats expérimentaux confirmés. Une explication détaillée ou formulée avec assurance n’est pas une preuve d’exactitude.

Le modèle peut se tromper sur des faits, des calculs, des équations, des références ou des explications scientifiques. Ses performances peuvent aussi varier selon la discipline, la langue, le format de la tâche et la longueur de l’entrée. Une longue fenêtre de contexte ne garantit pas qu’il récupère, comprenne ou utilise correctement chaque détail fourni.

La fiche précise que l’évaluation porte sur des questions scientifiques à choix multiples et des problèmes de recherche ouverts. Elle ne donne aucun résultat chiffré propre à cette version quantifiée INT8. Les démonstrations du modèle d’origine ne peuvent pas non plus être automatiquement transposées à cette version ni interprétées comme des réplications indépendantes.

Pour évaluer le modèle dans un cas d’usage précis, préparez des exemples représentatifs, vérifiez les calculs avec des méthodes indépendantes et contrôlez les citations et affirmations dans la littérature primaire. Pour les applications ayant des conséquences sur la santé, la sécurité ou d’autres décisions importantes, ses réponses ne suffisent pas à prendre une décision sans examen par une personne compétente.

06

Licence et fichiers inclus

Les poids quantifiés de Hydrogen-1.0 INT8 sont distribués sous la licence MIT incluse dans le dépôt. Cette licence impose de conserver les mentions de droit d’auteur et de permission lors de l’utilisation ou de la redistribution des poids. Le document de portée attribue le modèle de base GLM-5.3 à Z.AI et précise que la licence de Hydrogen ne modifie pas celle d’un checkpoint original de GLM-5.3 obtenu séparément.

La documentation et les exemples originaux rédigés par Deep Principle relèvent d’une licence distincte, Apache License 2.0. Les fichiers tiers, comme les configurations, les tokenizers, les modèles de conversation ou le code, conservent leurs propres licences et mentions. La licence MIT des poids ne place pas automatiquement tous les composants associés sous licence MIT.

Le dépôt ne comprend ni les jeux de données complets d’entraînement ni les recettes d’entraînement intégrales. La licence des fichiers publiés ne donne pas non plus accès aux ressources d’entraînement absentes de la version ni le droit de les redistribuer.

La nouveauté vérifiable est donc une version INT8 téléchargeable, dont les poids sont moins volumineux que ceux de BF16 et qui impose des exigences d’exécution spécifiques. La date de publication initiale et l’existence d’un service hébergé restent à confirmer ; aucune évaluation chiffrée publiée ne mesure l’effet de cette quantification sur la qualité.

07

Poursuivre l’exploration

Sources consultées

03

Corrections et transparence

Si vous repérez une information incorrecte ou obsolète, envoyez-nous la page et la source à vérifier.

Proposer une correction