Periodic Labs发布了科学模型Periodic Neon：它以开放权重的万亿参数模型Kimi K2.6为起点，使用公司实验室产生的材料数据进行中期训练和强化学习，再被部署回实验室分析X射线衍射结果。在最困难的内部评测FrontierXRD上，成功率从基础模型的2.7%提高到55.3%；Periodic称，它在这项特定任务上超过GPT‑6 Astra和Claude Fable 5.1，同时成本更低。真正值得关注的并非“1300张H200打败10万张GPU”的简单比较，而是公司正在建立实验—训练—再实验的闭环：实体实验室持续产生互联网上没有的新数据，模型从中学习，再决定下一轮应该合成和检测什么。不过，所有主要成绩目前都来自公司内部评测，依赖LLM裁判，尚无同行评审或独立复现；Neon继承了Kimi K2.6昂贵的预训练成果，而且截至检索时也未找到Neon权重的公开下载地址。
文章作者、来源：Periodic Labs
它解决的不是聊天问题，而是“实验到底做出了什么”
Periodic Labs正在寻找更好的超导体和磁性材料。实验人员可以设定目标材料、选择原料与温度，最后得到的粉末却未必是预期产物：里面可能同时存在目标晶相、没有反应完的原料，以及意外产生的副产物。
研究人员通常使用粉末X射线衍射，也就是XRD，判断样品的成分。X射线照射晶体后会形成一组峰值；不同晶体结构会产生不同图案，近似于材料的“指纹”。
但真实样品往往包含多种物质，其峰值会互相重叠。一个数学上拟合良好的答案，也可能在化学上不合理。分析人员还需要综合原料、温度、气氛、样品是否接触水分、此前实验、晶体数据库、热力学计算和相关论文，才能判断哪些物相真正存在、各自比例是多少。
Periodic称，复杂样品可能需要材料科学家分析数小时。在其评测中，获得认可的答案平均包含五种物相。这正是Neon要自动化的工作：读取衍射图和完整实验背景，调用数据库及科学软件，提出候选物相，再反复检验自己的解释。研究文章称，模型已被投入公司的高通量实验室使用。
从2.7%提高到55.3%
Neon并不是从零预训练的新基础模型。Periodic从开放权重的Kimi K2.6开始，加入由学术论文、代码和专有实验数据构成的科学语料进行中期训练，随后利用实验室数据进行强化学习。
在公司最困难的内部评测FrontierXRD上，原始Kimi K2.6的成功率为2.7%，Neon达到55.3%，约提高20倍。评测包含134个来自Periodic实验室的复杂样品。
公司还测试了198次来自保留化学体系的XRD测量：这些体系及包含它们的更大体系没有进入训练数据，但较小的子体系可能出现过。Neon在这组测试上同样领先受测的前沿模型，不过Periodic明确指出，这组题比FrontierXRD容易。
（原文有性能—成本散点图、强化学习算力扩展曲线，以及保留化学体系上的泛化结果图。）
这里的“超过GPT‑6 Astra和Claude Fable 5.1”必须限定在Periodic自建的XRD评测中。它不代表Neon具备更强的通用推理、编程或语言能力，也不能据此建立综合模型排名。
而且55.3%的成绩意味着，在最困难的样品上仍有接近一半没有成功解决。Neon更适合作为扩大科学家分析能力的工具，而不是无需审核的全自动材料专家。
实验室开始成为模型的训练环境
Periodic提出的核心逻辑是：公开互联网提供的高质量科学数据终究有限，实体实验室却可以不断制造新数据。
传统论文尤其偏向发表成功结果。哪些材料没有合成出来、哪些温度和配比失败、仪器出现过什么异常，这些信息往往不会进入论文，却对判断下一轮实验非常有价值。自主实验室可以把成功、失败和不确定结果全部保留下来。
公司把材料发现拆成三个循环步骤：
首先预测应该制造什么材料；随后预测怎样合成；最后分析实验究竟制造出了什么。分析结果再反馈给模型，用来修正下一轮假设。
Neon目前主要改进的是第三步。Periodic下一阶段希望让模型直接规划研究项目、编写合成流程，并选择下一项最有信息价值的实验。
这与数学、代码强化学习有一个重要区别。程序可以在几秒钟内运行测试，数学答案也可能由形式化系统检查；物理实验需要设备、材料和时间，有时持续数天，结果还可能含糊不清。公司无法像生成代码一样瞬间启动数万个真实实验，因此必须在实验等待期间，充分利用已经积累的数据训练和改进模型。
1300张H200并不等于从零训练万亿参数模型
