书生-S2.1 Flash开源:科研任务推理成本仅星河十分之一
近日,上海AI实验室发布并开源书生科学多模态大模型 S2.1 Flash(简称书生-S2.1 Flash)。模型融合实验室近期一系列前沿原创技术,在科学数据理解、复杂科研任务闭环执行能力上实现进阶,且同一任务下其推理成本仅为智能体模型书生·星河的十分之一,让科研工作提质、提速、提效,实现多快好省。
上海AI实验室近日把书生科学多模态大模型 S2.1 Flash(下称书生-S2.1 Flash)发布并开源。该模型把实验室近期多项原创技术揉在一起,科学数据理解、复杂科研任务的闭环执行都往前推了一步;同样一项任务,它的推理成本只有智能体模型书生·星河的十分之一,科研工作因此做得更快、更省、更有效。
科研任务往往要经过好几轮分析、反复验证。书生-S2.1 Flash 借助书生·元征(Sage·SciPerception)的统一表征架构,分子、光谱、生物序列等各类专业数据都能输入;科学多模态理解与通用智能体能力合到一处后,它可以靠视觉感知去操作科研软件,直接下场做实验操作。
实验室此前在递归式自我改进(RSI)上的探索,也已经用到书生-S2.1 Flash 身上。模型在多轮任务闭环里不断迭代优化,形成一个面向科研场景的自我进化循环。
书生-S2.1 Flash 的闭环科研执行能力,已在多个场景中过了一遍验证。CT切片序恢复与三维骨骼重建、鄱阳湖遥感水域变化量化、航空发动机装配建模检查、脑电伪迹自动剔除,这四项任务直观呈现了它从读懂输入、调用工具到核验结果的完整执行过程。
目前书生-S2.1 Flash 已上线书生·端砚科学发现平台,全球开发者和科研人员都可以去试用。
体验链接:https://discovery.intern-ai.org.cn/token-plan/home
ModelScope:https://www.modelscope.cn/models/Shanghai_AI_Laboratory/Sage-S2.1-Flash
Huggingface:https://huggingface.co/internlm/Sage-S2.1-Flash
技术报告:https://github.com/InternLM/Sage-S2.1-Flash/blob/main/sage_s2.1_tech_report.pdf
前沿通用智能体能力:构建复杂科研任务的执行基础
复杂科研任务要求模型盯住同一个研究目标,把检索、编程、工具调用这些本事综合起来用。拿科研数据分析来说,模型得先查资料,弄清测量方法和样本范围,然后写代码、调专业工具把计算跑完。结果一旦异常,还要回头翻原始数据和处理代码,找出问题所在,再调整分析步骤。
书生-S2.1 Flash 把多模态理解、分析推理、编程和工具调用捏合在一起,多种形式的信息能综合研判,任务步骤自己规划,异构工具协调调用,把复杂任务从问题分析一路推到成果交付。
专业评测也检验了书生-S2.1 Flash 的通用能力。科研团队拉来五款主流模型横向对比,设了十五项通用智能体基准,代码工程、文档解析、表格处理、网页交互、系统操控、深度调研等任务类型都覆盖在内。书生-S2.1 Flash 在其中四项基准上拿到第一,成绩压过 Claude Opus 5、DeepSeek-V4.1 Flash、GLM-5.3-Flash 等前沿模型,涉及机器学习工程、复杂办公文档、专业法律文书与电子表格分析;另有七项基准排在第二,其余任务的表现同样不弱。综合来看,这款模型的通用智能体能力均衡且有劲,为面向复杂科研任务的智能体应用打下了底子。
通用智能体能力测评榜单
科学多模态统一表征,RSI助力自主进化。光靠通用语言能力,读不懂科学数据。模型看懂问题只是第一步,还得抓住谱峰、生物序列、空间结构里的精细科学线索,才能把各类科学推理任务做扎实。
