2 月 4 日，上海人工智能实验室正式开源其最新成果——书生（Intern）-S1-Pro，一款基于“通专融合”技术架构 SAGE 打造的万亿参数科学多模态大模型。该模型不仅是当前全球开源社区中参数规模最大的科学多模态模型，更在高难度综合学科评测、复杂数理逻辑推理及科研智能体能力方面达到国际领先水平，标志着我国在 AI for Science（AI4S）领域迈入新阶段。
参数规模与架构创新：万亿 MoE + 自研 SAGE 架构
Intern-S1-Pro 采用混合专家（Mixture of Experts, MoE）架构，总参数量高达1 万亿（1T），包含512 个专家模块，但在实际推理过程中每次仅激活8 个专家，对应约 220 亿（22B）有效参数，兼顾了模型容量与推理效率。
其底层依托于上海 AI 实验室自研的SAGE（Science-Aware General-purpose Engine）架构，实现了通用能力与科学能力的协同演进，并在两个关键技术点上取得突破：
傅里叶位置编码与时序编码器重构：赋予模型统一理解从微观生命信号（如蛋白质结构、基因序列）到宏观宇宙波动（如引力波、星系演化）的“物理直觉”，显著提升对连续时序和空间频域数据的建模能力；
高效 MoE 路由机制：攻克了训练超大规模 MoE 模型在稳定性与算力效率方面的工程瓶颈，为未来 AGI4S（面向科学的通用人工智能）基础设施建设提供了可扩展的技术路径。
科学能力跃升：奥赛金牌级推理 + 科研流程智能体
Intern-S1-Pro 在多个权威科学基准测试中表现卓越：
在 MMLU-Pro、GPQA、MMMU 等综合学科评测中稳居开源模型第一梯队，接近甚至部分超越国际顶尖闭源模型水平；
复杂数理逻辑推理能力达到国际奥赛金牌选手水平，可处理高等数学、理论物理、量子化学等高阶问题；
面向真实科研流程的智能体（Agent）能力位居开源模型前列，支持从文献解析、实验设计到结果验证的端到端科研辅助。
此外，模型还具备“跨模态科学解析引擎”，能精准解读化学分子式、蛋白质三维结构、地震波信号、天文光谱等复杂科学模态数据，并支持化合物合成路径预测、材料性质模拟等前沿科研任务。
生态开放与国产算力底座：全栈自主可控
Intern-S1-Pro 已同步在 GitHub、Hugging Face 和 ModelScope 等主流平台开源，全面开放模型权重与推理代码，推动全球 AI4S 社区共建[[8]]。此举不仅验证了从原创模型架构到国产算力基座的完整技术链路，也为构建开放、共享、安全的 AGI4S 基础设施奠定了坚实底座[[6]][[7]]。
值得一提的是，该模型的研发全程基于国产 AI 芯片与集群完成，体现了我国在大模型底层软硬件协同创新上的战略突破。
横向对比：科学多模态赛道的新标杆
在当前全球科学多模态模型竞争格局中，Intern-S1-Pro 的发布进一步加剧了头部阵营的竞争：
相较于阿里 Qwen3-VL 系列侧重通用视觉-语言理解，Intern-S1-Pro 更聚焦**科学专业场景；
对比智谱 GLM-4.6V 强调原生工具调用与图文交互，Intern-S1-Pro 则以物理建模与数理推理为核心优势；
与商汤 SenseNova-MARS/SI 在空间智能与具身推理上的突破不同，Intern-S1-Pro 主攻**基础科学发现与理论推演。
业内专家评价，Intern-S1-Pro 的出现，标志着 AI for Science 正从“解题工具”迈向“科研伙伴”的新阶段。
开源地址：
GitHub：https://github.com/InternLM/Intern-S1
HuggingFace：https://huggingface.co/internlm/Intern-S1-Pro
ModelScope：https://www.modelscope.cn/models/Shanghai_AI_Laboratory/Intern-S1-Pro
随着 Intern-S1-Pro 的开源，全球科研人员、开发者与高校团队均可免费获取这一强大工具，共同推动人工智能驱动的科学革命。