397B参数追平万亿模型，上海AI Lab发布科学智能体新基座Intern-S2-Preview-397B

事件概述

上海人工智能实验室在WAIC 2026期间发布书生系列大模型Intern-S2-Preview-397B。该模型采用全新非Transformer架构“Mobius”，以397B参数规模在分子设计、材料结构生成等核心科学任务上追平实验室此前的万亿参数模型，旨在解决科学智能领域通用认知与专业知识难以兼顾的难题。

核心信息

架构创新：知识与推理分离

• Memory Decoder：引入可插拔外部记忆模块，不同学科知识可在独立模块中训练并按需接入，减少对原有参数和通用能力的扰动。
• Mobius架构：解耦知识向量与推理算子，构建全局共享知识向量库，支持动态隐空间推理和反向残差连接，使端到端推理效率提升近4倍。

训练范式革新

• InternBootcamp交互验证环境：将电路设计、金融建模等任务转化为标准化交互场景，通过“行动—反馈”高密度训练强化长程规划与工具调用能力。

科学能力评测结果

• 在Biology-Instructions、Mol-Instructions、MP20等生命科学和材料专业任务上大幅领先其他开闭源模型。
• 在代码智能体评测TerminalBench2.1、SWEBench-Pro上优于Kimi-2.7-Code和DeepSeek-V4-Pro，仅次于GLM5.2；在SWEBench-Multilingual上优于所有开闭源模型。

应用案例

• 免疫治疗靶点设计：将蛋白结合剂候选分子验证通过率从0.47%提升至1.56%（增幅233%），优质候选分子数提升逾3倍，将人工迭代耗时从天数压缩至分钟级。
• 材料科学：对五元氧化物Sr₂Ho₁Cu₂Ru₁O₈，模型自动匹配空间群并系统构建晶体结构，加速研发起点。

书生·端砚科学发现平台

• 以Intern-S2-Preview-397B为智能中枢，多智能体系统为执行引擎，覆盖从假设提出到实验验证的完整流程。
• 已落地生命科学、关键材料、半导体、核聚变、量子、地球气象六大领域，可对接AlphaFold、Materials Project等专业工具，实现干湿实验闭环。

视觉预训练反哺语言模型

• 模型直接“阅读”原始文献页面，在同一表征空间联合学习符号语义与图像信息，保留图文对应关系。
• 视觉编码生成Token量仅为解析后文本的1/4，降低训练开销，提升科学推理所需隐性结构信息的学习效率。

值得关注

Intern-S2-Preview-397B证明了在参数规模有限的情况下，通过架构创新（知识-推理解耦）、交互训练和视觉预训练可显著提升科学任务表现，为科学智能体提供新的基座方案。上海人工智能实验室主任周伯文指出，科学发现是检验智能能否理解复杂世界、提出可验证假设并在反馈中进化的终极试炼。