首页/ 资讯/ 书生-S2.1 Flash 上海AI Lab开源的科学多模态大模型

书生-S2.1 Flash 上海AI Lab开源的科学多模态大模型

灵犀编辑部 2026-11-17 17 阅读

书生-S2.1 Flash是什么

书生·S2.1 Flash是上海AI实验室开源的科学多模态大模型。书生·S2.1 Flash 基于书生·元征统一表征架构,可理解分子、晶体、蛋白质序列、光谱、脑电等十余类科学数据,具备通用智能体能力,能自主规划任务、编写代码、调用3D Slicer、QGIS、CAD、EEGLAB等专业科研软件实操,还会依据中间结果调整方案、核验产出。书生·S2.1 Flash采用递归式自我改进(RSI),可从执行反馈中持续进化。在33项通用智能体基准中获4项第一、7项第二,MLE-bench Lite得分90.3超Claude Opus 5;推理成本仅为书生·星河的十分之一。

书生·S2.1 Flash

书生-S2.1 Flash的主要功能

  • 科学多模态理解 :支持分子图、晶体结构、蛋白质/DNA/RNA序列、光谱、质谱、X射线衍射、心电、脑电、光变曲线等十余类科学数据的输入与联合分析。
  • 专业科研软件实操 :可在3D Slicer、QGIS、CAD、EEGLAB、Blender等软件中自主完成三维重建、遥感分析、参数化建模、信号处理等操作。
  • 复杂任务闭环执行 :自主规划任务步骤、检索资料、编写代码、调用工具,并在结果异常时回查原始数据与处理代码、调整分析方案。
  • 结果自核验与可追溯交付 :基于中间可视化结果核验产出,交付可重新打开的工程文件、可回查的原始数据与处理记录。
  • 通用智能体能力 :覆盖代码工程、文档解析、表格处理、网页交互、系统操控、深度调研等任务,33项基准中获4项第一、7项第二。
  • 自主进化(RSI) :从任务执行轨迹、工具返回结果与人工核验反馈中持续学习,形成自进化飞轮。

书生-S2.1 Flash的技术原理

  • 科学多模态统一表征 :依托书生·元征(Sage·SciPerception)架构,将分子图、晶体结构、蛋白质序列与三维结构、DNA/RNA序列,以及光谱、质谱、X射线衍射、心电、脑电和光变曲线等形式迥异的科学数据,分别经过特征编码与投影,转换为语言大模型可识别的表征,使科学数据与自然语言提问共同进入统一推理链路,实现跨模态科学信息在共享表征空间中的互通与联合理解,支撑预测、分类、位点定位、定量分析和结构推断等任务。
  • 通用智能体与工具调用 :将多模态理解、分析推理、编程与工具调用相结合,模型围绕同一研究目标自主规划任务步骤、协调使用异构工具(检索、代码执行、专业软件操控),推进复杂任务从问题分析到成果交付的全过程;执行中依据实时产出的中间结果动态决策,异常时回查原始数据与代码并调整方案,形成多轮闭环。
  • 递归式自我改进(RSI) :沿用书生·元征的RSI模式,模型从真实科研任务的执行轨迹、工具返回结果与人工核验反馈中持续汲取信号,在反复处理科学多模态输入、调用科研软件、校验实验结论的过程中不断修正推理偏好,形成自进化飞轮,逐步提升任务规划、数据分析与结果自核验水平,支撑科研智能体的长期演进。
  • 高效推理架构 :针对科研场景的多轮分析与反复验证需求优化推理效率,同一任务下推理成本仅为智能体模型书生·星河的十分之一,实现多快好省的科研辅助。
挖挖GitHub

如何使用书生-S2.1 Flash

  • 访问体验平台 :访问书生·端砚科学发现平台 https://discovery.intern-ai.org.cn/token-plan/home,或使用 HuggingFace 上的开源模型。
  • 输入科研任务 :用自然语言描述研究目标,可附上分子图、序列、光谱、CT切片、遥感影像、脑电波形等科学数据作为输入。
  • 模型自主执行 :模型自动规划任务步骤、编写代码并调用 3D Slicer、QGIS、CAD、EEGLAB 等专业软件完成分析与建模。
  • 观察与干预 :模型会基于中间结果动态调整方案,必要时可在执行过程中人工介入核验或修正。
  • 验收交付成果 :获取可重新打开的工程文件(.blend、QGIS工程、CAD模型)、处理记录与结果报告。
  • 复核证据链 :顺着原始数据、处理参数和工程文件回查模型判断依据,修改参数后可启动新一轮验证。
  • 反馈促进进化 :提交人工核验反馈,模型通过递归式自我改进(RSI)持续优化后续表现。