Periodic称，Neon最后一次训练运行的峰值规模为1300张Nvidia H200，覆盖中期训练和强化学习阶段。公司将其与GPT‑6 Astra据称使用的10万张以上Blackwell GPU进行对比，以说明专业数据可以减少训练通用科学能力所需的算力。
但这不是同口径比较。
Neon继承了Kimi K2.6的万亿参数权重，也继承了其此前预训练投入的全部数据和算力。1300张H200只代表Periodic继续训练模型时的峰值规模，并不是得到这套万亿参数能力的全部成本。公司也没有披露完整训练时长、累计GPU小时、能源消耗或总费用。
更有价值的是其工程细节。基础设施文章称，公司在Megatron、SGLang、Miles和Ray之上进行修改，使长序列训练吞吐量达到其Megatron基线的4.1倍，并将万亿参数模型的解码速度从每个请求每秒10个Token提高到25个。
XRD Agent一次推理可能持续一个多小时，其间需要反复运行科学程序。早期系统曾让模型生成的代码申请80GB内存，导致整个训练任务崩溃。团队随后开发了名为pbox的隔离环境，把模型代码放在沙箱内运行，并利用GPU服务器空闲的CPU资源处理科学工具。
（基础设施原文包含超过一小时的Agent运行轨迹、异步训练与推理架构，以及pbox沙箱性能对比图。）
提升不全来自模型，工具和上下文同样重要
Periodic还用同一个Claude Opus 5比较了两种Agent环境。
一种是Claude Code加开源晶体数据库及标准XRD软件；另一种是Periodic自己的科学工作环境，其中包含实验背景、内部材料数据库、模拟结果和定制分析工具。
在模型完全相同、单次分析成本相近的情况下，Periodic环境的成功率达到前者的3.8倍。这说明XRD任务的瓶颈不只是模型权重，还包括模型能否看到正确的实验记录、调用合适的工具，并保存此前研究积累。
因此，Neon的竞争优势可能难以通过复制一个模型完全复现。更重要的资产是模型背后的实验室数据、数据库、仪器接口和分析流程。
这也代表科学AI可能形成不同于通用聊天模型的竞争格局：实验室越大，产生的专有数据越多；模型越好，能够指导的实验越多；新实验又进一步扩大数据优势。
没有标准答案时，Periodic用AI给AI打分
复杂XRD分析通常不存在便宜、唯一且可以自动验证的标准答案。峰形拟合得好，不代表结果符合化学规律。因此，Periodic让三名材料相关专业的博士分别标注数千个图案，再训练由Claude Opus 5和GPT‑5.6 Sol组成的裁判系统，为模型输出评分。
三名人类专家之间的两两一致率为77.2%；LLM裁判与单个人类专家的一致率为74.6%；与专家共识相比，一致率为84%。
这些结果表明AI裁判可以近似专家判断，但并不等同于客观真值。人类之间本来就存在分歧，而裁判模型也可能偏爱某种回答风格，或漏掉所有标注者共同没有识别出的错误。
更需要注意的是，FrontierXRD的模型、工作环境、样品和评分方法都由Periodic设计。虽然公司公开了较多方法与统计数据，但尚未发布完整评测集、训练数据或可供外界重新运行的Neon权重，结果也没有经过同行评审。
“从开放权重开始”不等于Neon已经开源
Periodic明确说明Neon从开放权重模型Kimi K2.6继续训练。部分社交媒体传播因此把Neon称为“开放权重科学模型”。
但截至检索时，官方发布没有提供Neon的模型卡、许可证或权重下载地址，也没有给出可完整复现中期训练和强化学习的代码与数据。准确的说法应是：Neon建立在开放权重模型之上，而不是已经确认对外开放了训练后的Neon权重。
这一区别很重要。外部研究人员目前无法独立验证55.3%的成绩，也无法判断提升中有多少来自实验数据、强化学习、专用工具、推理预算或评测环境。
真正的变化，是AI开始吃到“现实世界的新数据”
过去的科学大模型主要学习已经写成论文、专利和数据库记录的知识。Periodic试图跨出下一步：让模型观察今天刚完成、从未出现在互联网中的实验，然后用这些结果指导明天的实验。
它还不是完整的“AI科学家”。人类仍要确定研究目标、建设实验室、维护仪器、设计奖励、审核XRD结论，并决定哪些材料值得继续投入。Neon目前证明的是其中一个关键环节可以被显著自动化：随着实验数量增加，结果分析不必完全依赖同比例增加的人类专家。
如果这套闭环有效，未来科学模型的竞争优势可能不再只取决于谁拥有更多公开文本和GPU，也取决于谁能稳定运行真实实验、记录失败结果，并把自然世界转化为持续更新的训练环境。