2月4日 ，，，，，，上海人工智能实验室开源基于打造的万亿参数科学多模态大模子 Intern-S1-Pro ，，，，，，为AI4S从“工具革命”的1.0阶段迈向以“革命的工具”驱动科学发明的2.0时代 ，，，，，，提供立异的系统性开源基座。 。。。。。
作为目今全球开源社区中参数规模最大的科学多模态模子 ，，，，，，Intern-S1-Pro的焦点科学能力实现了质的跃升 ，，，，，，高难度综合学科评测稳居AI4S领域国际领先水平 ，，，，，，重大数理逻辑推理能力达奥赛金牌水平 ，，，，，，面向真实科研流程的智能体能力位居开源模子第一梯队。 。。。。。
此次宣布的Intern-S1-Pro是通过SAGE实现 “可深度专业化通用模子” 的要害实践。 。。。。。该模子基于混淆专家架构（MoE） ，，，，，，共拥有512个专家 ，，，，，，总参数达1T ，，，，，，每次挪用仅激活8个专家、22B参数。 。。。。。其通用能力和科学能力协同演进 ，，，，，，并在底层架构实现了两大焦点突破：在SAGE的基础模子层 ，，，，，，通过引入傅里叶位置编码①并重构时序编码器 ，，，，，，付与模子统一明确从微观生命信号到宏观宇宙波动的“物理直觉”；；；；；通过高效路由机制 ，，，，，，系统攻克了训练万亿参数MoE模子在稳固性与算力效率上的瓶颈 ，，，，，，为超大规模模子的训练提供了要害的工程基础。 。。。。。
与此同时 ，，，，，，Intern-S1-Pro验证了从原创模子架构到国产算力基座自主手艺的完整链路 ，，，，，，为构建开放共享的AGI4S基础设施涤讪了坚实底座。 。。。。。通过开源开放 ，，，，，，Intern-S1-Pro旨在降低全球科研门槛 ，，，，，，与学术界和工业界配合推动以通用人工智能驱动科学发明的范式革命。 。。。。。
在线体验链接：
https://chat.intern-ai.org.cn/
GitHub链接：
https://github.com/InternLM/Intern-S1
HuggingFace链接：
https://huggingface.co/internlm/Intern-S1-Pro
ModelScope链接：
https://www.modelscope.cn/models/Shanghai_AI_Laboratory/Intern-S1-Pro
Intern-S1-Pro在评测基准中的体现：通用能力体现精彩 ，，，，，，科学能力达国际领先水平。 。。。。。
立异底层架构：
突破万亿参数科学模子界线
上海人工智能实验室主任、首席科学家周伯文提出： ，，，，，，其要害挑战在于：专家化模子在训练历程中需要低本钱、能规�；；；；；镊缂聪欤 。。。。�；；；；；能够一连一直地学习与自动探索 ，，，，，，并具备为统一个问题提供多视角、多种解决计划的能力；；；；；并能引入对物理天下纪律的考量 ，，，，，，兼顾多项差别化能力的学习效率与性能。 。。。。。
Intern-S1-Pro通过多项SAGE基础模子层的手艺立异 ，，，，，，拓宽了模子应用界线、提升了超大规模训练可行性 ，，，，，，推进了可深度专业化通用模子的探索。 。。。。。
为构建能更深条理明确物理天下纪律的科学大模子 ，，，，，，研究团队引入了傅里叶位置编码（FoPE） 并重构时序编码器。 。。。。。FoPE为AI付与双重视角：既能像看“粒子”一样捕获文字之间的相对距离 ，，，，，，又能像剖析“波”一样掌握科学信号的整体纪律与频率。 。。。。。浚�？ ？？？？？蒲萦胗镅缘牟畋鸹固逑衷诙啾曜忌� ，，，，，，基于能自动顺应数据密度的时序编码器 ，，，，，，模子首次能统一处置惩罚从寥寥数个到百万级采样的种种信号 ，，，，，，支持的剖析工具从天文、地理直接拓展至心理信号、生物声学等领域 ，，，，，，从而实现感知能力的重大跃迁。 。。。。。
为了高效训练承载这些能力的万亿参数超大规模模子 ，，，，，，研究团队刷新了其内部的“路由机制”。 。。。。。古板要领保存训练低效和算力铺张两大痛点。 。。。。。新手艺通过 “路由浓密预计” ，，，，，，让模子在高效运行的同时能举行更充分的学习 ，，，，，，提升了稳固性；；；；；进而通过 “分组路由”战略 ，，，，，，像智能交通系统一样使海量盘算芯片实现负载平衡 ，，，，，，阻止了资源闲置。 。。。。。通过算法与系统的协同立异 ，，，，，，同时攻克了超大规模模子训练在“学习效率”和“资源调理”上的焦点瓶颈 ，，，，，，为高效、稳健地训练下一代万亿参数模子提供了要害基础。 。。。。。
通过上述底层架构的立异 ，，，，，，Intern-S1-Pro不但在规模上刷新了科学多模态模子的参数规模上限 ，，，，，，也为SAGE架构所提出的“通用能力与专业能力协同演进”提供了可落地的实现路径。 。。。。。
科学能力再进化 ，，，，，，通用能力协同演进
得益于立异的底层架构设计与万亿参数超大规模训练战略 ，，，，，，Intern-S1-Pro的科学能力进一步升级。 。。。。。
在国际数学奥林匹克IMO-Answer-Bench和国际物理奥林匹克IPhO2025两大权威基准测试中 ，，，，，，Intern-S1-Pro均展现出竞赛级别的解题能力。 。。。。。