书生-S2.1 Flash的核心优势

  • 多模态科学理解能力强 :依托书生·元征统一表征架构,可理解分子、晶体、序列、光谱、脑电等十余类科学数据。
  • 科研软件实操能力 :能直接操控 3D Slicer、QGIS、CAD、EEGLAB、Blender 等专业软件,从读懂跨越到动手做。
  • 任务闭环执行 :自主规划、调用工具、核验中间结果并动态调整方案,无需人工逐步指挥。
  • 结果可追溯、可复核 :交付可重新打开的工程文件与完整处理记录,研究者可循证据链检验和修正。
  • 自主进化能力 :通过递归式自我改进(RSI)从执行反馈中持续学习,越用越聪明。
  • 通用能力领先 :33项通用智能体基准中获4项第一、7项第二,MLE-bench Lite 90.3分超越 Claude Opus 5。

书生-S2.1 Flash的项目地址

  • 项目官网 :https://internlm.github.io/Sage-S2.1-Flash/
  • GitHub仓库 :https://github.com/InternLM/Sage-S2.1-Flash/
  • HuggingFace模型库 :https://huggingface.co/internlm/Sage-S2.1-Flash
  • 技术论文 :https://github.com/InternLM/Sage-S2.1-Flash/blob/main/sage_s2.1_tech_report.pdf

书生-S2.1 Flash的同类竞品对比

对比维度 | 书生·S2.1 Flash | AI Co-Scientist(Google DeepMind)

style="border-collapse: collapse; width: 750px; height: 577px;" border="0" width="408" cellspacing="0" cellpadding="0">
对比维度 书生·S2.1 Flash AI Co-Scientist(Google DeepMind)
本质定位 科学多模态大模型 + 通用科研智能体 基于 Gemini 的多智能体”结构化科学思维引擎”
架构 单一统一模型(元征架构)+ 工具调用 六个专用智能体(生成、反思、排名、进化、邻近性检查、元评审)协同
核心任务 数据分析、专业软件实操、三维重建、信号处理等”动手做实验”型任务 文献驱动的假设生成与实验方案设计,偏”出idea”
科学数据输入 分子、晶体、序列、光谱、脑电等十余类原生理解 主要为文献与文本,尚不分析原始实验数据
软件操控 原生操控 3D Slicer、QGIS、CAD、EEGLAB、Blender 借助搜索、AlphaFold等外部工具,无GUI实操能力
自我改进 RSI:从执行轨迹与人工核验反馈中学习进化 Elo锦标赛 + 测试时计算,自我对弈式辩论迭代假设
人类协作 交付可复核工程文件,证据链可追溯 scientist-in-the-loop,推理全程可介入、长期记忆
验证案例 CT重建、鄱阳湖遥感、发动机装配、脑电剔除 药物再利用、新靶点发现、抗菌耐药机制(端到端生物

书生-S2.1 Flash的应用场景

  • 医学影像分析 :从1.2万余张混杂CT图像中还原切片层序,在3D Slicer中重建三维骨骼并回溯核验骨性结构。
  • 遥感水域监测 :对照两期鄱阳湖卫星影像,在QGIS中圈定水域边界、统一比较范围并量化水域面积变化。
  • 工业建模与装配检查 :依据参考图在CAD环境中完成航空发动机参数化建模、整机装配与干涉检查修复。
  • 脑电信号处理 :在EEGLAB中识别并剔除眨眼伪迹成分,同尺度对比处理前后波形以复核净化效果。
  • 建筑三维重建 :从多角度照片出发,在Blender中搭建含材质、照明与镜头构图的可编辑三维场景,交付 .blend 工程文件。
相关工具
与本文相关的 AI 工具
AI 智能推荐 ×
输入关键词,AI 从 1000+ 工具中精准匹配推荐