美能源部联合 Arcee AI 打造 1T 参数开源模型 GS1

美国能源部（DOE）与 Arcee AI 联合宣布启动 Genesis-Science-1（GS1）项目，计划在今年晚些时候推出一款面向科学研究的万亿参数级开源语言模型，并同步公开权重、技术报告与演示。这是美国国家级实验室体系首次深度参与从训练到发布的全流程开源大模型项目，标志着美国在科研类基础模型方向的国家级布局迈出实质性一步。

项目核心要点

根据官方博客与新闻稿，GS1 的关键特征包括：

• 参数规模：万亿参数级别（trillion-parameter-class）的语言模型；
• 开源程度：公开发布权重、技术报告与演示，是真正意义上的 open-weight 模型；
• 技术基座：基于 Arcee 下一代 Trinity 模型系列构建；
• 配套系统：搭配一套可治理的执行系统，用于长链路、高难度的科研工作流；
• 时间表：模型将于「今年晚些时候」正式发布。

Arcee AI 负责算力筹备、训练与后训练、科学工作台（scientific workbenches）及模型周边系统的搭建，并主导发布流程；DOE 与其下属国家实验室则定义「值得解决的问题」，提供训练所需的数据与环境，并作为模型真实表现的检验方。

为什么选择从零训练美国开源模型

Arcee 在博文中坦承，这是一项「难以辩护」的决定——一年前他们启动自研时，市面上已有成熟的可下载开源模型，更经济的路径显然是采用现有基座再做适配。他们最终选择从零训练，源于对一类机构需求的判断：

• 银行、医院、大学、国家实验室等机构不愿把模型当作外部服务使用；
• 这类用户需要长期保持模型版本稳定、按自有标准评估、为垂直场景重新训练，并在自有系统上运行，避免敏感数据外流；
• 对他们而言，模型的价值不止于跑分，而是权重、训练历史、许可证、长期可靠性与供应链的综合。

Trinity 系列正是为满足上述需求而设计，GS1 则是这一思路在科研场景的延伸。

与中国开源模型的对照

博文明确提及 DeepSeek、Qwen、Kimi、Moonshot 与 GLM 等中国开源模型团队，并给予「在众多厂商走向闭源时仍持续分享权重」的正面评价。但同时指出，对于处理敏感业务的机构而言，能力只是评判维度之一，模型的训练方、地点、许可证以及背后公司所在国的法律同样重要。

Arcee 的结论是：正确的回应是在美国本土造出更强的开源模型，让有需求的机构有得可选；闭源美国系统仍有其价值，但无法提供「掌握在自己手中、可长期保存、可自行调整、可按自身条件运行」的模型——国家实验室需要这种选项。

面向科研场景的设计意图

与传统通用聊天模型不同，GS1 从立项起就锁定科研工作负载，强调长链路、可治理的执行能力，而非单纯的对话体验。这一定位使其与 DOE 名下的国家实验室体系高度契合：能源、生物、材料、气候等领域的科研任务往往需要多步骤推理、工具调用与外部系统协同，而开源权重意味着实验室可以将模型部署在自有集群中，对私有数据与工作流保持完全控制。

截至目前，官方尚未公布具体的训练数据组成、基准测试成绩、上下文长度与许可证细节，这些信息预计将在正式发布时随技术报告一并披露。