在AI4S要害垂类领域 ，，，，，，Intern-S1-Pro乐成构建了一个跨越化学、质料、生命、地球、物理五大焦点学科的全谱系能力矩阵 ，，，，，，涵盖100多个专业子使命 ，，，，，，不但在Mol-Instruction、Biology-Instruction等单学科垂类评测中体现优异 ，，，，，，更在SciReasoner等高难度的综合学科评测基准中 ，，，，，，取得了与闭源商业大模子及垂类SOTA模子相当 ，，，，，，甚至更优的效果 ，，，，，，稳居AI4S领域的第一梯队。 。。。。。
在基础明确维度 ，，，，，，Intern-S1-Pro基于高精度多模态感知能力 ，，，，，，能够精准剖析重大的分子结构图及种种实验图表 ，，，，，，深入到逻辑推理层面 ，，，，，，Intern-S1-Pro能够处置惩罚高阶科学问答 ，，，，，，如反应条件推断、理化性子展望 ，，，，，，精准捕获数据背后的因果纪律等。 。。。。。随着明确与推理能力的一连增强 ，，，，，，Intern-S1-Pro的能力界线一直向真实科研场景延伸 ，，，，，，其应用规模从微观层面的化学逆合成、卵白质序列天生 ，，，，，，拓展至宏观标准的遥感图像剖析等重大使命。 。。。。。通过XLRS-Bench等真实科研场景评测 ，，，，，，模子展现出从“解题”迈向“解决问题”的科研生产力价值 ，，，，，，为前沿科学探索提供了坚实支持。 。。。。。
同时 ，，，，，，借助通专融合手艺蹊径 ，，，，，，Intern-S1-Pro在通用能力与专业科学能力上实现协同进阶：在图文跨模态明确、科学图表逻辑推理、多场景视觉感知 ，，，，，，以及高质量自然语言天生和重大指令精准遵照等焦点维度 ，，，，，，Intern-S1-Pro均稳居开源模子阵营第一梯队 ，，，，，，展现出扎实而周全的综合实力。 。。。。。
通过通专融合的训练战略 ，，，，，，Intern-S1-Pro不但补齐了古板前沿模子在专业推理上的短板 ，，，，，，还实现了多模态与文本通用能力的平衡生长 ，，，，，，真正将通用能力与专业科学能力的协同演进落到实处 ，，，，，，为科研场景下重大问题的明确、推理与应用提供了可靠支持。 。。。。。
在智能体能力方面 ，，，，，，Intern-S1-Pro实现了从“静态使命妄想”到“动态情形交互”的跨越式进阶。 。。。。。在以动态情形与重大交互为焦点的Tau-2评测中抵达了国际一流水平 ，，，，，，为赋能重大科学智能体打下了坚实基础。 。。。。。
筑牢“算力-算法”一体化基座
在规模、性能提升的同时 ，，，，，，Intern-S1-Pro构建了原创的“算力-算法”一体化基座。 。。。。。模子从架构设计之初 ，，，，，，便与昇腾盘算生态确立团结研发蹊径 ，，，，，，实现了从最底层的算子、编译优化到上层的训练、推理框架的深度全栈适配。 。。。。。
研发团队攻克了大规模训练中精度对齐、超长序列强化学习稳固性、硬件性能极致释放等一系列焦点手艺难题 ，，，，，，基于XTuner V1训练框架的细腻优化与LMDeploy推理引擎的高效安排 ，，，，，，团结先进的内存治理与并行战略 ，，，，，，确保了万亿参数模子训练的高效与稳固。 。。。。。通过立异的全异步强化学习框架等手艺的应用 ，，，，，，大幅提升了训练效率 ，，，，，，降低了研发本钱与门槛 ，，，，，，别的 ，，，，，，Intern-S1-Pro还与沐曦团结研发使用模子加速算子适配 ，，，，，，为开放共享、面向未来的AGI4S基础设施涤讪了坚实基础。 。。。。。
高质量开源赋能立异生态
自2023年书生大模子首次宣布以来 ，，，，，，上海AI实验室已逐步构建起富厚的书生大模子家族 ，，，，，，包括、、、等。 。。。。。同时首创并开源了面向大模子研发与应用的全链路开源工详细系 ，，，，，，笼罩数据处置惩罚、预训练、微调、安排、评测与应用等要害环节 ，，，，，，包括训练框架XTuner、安排推理框架LMDeploy、、 ，，，，，，以及思索式AI搜索应用MindSearch等在内的焦点工具已周全开源 ，，，，，，形成笼罩数十万开发者加入的活跃开源社区。 。。。。。
自宣布以来 ，，，，，，Intern-S1多次登顶HuggingFace全球多模态榜单 ，，，，，，累计下载超41万次 ，，，，，，并获得近200家科研机构和企业的相助申请。 。。。。。其卓越的跨模态科学明确能力不但为科研提供了高效工具 ，，，，，，也通过开源降低了全球科研团队迈入AGI for Science的门槛。 。。。。。未来 ，，，，，，在研究范式立异及模子能力提升的基础上 ，，，，，，上海AI实验室将推进Intern-S1及其全链条工详细系一连开源 ，，，，，，支持免费商用 ，，，，，，同时提供线上开放效劳 ，，，，，，与全球相助同伴共建越发开放、高效的科学AI生态。 。。。。。
案例展示
参考文献：
① Fourier Posi智购电商运营有限公司tion Embedding: Enhancing Attention's Periodic Extension for Length Generalization（https://arxiv.org/abs/2412.17739）