一份把2.7%拉到55.3%的高难度考卷
Periodic Labs推出的Periodic Neon，是一款参数约1T的科学领域AI模型。它专攻的任务很具体：X射线衍射分析（XRD）。
X射线打在不同晶体上，会在固定角度衍射出亮峰，峰的位置就是材料的"指纹"。但实验合成出来的样品往往不纯，多种物质的指纹混叠在一起，肉眼和常规工具很难辨认。材料学家要确认合成产物是不是超导体、磁性材料或半导体，往往要在软件和论文里翻找比对很久。
Periodic团队挑选了134道这类"专家都头疼"的难题，组成FrontierXRD基准。Neon在这134道题上拿到了55.3%的成功率，比GPT-6 Astra和Claude Fable 5.1都高。这个成绩的参照意义在于：它在解题能力上击败了参数量翻倍、算力规模数十倍于自己的通用前沿模型。
为了防止模型靠记忆答对，团队另备了198道题，其化学体系在训练数据中被刻意剔除。Neon在这批题上仍领先一众前沿模型，不过官方承认这批题整体难度低于FrontierXRD。
成本方面也有反差：最高档下Neon每题约4美元，GPT-6 Astra每题约7美元却成功率更低，Claude Fable 5.1成本相近却成功率只有约40%。
把"说不清"变成能训练奖励：蒸馏式AI裁判
科学任务上的强化学习有一道硬门槛：自然世界不提供标准答案。
写代码的智能体可以靠跑测试自动判分，解数学题可以由形式化系统验证，但一张XRD图谱到底分析得对不对，光看拟合曲线是否对得上不够，还要看每个物相是否有图谱支持、化学上是否说得通。这需要专家判断。
Periodic的做法是：请材料专家给数千张XRD图谱打标签，再用这些标签校准一个由Opus 5和GPT-5.6 Sol组成的LLM裁判组。最终的校准数据有三个关键数字：
- 专家与专家之间的一致率：77.2%
- LLM裁判与单个专家的一致率：74.6%
- LLM裁判与专家共识的一致率：84%
这意味着AI裁判的靠谱程度已经接近人类专家彼此之间的水平。把"说不清"变成可自动计算的奖励信号，是Neon能够在物理世界跑RL的关键技术点。
配套的工具环境是Periodic Harness——团队自己搭的科学工具套件。在单题成本相当的情况下，Periodic Harness的成功率是基于Claude Code配标准XRD工具方案的3.8倍。AI做科研，脑子和手边的工具各占一半。
1300对10万背后的工程账
Neon最终训练时的峰值规模是1300张H200，对应中训练和强化学习两个阶段同时跑。而GPT-6 Astra背后是10万张以上Grace Blackwell，参数量据业内传闻在数万亿量级。两组数字直接相除得不出效率倍数，但说明Periodic把这1300张卡用到了极致。
科学任务的强化学习有一个怪毛病：模型做一道题要边想边查资料边跑工具，一趟可能一个多小时；但拿这道题的结果去更新模型只要几分钟。
Periodic的解法是把"做题"和"学习"分开，各用各的GPU互不等待。早期他们就翻过车：模型生成的代码申请了80GB内存，把整个任务搞崩。于是有了自研沙箱pbox——直接调用RL任务所在GPU节点上空闲的CPU跑科学工具，数据全程不出集群。和一家托管沙箱服务相比，pbox的数据传输快4.5倍，吞吐量是对方的3.3倍。闲下来的算力再分给物理模拟等科学计算任务，集群利用率常年保持在95%以上。
这里的推断是：当通用大模型的算力规模逼近物理极限时，针对特定领域的工程优化（沙箱设计、训练-推理调度、集群利用率）可能比单纯堆卡更能撬动性能。
不靠猜数据，靠物理实验室驱动的数据飞轮
Periodic真正的资产，是门洛帕克那间24小时连轴转的合成材料实验室。机械臂夹取样品，送进X射线衍射仪拍下指纹，再把图谱喂给Neon。
材料发现被拆成一个三段循环：先猜要做什么（基于对材料稳定性和性质的预测），再预测怎么把它合成出来，最后搞清实际做出了什么、性质对不对。拿到结果修正猜想，再来一轮。每循环一圈，实验室就吐出一批新鲜、私有、带着物理反馈的数据。
这套设计的出发点很清晰：互联网上的文本大约10T token，最好的前沿模型已经把它读完了。AI要再往前走，需要互联网上没有的新数据。Periodic的中训练语料混合了学术文献、代码和实验数据，规模目前每个月翻一倍。团队发现先靠中训练把科学知识灌进去，后面的RL效果更好。
值得一提的是，Liam Fedus曾负责GPT-4技术报告中的"数据飞轮"。三年后，他把飞轮从互联网文字搬进了真实物理实验室。飞轮的逻辑没变，喂进去的东西从人类写下的文字变成了自然给出的回答。
局限与边界：飞轮才转了三分之一
Neon目前只跑通了三段循环的最后一段：看懂实验室到底做出了什么。
至于让AI自主设计合成路径、决定下一轮跑哪些实验，官方说法是正在把这套方法往这些方向扩展。Fedus的措辞很克制：模型目前是"帮我们决定"，不是替科学家拍板。准确地说，实验、数据、训练之间的飞轮已经转起来了，但要实现全自主闭环，还有"决定做什么"和"如何合成"两个环节没打通。
Periodic自身也承认算力的价值。官方表示，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，并提到未来可以换一个更强的开放权重模型做底座。
值得注意的边界：FrontierXRD基准是团队自选题目，其他领域是否适用未经验证；LLM裁判虽然在XRD上接近专家水平，但跨领域泛化能力未给出数据。
如何用起来：当前可接入的方式
截至目前，Neon的部署状态是仅在Periodic Labs门洛帕克实验室内部运行，用于分析真实实验数据，辅助团队寻找更好的超导体和磁体。材料中未提及Neon提供公开API、开源权重或试用入口，也未提及其在云平台上架设端点。
对外部研究者来说，目前的接入路径只能是通过Periodic Labs的官方博客、新闻发布和合作伙伴渠道关注后续动向。如果未来Neon的能力开放到第三方，最可能的形态是面向材料科学家的分析工具接口，而非通用对话产品。
结论
1300张卡击败10万卡，背后真正的信号不是"小模型吊打大模型"，而是Scaling的下一阶段可能转向：谁能拥有源源不断产出新数据的物理实验环境，谁就多了一条继续变强的路。GPU依然重要，但光有GPU已经不够了。
飞轮还是那个飞轮，只是燃料从互联网文字换成了自然实验的产出。