Hydrogen-1.0

deep-principle/hydrogen-1.0, Deep Principle'ın GLM-5.3 üzerine kimya, malzeme bilimi ve yaşam bilimleri verisiyle eğittiği açık ağırlıklı modeldir. Eğitim verisinde başarısız deneyler de dahil olmak üzere laboratuvar kayıtları bulunur. Deney planlamak, reaksiyonlar ve spektrumlar üzerine akıl yürütmek ve deney sonuçlarını yorumlamak için kullanılır. LLMTR'de OpenAI uyumlu /v1/chat/completions ucuyla, mevcut LLMTR API anahtarınızla çağrılır.

Model	Bağlam	Girdiler	Giriş / Cache okuma / Çıkış ($/1M)
deep-principle/hydrogen-1.0	1.000.000	Metin	1.40 / 0.26 / 3.80

Görsel, ses ve dosya girdisi kabul edilmez; görsel içeren istek 400 döner. Spektrum ya da tablo verisini metin olarak gönderin.

Fiyatlar

Fiyatlar yukarıdaki tabloda, 1 milyon token başına dolar olarak verilmiştir. Akıl yürütme tokenleri çıkış tokeni olarak faturalanır. Aynı ön eki tekrar gönderdiğinizde önbelleğe isabet eden giriş tokenleri cache okuma fiyatıyla faturalanır.

İlk istek

curl "$LLMTR_BASE_URL/v1/chat/completions" \
  -H "Authorization: Bearer llmtr-your_key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deep-principle/hydrogen-1.0",
    "messages": [
      { "role": "system", "content": "Bir sentetik kimyacı gibi yanıt ver. Varsayımlarını açıkça yaz." },
      { "role": "user", "content": "Suzuki eşleşmesinde baz neden gereklidir? K2CO3 ile Cs2CO3 arasında nasıl seçim yaparım?" }
    ],
    "max_tokens": 4096
  }'

Yanıt choices[0].message.content alanında, modelin düşünmesi ayrı olarak reasoning_content alanında gelir.

Akıl yürütme

Akıl yürütme bu modelde her zaman açıktır ve kapatılamaz. Düz deep-principle/hydrogen-1.0 çağrıları en derin seviye olan max ile çalışır. Daha kısa ve ucuz yanıt için model suffix'i ya da reasoning_effort alanıyla low veya high seçin; yalnızca low, high ve max kabul edilir:

{
  "model": "deep-principle/hydrogen-1.0:low",
  "messages": [{ "role": "user", "content": "Etil asetatın hidrolizinin asidik ve bazik koşullardaki ürünlerini yaz." }],
  "max_tokens": 2048
}

medium, none, :fast ve reasoning: false 400 ile reddedilir. Akışta düşünme delta.reasoning_content, yanıt delta.content olarak gelir.

Yapılandırılmış çıktı

Sonucu kendi sisteminize aktaracaksanız response_format ile bir JSON Schema verin. Model yanıtı şemaya uygun döndürür:

from openai import OpenAI

client = OpenAI(base_url="https://llmtr.com/v1", api_key="llmtr-your_key")

schema = {
    "type": "object",
    "properties": {
        "reaction_type": {"type": "string"},
        "reagents": {"type": "array", "items": {"type": "string"}},
        "solvent": {"type": "string"},
        "temperature_c": {"type": "number"},
        "safety_notes": {"type": "array", "items": {"type": "string"}},
    },
    "required": ["reaction_type", "reagents", "solvent", "temperature_c", "safety_notes"],
    "additionalProperties": False,
}

response = client.chat.completions.create(
    model="deep-principle/hydrogen-1.0:high",
    messages=[{"role": "user", "content": "4-bromoanizol ile fenilboronik asidin Suzuki eşleşmesi için bir başlangıç koşulu öner."}],
    response_format={
        "type": "json_schema",
        "json_schema": {"name": "reaction_plan", "strict": True, "schema": schema},
    },
    max_tokens=4096,
)
print(response.choices[0].message.content)

Şema gerekmiyorsa response_format: { "type": "json_object" } geçerli bir JSON nesnesi döndürür.

Araç çağrısı

Model veritabanı aramaz; bileşik özellikleri, envanter ya da laboratuvar kayıtları gibi bilgileri kendi araçlarınızla verirsiniz. tools alanında bir fonksiyon tanımlayın; model ihtiyaç duyduğu veriyi araç çağrısıyla ister, siz sonucu tool rolüyle geri gönderirsiniz:

{
  "model": "deep-principle/hydrogen-1.0",
  "messages": [{ "role": "user", "content": "Elimizdeki çözücülerden hangisi bu reaksiyon için uygun?" }],
  "tools": [{
    "type": "function",
    "function": {
      "name": "list_solvent_inventory",
      "description": "Laboratuvardaki çözücüleri ve miktarlarını listeler",
      "parameters": {
        "type": "object",
        "properties": { "min_volume_ml": { "type": "number" } },
        "required": []
      }
    }
  }],
  "max_tokens": 2048
}

Araç şemaları ve sonuç mesajları için Araç Çağrısı sayfasına bakın.

Kullanırken

• Sorunuzu bilimsel bağlamıyla yazın: madde adları, koşullar, elinizdeki veri. Kimya, malzeme bilimi ve yaşam bilimleri dışındaki ya da bağlamsız kısa istemlerde yanıt boş veya konu dışı gelebilir.
• content boş gelirse reasoning_content alanına bakın; kısa yanıtlarda metin orada olabilir.
• Modelin önerdiği deney koşulları bir taslaktır. Laboratuvarda uygulamadan önce güvenlik bilgi formlarını ve sonuçları bir uzman kontrol etmelidir.

Modelin kaynakları: Deep Principle duyurusu ve Hugging Face model sayfası.