前OpenAI研究副总裁Liam Fedus在X上发帖，亮出了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在自家拆解基准上超过了GPT-6 Astra。
这组数字很快在圈内炸开。Jeff Dean第一时间在Fedus帖子下留言祝贺。
1300对10万，背后藏着让AI继续变强的另一条路。
一张XRD考卷，把成功率从2.7%拉到55.3%
Neon要解决的难题叫X射线衍射拆解，简称XRD。
一束X射线照进晶体，会在几个固定角度衍射出亮峰。材料不同，亮峰位置也不同，像指纹。
合成出来的东西是不是超导体、磁性材料或半导体材料，先要看这枚指纹对不对得上。
麻烦在于实验室合成的样品通常极不纯净，好几类物质重叠在一起，就像几百个人的指纹乱七八糟印在同一张纸上。
材料学家要认清里面有什么，一般得开软件、翻数据库、对照论文，折腾很久。
Periodic挑出134道连专家都头疼的硬骨头，构成基准验证Frontier XRD。Neon的55.3%就是在这134道题上拿到的。
所有模型用的都是Periodic自己搭的科学工具环境Periodic Harness。与依托Claude Code、配基准XRD工具的策略相比，在单题开销差不多的情况下，Periodic Harness的成功率是后者的3.8倍。
AI做科研，一半靠脑子，一半靠手边的工具。
小组还另外准备了198道题，题目涉及的化学体系在训练数据里被刻意剔除，目标是防止模型背答案。Neon仍旧领先一众前沿模型。不过官方也承认，这套题比Frontier XRD简单。
开销上Neon也更划算。最高档下Neon成功率55.3%，每题开销约4美元多；GPT-6 Astra每题约7美元多，成绩反而低于Neon；Claude Fable 5.1开销和Astra相近，成功率只有约40%。
互联网快被读完了，他们想造一口不会干的水井
抛开跑分，Periodic真正想让人看到的，是它在门洛帕克建起的高通量材料实验室。
从最初的第一批实验，到如今24小时连续运转，Periodic把材料发现拆成了一个循环：先猜要做什么，根据是对材料稳定性和性质的预估；再预估怎么把它合成出来；最后搞清楚现实做出了什么，性质对不对。拿到结果，修正猜想，再来一轮。
每转一圈，实验室就吐出一批新鲜、私有、带着物理反馈的数据。这些数据就是Neon的原料。
Periodic的训练语料混合了学术文献、代码和实验数据，体量目前每个月翻一倍。他们还发现，先靠中训练把科学知识灌进去，后面的RL效果更好。而且实验跑的时候GPU不用干等，模型能拿已有的实验数据继续拆解、继续改善预估。
Periodic那篇研究博客的标题叫「自然就是我们的学习环境」。
它瞄准的是AI圈绕不过去的一道坎：过去几年Scaling靠的是把互联网数据越堆越多，可互联网上的文本早已快被前沿模型读完。接下来谁手里有能不断产出新数据的环境，谁就多了一条延续Scaling的路。
互联网是一座挖一点少一点的数据矿，实验室是一口能源源不断出水的井。
自然不给基准答案，Periodic请了个AI裁判
把RL搬进物理世界，难度完全不在一个量级。
数字世界的RL已经让智能体写出了几乎所有代码，还解开了悬而未决的数学猜想，秘诀是派出海量智能体。到了物理世界，这三样全卡住了：智能体不能说加就加，多跑一路实验就要多一份电力、设备和场地；一次实验可能要几天；结果还经常模棱两可。
最后一条最要命。Periodic在研究博客里说得很精辟：科学可以被证伪，但不容易被校验。
一张XRD图谱，光看拟合对不对得上，没法低成本判定拆解是否成功。还得有专家来判断，每个物相有没有图谱依据，化学上说不说得通。
Periodic的方案是把专家的判断蒸馏成裁判。他们请材料专家给数千个XRD图谱打标签，再用这些标签校准一个由Opus 5和GPT-5.6 Sol构成的LLM裁判组，三组数字很能说明问题：
专家和专家之间，一致率77.2%；LLM裁判和单个专家，一致率74.6%；LLM裁判和专家共识，一致率84%。
这个AI裁判的靠谱程度已经逼近人类专家彼此之间的水准。能把说不清变成可训练的奖励，是Neon的一项硬核手段。
1300对10万，这些卡到底怎么省出来的
1300张H200是Neon最终训练时，中训练和强化学习两个阶段同时在跑的峰值卡数。Astra的10万张以上Blackwell，对应的是一个前沿通用模型的大体量训练。
1300对10万算不出一个效率倍数，但它至少说明一件事：算力总量拼不过巨头，就拼每个GPU小时能换回多少科学产出。
模型做一道题要边想、边查资料、边跑工具，这是科学任务上的强化学习。可拿这道题的结果去更新模型，只要几分钟。
让做题和训练分开、各用各的GPU，是Periodic的方案。这里有个真实的翻车故事。
他们最早的RL循环，训练、推理和模型写的代码全挤在一起，没有任何隔离。直到有一次，模型写的代码申请了80GB内存，整个任务当场崩掉。
于是有了自研沙箱pbox。它直接调用RL任务所在GPU机器上闲着的CPU来跑科学工具，数据全程不出机群。和他们测过的一家托管沙箱方案相比，数据来回快了4.5倍，吞吐量是对方的3.3倍。
训练闲下来的算力再分给物理模拟等科学计算任务，整个机群的通过率常年维持在95%以上。
飞轮还是那个飞轮，燃料换了
Neon已经上线进Periodic的实验室，拆解真实实验，帮小组寻找更好的超导体和磁体。
回到前面那个三段循环，Neon这次验证的只是最后一段：看懂实验室到底做出了什么。至于让AI指挥整个科研流程、构建合成路线、决定下一轮跑哪些实验，Periodic官方的说法是正在把这套方法往这些方向扩展。
Fedus的措辞也很克制：模型目前是帮我们决定，并非替科学家拍板。要实现全自主回路，还有两个步骤没打通：决定做什么，以及怎么做。
实验、数据、训练之间的飞轮已经转起来了。Periodic也没打算否认算力的意义。官方说明，把训练算力扩到与今天前沿模型相当的量级，能解锁更强的科学能力。他们也提到，将来可以换一个更强的开放权重模型做基础。
GPU仍旧重要，但光有GPU不够了。
回头看Fedus的履历：在GPT-4技术报告的贡献者名单里，他的角色是数据飞轮负责人。三年后，他把这个飞轮从互联网文字搬进了真实的物理实验室。
飞轮还是那个飞轮，变的只是喂进去的东西：从人类写下的文字，换成了自然给出的回答。
下一阶段的Scaling，比的也许不再只是谁能买下十万张芯片，还要看谁的实验室能一刻不停地往模型里送真实世界的数据。
文：张燕妮
来源：新智元
