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 BlackwellNeon 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。