OpenAI前高管用Kimi训出万亿参数模型，部分能力超GPT-6，已接入材料实验室

近日，一家由 OpenAI 和 Google DeepMind 前研究人员创办的公司公布了过去一年的多项进展。

其中最核心的是一款名为 Periodic Neon 的 1 万亿参数模型。Periodic Labs 以开放权重模型 Kimi K2.6 为起点，使用科学文献、代码和自家实验室产生的实验数据进行中间训练和强化学习。目前，Neon 已经被部署进公司位于美国门洛帕克的高通量材料实验室，用于分析寻找新型超导体和磁性材料过程中产生的实验数据。

和 Neon 一起公布的，还有支撑这款模型的一整套 AI 基础设施，以及过去一年 Periodic Labs 在自动化实验室上的进展。该公司表示，门洛帕克的实验室已经从最初开展物理实验，扩展至能够 24 小时运行的高通量实验系统，同时建立了用于大规模物理模拟的计算基础设施。

先让 AI 看懂一场材料实验

Neon 目前主要负责的，是材料实验结束之后一个很具体的问题：这次实验到底做出了什么？

材料合成完成后，最终样品往往并不只有目标材料，其中还可能混有未反应原料和副产物。研究人员通常会通过 X 射线衍射（XRD）判断其中包含哪些晶相。

但真实实验中的 XRD 图谱并不好分析。一个样品中可能同时存在多个物相，不同衍射峰互相重叠，研究人员不仅要使用专业软件，还需要结合实验条件、晶体结构数据库、热力学计算和相关文献综合判断。Periodic Labs 表示，复杂样品有时需要专家花费数小时分析。

Neon 就被用来接手这部分工作。

团队以 1 万亿参数的 Kimi K2.6 为基础，使用论文、代码和实验室数据继续进行中间训练，再利用自家实验数据进行强化学习。同时，Periodic Labs 为模型搭建了一套 scientific harness，向 Neon 提供实验上下文、材料数据库和 XRD 分析工具，让模型能够调用不同信息完成判断。

为了测试模型，团队建立了一套名为 FrontierXRD 的内部评测集，其中包含 134 个真实实验样本。在已有认可答案的复杂样品中，一份图谱平均包含约 5 个物相。

最终，Neon 在 FrontierXRD 上取得了 55.3% 的成功率，而未经后续训练的 Kimi K2.6 为 2.7%。按照 Periodic Labs 公布的数据，在使用相同 scientific harness 的情况下，Neon 在这一内部测试中的表现也超过了 GPT-6 Astra 和 Claude Fable 5.1。

（来源：Periodic Labs）

团队还另外测试了 198 个训练阶段未见过化学体系的实验数据，Neon 同样超过了用于对比的前沿模型。不过，这些结果目前均来自 Periodic Labs 自建的内部 benchmark，尚没有第三方独立评测。

为了训练 Neon，Periodic Labs 最终峰值使用了约 1,300 张 NVIDIA H200 GPU。由于科学任务往往需要模型持续调用代码、数据库和专业软件，一条完整的推理轨迹可能持续超过一小时，该公司还在 Megatron、SGLang、Miles 和 Ray 等开源框架基础上搭建了自己的训练和推理系统。

目前，Neon 已经实际用于门洛帕克实验室的 XRD 数据分析。除此之外，Periodic Labs 还表示，正在继续让模型参与更完整的科研流程，包括规划实验、设计材料合成方案，以及决定下一步应该进行哪些实验。

从 OpenAI 和 DeepMind 出走，一年融资 3 亿美元

时间拨回一年前，Periodic Labs 还是一家刚刚走出隐身模式的创业公司。

2025 年 9 月，Periodic Labs 带着 3 亿美元种子轮融资正式亮相。联合创始人 Liam Fedus 曾任 OpenAI 研究副总裁，是早期 ChatGPT 团队成员之一，并长期从事大模型 post-training；另一位联合创始人 Ekin Dogus Cubuk 则来自 Google Brain 和 DeepMind，长期研究机器学习与材料科学，也是 GNoME 项目的主要研究人员之一。

2023 年，GNoME 利用机器学习预测出超过 200 万种新晶体结构；Cubuk 同年参与的另一项研究，还尝试用语言模型和自动化实验设备完成材料合成。

（来源：Periodic Labs）

此外，斯坦福大学物理学和应用物理学教授、复旦大学校友 Zhi-Xun Shen（沈志勋）也是该公司的科学顾问委员会成员。他长期研究凝聚态物理和材料物理，重点关注超导体、氧化物、新型磁性材料、拓扑材料等量子材料，并开发角分辨光电子能谱（ARPES）、成像和散射等先进实验工具。

2025 年年初，Fedus 离开 OpenAI。随后，他与 Cubuk 开始筹备 Periodic Labs。两人希望把大模型、材料模拟和自动化实验室连接起来：模型提出候选材料和实验方案，实验室负责真实合成与测试，再把结果重新交给 AI 分析。

公司成立时给出的目标很直接：创造一个 AI scientist。

为此，Periodic Labs 从一开始就在同时建设模型和实验室。该公司认为，除了论文和公开数据库，真实实验还能持续产生新的训练数据，其中也包括很少出现在论文中的失败实验和负结果。

2025 年 10 月，Cubuk 曾表示，公司当时已经建成实验室，开始运行模拟、处理实验数据并验证模型预测，但自动化机器人系统尚未完全运行。不到一年后，公司此次披露，门洛帕克的高通量实验室已经可以全天运行。

Periodic Labs 的融资规模也从成立之初就受到关注。

2025 年 9 月，Periodic Labs 宣布完成 3 亿美元种子轮融资。投资方包括 Andreessen Horowitz、Felicis、DST、NVentures、Accel，以及 Jeff Bezos、Eric Schmidt、Jeff Dean 等个人投资者。媒体当时披露，公司估值约为 13 亿美元。

今年 3 月，彭博社报道称，Periodic Labs 正在讨论新一轮数亿美元融资，估值约 70 亿美元；5 月，福布斯又报道称，该公司正在洽谈至少 5 亿美元融资，拟议估值约 75 亿美元。截至目前，公司尚未正式宣布这轮融资完成。

在实验室之外，Periodic Labs 也已经开始与产业客户合作。公司官网披露，其正在帮助一家未具名的半导体制造商解决芯片散热问题，并为对方训练定制 Agent，用于分析实验数据和加快研发迭代。具体客户名称、合同金额和收入情况尚未公布。

目前，Periodic Labs 的研究重点仍集中在材料科学。门洛帕克实验室正在进行超导体和磁性材料相关实验，而此次发布的 Neon，已经开始参与这些实验产生的 XRD 数据分析。

1.https://periodic.com/news/ai-infrastructure-at-periodic

2.https://periodic.com/news/nature-is-our-learning-environment

3.https://periodic.com/news/building-labs-that-learn

4.https://techcrunch.com/2025/10/20/top-openai-google-brain-researchers-set-off-a-300m-vc-frenzy-for-their-startup-periodic-labs/

运营/排版：何晨龙

注：封面/首图由 AI 辅助生成