---
title: "上海开源3970亿参数科学模型，书生-S2专攻长链条科研任务"
date: 2026-11-22
category: AI大模型
site: 脑机网
canonical: https://aiai.cafe/a/njw-2e2d23
language: zh-CN
---

# 上海开源3970亿参数科学模型，书生-S2专攻长链条科研任务

> 一位研究者想让模型读一篇论文、核对一个晶体结构、推完一道证明，并记住3步之前得出了什么。擅长聊天的模型照样会在这件事上栽跟头，因为难的不是表达流畅，而是把一长串专业推理握在手里不跑偏。

一位研究者想让模型读一篇论文、核对一个晶体结构、推完一道证明，并记住3步之前得出了什么。擅长聊天的模型照样会在这件事上栽跟头，因为难的不是表达流畅，而是把一长串专业推理握在手里不跑偏。

上海人工智能实验室用书生-S2给自己出了这道题。这个面向科学的开源模型在2026年9月的浦江创新论坛上发布，上一代叫书生-S1。新版以Intern-S2-397B之名公开，结构思路很简单：把通用推理和专业分家，这样更新其中一个就不会扰动另一个。

## 关键要点

- 书生-S2共3970亿参数，2026年9月以开源形式发布。
- 架构把通用推理基座和存放领域知识的可插拔记忆模块分开。
- 模型针对昇腾国产加速器以及开放推理栈训练和调优。
- 目标是长周期科研工作：读论文、解读分子与晶体结构、多步数学推理。
- 实验室称在科学基准上表现强劲；数字来自开发方，还需要独立复现。

## 为什么单独的记忆模块重要
多数大模型把知道的东西和用来推理的东西放在同一组权重里。要教它一门新专业，就得微调，而这有可能削弱它已有的能力。对一个服务众多学科的研究机构来说，这是个别扭的取舍。

书生-S2走了另一条路。按实验室的描述，推理基座负责长上下文、代码和数学证明，另一个模块专门放学科知识。增加一个领域，意味着扩充记忆模块，而不是重训基座。实验室称之为知识与推理分离设计；打个外行的比方，图书管理员不变，只是书架不断上新。

实际主张是：模型能跟上新的科学文献，又不忘记怎么思考。这个说法在实验室自己的评测之外是否成立，是另一个问题，而开放权重让这件事可以被检验。

## 它被要求做什么
这次发布瞄准的任务不像普通聊天。实验室提到Biology-Instructions和Mol-Instructions，前者考生物内容的阅读理解与生成，后者考分子内容与材料结构；还提到IMO-Proof和AdvancedMathBench，围绕竞赛级数学和长篇证明构建。

长周期是共同线索。长达数页的证明，或者必须在几十份资料间保持一致的文献综述，最容易惩罚那些记不住前面步骤的模型。书生-S2还被接入实验室的科学发现平台书生·端砚，该平台随模型一同升级，意在把模型输出连到上海同步辐射光源、中国散裂中子源这类大科学装置上。

这条连接其实是发布里更有意思的部分。一个能提出实验方案的模型很有用；一个能把方案送到光束线、采集数据、再把结果喂回下一轮迭代的平台，是另一类工具。实验室说平台现在带有让每一步都可追溯的证据链，也接入了中试规模测试设施。

## 国产算力这条线
书生-S2与昇腾生态一起优化，覆盖计算、通信和显存使用。对那些不能假定能拿到最新英伟达硬件的中国研究机构来说，一个权重和训练配方都能跑在国产加速器上的模型，价值超出基准分数。

同一个模型在多个开放仓库可得，实验室提供免费接口额度，并可申请更高上限。这种分发方式和中国公共科研机构围绕开源模型建生态的路子一致：公开权重、写清训练过程，让大学去改造它。

## 诚实的局限

- 基准说法来自上海人工智能实验室自己的发布，我没找到对所述科学结果的独立复现。
- 基准表现不等于在真实实验室里有用，活体实验的错误率是另一种测量。
- 训练语料细节和记忆模块的确切机制在公告里只是高层描述；读者在把架构当成定论前，应查阅模型卡和技术报告。
- 与大科学装置的连接是实验室描述的集成路线图，所查来源没有记录常规运行的程度。
- 本文依据实验室官方公告和人民日报报道，后者基本复述同一发布；写作时英文独立技术报道有限。

## 普通人现在能做什么

- 如果你在科学领域工作，先下载模型卡再看宣传摘要，核对哪些基准和你的真实任务对得上。
- 自己做一个小而可复现的测试：给模型一篇你领域的论文，让它提取某个具体方法，再逐条对照原文核实。
- 在国内的团队，应在自己的硬件栈上试部署。宣传说对加速器友好，仍需要本地跑一次基准。

---

来源：脑机网（https://aiai.cafe/）｜原文：https://aiai.cafe/a/njw-2e2d23
本内容仅供参考，不构成投资建议。
