1300 张 H200 完胜 10 万张芯片，Periodic Neon 惊艳亮相
近日，前 OpenAI 研究副总裁 Liam Fedus 在 X 上发帖，亮出 Periodic Labs 的第一个模型——Periodic Neon。只用 1300 张 H200，加上几个月的实验数据，Neon 在自家的分析基准上超过了 GPT - 6 Astra。
实验室里的努力与突破
Periodic 门洛帕克高磁场材料实验室里，机械臂在样品上方作业，样品被送进 X 射线衍射仪拍下「指纹」变成图谱。实验室 24 小时不停运转，进行合成、测量、喂数据等工作。Fedus 表示第一批要攻克超导体、磁体和半导体材料难题。他曾是 ChatGPT 核心创造者之一，深知模型变强关键。去年创立 Periodic 时指出互联网文本被读完，AI 进步需实验室新数据，于是拉人自建实验室、自制数据，目标打造 AI 科学家。
Neon 答卷亮眼，参数算力反差引轰动
一年后，Neon 约 1T 参数，在高难度 X 射线衍射（XRD）分析测试上成功率达 55.3%，超越 GPT - 6 Astra 和 Claude Fable 5.1。业内传闻 Astra 总参数数万亿量级，Neon 仅 1T；算力上，Astra 背后是 10 万张以上 Grace Blackwell，Neon 最终训练峰值规模 1300 张 H200。这一反差引起业内轰动，Jeff Dean 留言祝贺。
XRD 问题解决与成本优势
Neon 解决 X 射线衍射分析（XRD）问题，X 射线亮峰像材料「指纹」，但样品不纯净识别难。Periodic 选 134 道难题组成 FrontierXRD 测试，Neon 成功率 55.3%。所有模型用 Periodic Harness，与基于 Claude Code、配标准 XRD 工具方案相比，单题成本相近时，成功率是 3.8 倍。为防「背答案」，准备 198 道题，Neon 仍领先。成本上，Neon 最高档成功率 55.3%，每题约 4 美元多，GPT - 6 Astra 每题约 7 美元多且成绩低，Claude Fable 5.1 成本相近成功率约 40%。
实验室循环与数据产出
抛开跑分，Periodic 展示门洛帕克高通量材料实验室。材料发现拆成循环：预测材料、合成方法、确定实际材料及性质，结果修正猜想再循环。每循环产出新鲜数据是 Neon 原料。中训练语料混合多种数据，规模每月翻一倍，先中训练后强化学习效果好，实验时 GPU 可利用已有数据。
RL 应用难题与 AI 裁判解决
把 RL 应用到物理世界难度大，数字世界 RL 能完成很多任务，但物理世界智能体不能随意增加，实验时间长结果模糊。Periodic 将专家判断「蒸馏」成裁判，校准 LLM 裁判组，数据显示 AI 裁判接近人类专家水平。
算力利用与自研沙箱优势
1300 张 H200 是 Neon 中训练和强化学习峰值卡数，Astra 10 万张以上 Blackwell 对应大规模训练。科学任务强化学习中，做题和学习分开用 GPU。Periodic 曾因模型代码问题自研沙箱 pbox，数据传输快 4.5 倍，吞吐量是 3.3 倍，训练闲置算力用于科学计算，集群利用率 95%以上。
Neon 应用与未来展望
目前，Neon 已部署进实验室帮助找材料。但实现全自主闭环还有决定做什么和如何合成两个环节未打通。Periodic 不否认算力价值，增加训练算力可解锁更强能力，未来可换更强开放权重模型。Fedus 曾是 GPT - 4 「数据飞轮」负责人，如今把飞轮从互联网文字搬到物理实验室，未来 AI 发展比拼芯片数量和实验室数据提供能力。
