Intern-S:Shanghai AI Laboratory
开源多模态科学基座系列:在通用 LLM 上叠加科学语料与专用分词,含万亿参数 MoE 版本。
文本与 agent · 非营利研究机构 · 中国 · 截至 2026-11-16
概况
| 字段 | 内容 |
|---|---|
| 名称 / 别名 | Intern-S;别名:Intern-S1、Intern-S1-Pro、Intern-S2;有歧义、不自动链接:Intern |
| 家族 | 否:本记录只覆盖本模型,属于 Intern-S 系列 |
| 机构 | Shanghai AI Laboratory |
| 机构类型 / 国家 | 非营利研究机构 / 中国 |
| 模型类别 | 通用科学多模态 LLM |
| 领域 | 文本与 agent(次领域:小分子、蛋白) |
| 首次发布 | †(未核实)(依据:第一代模型的论文 v1;仓库创建日按本轮口径不得作首发) 站上原记 2025-07-24,那是模型托管站仓库创建日;2025-07 的公开发布缺可证页面,故取论文 v1 |
| 其他里程碑 | 最早公开证据 †(未核实)(第一代论文 v1);预印本 v1 †(未核实)(第一代论文 v1);代码发布 †(未核实)(官方代码仓库);权重发布 (第二代正式版权重首次公开(量化版本早两日)) |
| 最近更新 | ,新权重:该日期是权重首次公开;仓库 2026-09-24 的最后修改时间只是卡片编辑,不是权重事件。同机构 2026-10 与 2026-11 的另一条模型线是否属本系列,未能确认。此为最近一次有出处的事件,不代表此后没有更新 |
| 开放程度 | 代码:开放(Apache-2.0);权重:开放(Apache-2.0);各代权重在模型托管站公开,另有量化版本与国内镜像;代码仓库同为宽松许可 |
| 状态 | 活跃:12 个月内有新一代权重发布 |
| 报过的 benchmark | 0 项计入;另 6 条不计入(未证实 6) |
| 湿实验验证 | 无 |
| 全站实体页 | 无(全站实体库未检出对应页面) |
| 截至 | 2026-11-16 |
做什么
在通用大模型上继续预训练科学语料并加入专用分词与视觉编码,再以多任务与 agent 强化学习做后训练,覆盖分子、反应、材料与显微图像等任务;后续版本把专家数扩大到万亿参数规模,并引入不改骨架的领域特化模块。与同机构的 SciReasoner 分工:后者是较小的结构推理专用模型;与 Evo 2 这类生物专用基座不同,它不在序列上从头预训练。
报过的 benchmark
按关系类型排列;每行标来源类型与出处。分数只在同一 benchmark、同一口径内有意义,见各 benchmark 页的当前排名。0 项计入;另 6 条不计入(未证实 6)。
| Benchmark | 关系类型 | 计入 | 评测集 / 口径 | 来源类型 | 说明 | 出处 |
|---|---|---|---|---|---|---|
| 14 PubMedQA | 未证实 | 否 | — | 未知 | 官方仓库与三篇论文的可读正文均未出现该评测的报分 | 出处 |
| 18 LAB-Bench / LABBench2 | 未证实 | 否 | — | 未知 | 官方仓库与三篇论文的可读正文均未出现该评测的报分 | 出处 |
| 23 BioASQ | 未证实 | 否 | — | 未知 | 官方仓库与三篇论文的可读正文均未出现该评测的报分 | 出处 |
| 29 BixBench | 未证实 | 否 | — | 未知 | 官方仓库与三篇论文的可读正文均未出现该评测的报分 | 出处 |
| 41 BioML-bench | 未证实 | 否 | — | 未知 | 官方仓库与三篇论文的可读正文均未出现该评测的报分 | 出处 |
| 42 BioMysteryBench | 未证实 | 否 | — | 未知 | 官方仓库与三篇论文的可读正文均未出现该评测的报分 | 出处 |
其他评测(不在 44 项内)
- 序列与分子的指令式评测(站外公开 benchmark,自报):两个公开指令数据集上的任务,与若干前沿通用模型对比,均为作者自报
- 蛋白问答、显微图像与化学评测(站外公开 benchmark,自报):若干不在站内 44 项之内的评测,结果有胜有负,部分项目仍被闭源前沿模型超过
- 作者自设的蛋白结合任务集(自建任务集,自报):第二代预览版论文中的自设任务集,对照为前沿通用模型
开发方称:开源多模态科学模型,在科学序列类指令任务上优于前沿通用模型。
独立证据:未检出独立证据(未检出外部实验室的复现;评测用的是同一机构的评测工具链)
训练数据
| 类别 | 值 | 说明 | 出处 |
|---|---|---|---|
| a 公开库 | 是 | 科学文档(以页面图像做视觉预训练)、图文交错数据与图像检索库;agent 训练用公开可执行任务集,论文列出各集的任务与环境数 | 出处 |
| b 私有 / 授权 | 未披露 | — | 出处 |
| c 自产 wet lab 训练数据 | 否 | — | 出处 |
| d 仅用于验证的 wet lab | 否 | 三篇论文与官方仓库均未报告湿实验验证 | 出处 |
湿实验验证
无。开发方未报告湿实验验证,或本站未收录可核的记录。
背景
- 机构:开发方是上海的政府支持型新型研发机构,公开报道称成立于 2020 年 7 月;本系列起于 2021 年与一家公司合作的视觉模型,后扩展到语言与科学方向。规模与经费未公开。
- 融资:政府财政支持,无商业融资。
- 产品与合作:同机构另有 SciReasoner 与通用视觉、语言模型线;第二代预览版对多个开源与闭源的 agent 运行框架做强化学习。
- 相关模型:SciReasoner、前沿通用大模型、Evo 2
怎么看
- 生物侧自报集中在指令式任务,对比的通用模型在这类任务上得分极低,差距主要来自任务格式与是否专门训练。
- 在显微图像与分子知识类评测上仍被闭源前沿模型超过,不应读作全面领先。
- 评测使用同机构的评测工具链,第三方复现条件有限。
- 与站内 benchmark 没有可计入的配对,不能用于站内排名比较。
局限与注意
- 首发日期不取模型托管站仓库创建日;2025-07 的公开发布缺可证页面,本记录以论文 v1 为准并标未核实。
- 2026-09-24 只是仓库最后修改时间,不得写成权重事件。
- 参数口径在仓库与论文之间存在差异,不同版本的规模不可混用。
- 同机构 2026 年下半年的另一条模型线是否属本系列未能确认,未并入本记录。
来源
更正记录
以下为本轮核对中改过的字段,原值按记录照录。
本文为个人研究笔记,结论基于成文时可获得的公开信息;带〔估算〕〔推断〕或⚠️的数字未经独立核实。