有了书生·元征打底,书生-S2.1 Flash能把分子图、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、脑电和光变曲线这些科学数据,转成语言大模型认得出的表征,让科学数据和自然语言提问一起进入模型推理链路。这些输入横跨物质结构、生物序列与实验观测等不同类型,形式各异、领域跨度极大,书生-S2.1 Flash把它们收拢进同一个共享表征空间,跨模态科学信息因此可以互通、联合理解。
科学多模态统一表征架构
另外,书生-S2.1 Flash也会延续书生·元征的递归式自我改进(RSI)模式。RSI让模型从真实科研任务的执行轨迹、工具返回结果和人工核验反馈里不断提取信号,转成自我进化的飞轮:反复处理科学多模态输入、调用科研软件、校验实验结论,推理偏好随之不断修正,复杂科研任务的规划、数据分析与结果自核验水平逐步提高,科研智能体的长期演进也有了支撑。
视觉驱动的复杂科研执行:在专业软件中验证结果、调整行动
复杂科研任务讲究动态决策,模型得看着实时产出的中间结果,自己规划下一步动作。书生-S2.1 Flash能在各类专业科研软件里做分析与建模,读取原始切片、遥感影像、装配视图、脑电波形等可视化信息,核验分析产出,再据此调整分析思路和操作流程。
实例一:从1.2万余张混杂CT图像中还原切片层序,重建三维骨骼
面对来源混杂、顺序打乱、朝向不一的CT图像,书生-S2.1 Flash先校正朝向,再按图像特征从1.2万余张里筛出同属一次扫描的139张切片。首轮排序没过一致性校验,模型自动换方案,分区还原切片顺序再拼接融合,拼出连贯完整的层序。接着它调用3D Slicer,用密度阈值分割骨性区域,重建三维骨骼。研判脊柱与肋骨的空间构型时,模型从多个角度检视重建模型,遇到局部骨性突起就回溯相邻原始切面,核验后的观测结论写进报告。
实例二:对照两期卫星影像,量化鄱阳湖水域变化
在QGIS里,书生-S2.1 Flash对照两期鄱阳湖卫星影像,找出湖岸变化明显的区域,借助多光谱信息圈定候选水域。为校验边界精度,模型把提取图层叠到原始彩色影像上,重点分辨浅水与滩涂交界,按需调整提取规则。跨期面积要可比,模型就把统计范围限定在两期影像共同有效的研究区内,测算水域增减,输出变化分布图、面积统计表和完整的QGIS工程。科研人员打开这份工程,就能沿湖岸回溯原始影像,把面积测算的依据逐项核验。
实例三:面向可制造性评估,完成航空发动机建模与装配检查
书生-S2.1 Flash从参考图里认出航空发动机的总体构型、外部轮廓与零件布局,理清各零件的相对尺寸和装配关系,在CAD环境中完成参数化建模与整机装配。装配完成后,模型自动做全局干涉检查并修复,最后输出可编辑的CAD模型与渲染图,工程师可据此复核零件位置、装配关系与整体方案,支撑可制造性评估和后续设计迭代。
实例四:识别脑电信号中的眨眼伪迹,复核去除效果
面对有明显扰动的实测脑电数据,书生-S2.1 Flash在EEGLAB中检视原始波形,结合独立成分时序、头皮空间分布与频谱特征,找到眨眼诱发的伪迹并剔除对应成分。处理效果怎么检验?模型在同一时间窗、同一幅值尺度下叠放处理前后的波形,确认目标片段的伪迹已被压制,再延伸抽检其余时段。成果包括净化后的信号、剔除成分清单和波形对比图,研究者可据此追溯判别逻辑,复核信号处理质量。
科研分析靠不靠谱,关键看能不能被复核、被修正,并在此基础上继续推进。书生-S2.1 Flash处理科学数据、使用专业软件时,会依据中间结果调整方法,交付可重新打开的工程文件、可回查的原始数据和可核对的处理记录。研究者顺着这条证据链,能检验模型判断、修改分析参数、启动新一轮验证,让智能体真正成为科研工作里可信赖的协作伙伴。
接下来,上海AI实验室还会沿通专融合技术路径,持续迭代书生系列大模型,打造科学智能的高原,帮全球科研人员攀登科学发现的“珠穆朗玛”。
文字:荣文圣
审核:张奇
往期推荐
欢迎使用书生·端砚科学发现平台:
https://sensorsdata.intern-ai.org.cn/t/ea