---
title: "上海AI Lab开源Intern-S2-Preview：35B参数科学大模型，比肩万亿参数，首次实现晶体结构生成"
url: "https://paooo.com/aigc-news/10553/"
author: "Prompt 语宙研究院"
published_at: "2026-05-24T04:38:04+08:00"
updated_at: "2026-05-24T02:28:10+08:00"
categories: "AI 工具, AIGC 资讯"
tags: "Intern-S2-Preview, 上海AI Lab, 多模态大模型, 开源模型, 科学大模型"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# 上海AI Lab开源Intern-S2-Preview：35B参数科学大模型，比肩万亿参数，首次实现晶体结构生成

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/10553/) · 作者：Prompt 语宙研究院 · 发布时间：2026-05-24

## AI 30 秒核心看点 (TL;DR)

- 35B参数的Intern-S2-Preview通过通专融合与强化学习，在多项科学任务上逼近万亿参数模型表现。
- 首次在开源通用大模型中实现材料晶体结构生成，MolecularIQ 57.26、晶体结构生成通过率超40%。
- 支持科学多模态理解、长程推理、代码生成与智能体执行，可通过官方平台、API或本地部署使用。

> 
                **💡 站外导读：**在AI for Science的浪潮下，科研领域正面临模型能力、部署成本与可复现性的多重挑战。上海AI Lab开源的Intern-S2-Preview，旨在以极小的参数规模，解决通用大模型在专业科学任务上能力不足、且闭源模型成本高昂、难以定制的行业痛点，为科研人员提供强大的开源AI工具。

            

             
                        

## Intern-S2-Preview是什么

Intern-S2-Preview 是上海人工智能实验室开源的新一代书生科学多模态大模型预览版，以35B参数规模实现比肩万亿参数模型的科学能力。模型通过”通专融合”全链路训练与强化学习驱动，首次在开源通用大模型中实现材料晶体结构生成，MolecularIQ评测得分57.26，晶体结构生成通过率超40%，显著超越主流闭源模型。同时支持复杂科学推理、生物多组学理解与智能体任务执行，基于昇腾Atlas 900 A3超节点实现算法—系统—算力协同优化，为科研创新提供高效、低门槛的AI基础设施。

## Intern-S2-Preview的主要功能

- 
**科学多模态理解**：支持多组学序列分析、生物显微图像问答、生物分子指令理解、分子结构推理、科学多模态任务、遥感感知与推理及综合科学推理。

- 
**材料晶体结构生成**：首次在开源通用大模型中实现材料晶体结构生成，引入实数预测模块，支持高精度坐标回归与分子结构空间建模。

- 
**数学与复杂推理**：覆盖国际数学奥赛解题、多模态数学推理、高中数学竞赛等任务，支持思维链折叠与极致压缩的高效推理。

- 
**长程文本与多模态推理**：支持长程纯文本及多模态推理，具备处理超长科学文献与复杂跨模态信息的能力。

- 
**科学图表与数据问答**：针对科学图表、数据可视化内容进行专业问答与解析。

- 
**科学代码生成**：在科学编程与算法求解场景中表现优异，可高效支撑科学计算、算法开发与科研脚本编写。

- 
**通用智能体任务执行**：具备科学智能体交互、科学竞赛与研究智能体任务执行、OpenClaw编码智能体及软件工程智能体等复杂任务规划与自主执行能力。

- 
**指令跟随与代码生产**：支持高精度指令跟随与通用代码生产任务。

## Intern-S2-Preview的技术原理

- 
**通专融合全链路训练**：将数百项专业科学任务从预训练扩展至强化学习阶段，为每个任务配备从预训练到后训练的高质量数据与训练策略，实现多任务融合训练，使不同任务间形成相互促进的协同效应。

- 
**任务Scaling机制**：通过提升任务难度与丰富任务多样性实现能力Scaling，当大量高难度科学任务统一融合训练时，35B参数模型可在多项科学任务上达到万亿参数模型的表现水平。

- 
**强化学习驱动科学推理**：延长RL训练步长并引入研究生级别学科推理问题；引导模型利用思维链完成生物多组学理解等专业任务，依托思维链泛化优势实现小参数比肩大模型性能。

- 
**数据思维密度优化（IQPT）**：在Intelligence Quality per token理念指导下，探索思维链折叠等创新算法，通过构建数据思维密度杠杆，在数学推理中以相同单位智能比肩8倍参数量模型。

- 
**分子结构空间建模技术**：引入傅里叶位置编码（FoPE）、重构时序编码器，并新增实数预测模块，实现高精度坐标回归，首次在开源通用大模型中完成材料晶体结构生成。

- 
**训推一体化架构**：基于XTuner训练框架与LMDeploy推理引擎，引入共享MTP权重计算方式，减少训练与推理阶段不一致性，提升draft token接受率与生成有效性。

- 
**昇腾算力协同优化**：基于昇腾Atlas 900 A3超节点，在训练框架中引入SP、chunk loss、activation offload等显存优化技术；针对变长输入优化数据分块与主机设备交互；通过离线模拟视觉与语言模块算力占比，实现多模态长序列训练的均衡资源分配。

## 如何使用Intern-S2-Preview

- 
**在线对话体验**：访问书生大模型官方体验平台，直接进行多轮对话，测试科学问答、分子结构理解、代码生成等能力。

- 
**API 服务接入**：通过 ChatAPI 调用模型，在 `model` 字段填写 `intern-s2-preview`，默认开启深度思考模式（`thinking_mode`），适合需要集成到科研工具链或自动化工作流的场景。

- 
**智能体任务执行**：若需使用智能体能力（如接入 OpenClaw 等 harness 执行复杂科研任务），强烈建议保持 `thinking_mode` 开启，以保障任务拆解、工具调用与多步决策的稳定性。

- 
**开源模型本地部署**：从 HuggingFace 或 ModelScope 下载模型权重，结合官方推荐的 LMDeploy 推理引擎进行本地部署，支持高效推理与多模态长序列处理。

- 
**科研微调与训练**：基于 XTuner 训练框架，利用开源权重进行领域微调；训练阶段支持多 token 预测强化学习及共享 MTP 权重计算，便于训推一体化迭代。

- 
**晶体结构生成任务**：针对材料科学场景，直接调用模型进行晶体结构生成与分子坐标回归，无需依赖扩散模型即可获得高精度空间坐标预测结果。

## Intern-S2-Preview的项目地址

- 
**书生大模型**：https://chat.intern-ai.org.cn/

- 
**HuggingFace**：https://huggingface.co/internlm/Intern-S2-Preview

- 
**ModelScope**：https://modelscope.cn/models/Shanghai_AI_Laboratory/Intern-S2-Preview

## Intern-S2-Preview的核心优势

- 
**35B参数比肩万亿级模型**：以极小参数规模实现多个核心科学领域比肩万亿参数模型的能力，大幅降低科研使用门槛与部署成本。

- 
**首次开源晶体结构生成**：引入实数预测模块，在开源通用大模型中首次实现材料晶体结构生成，MolecularIQ得分57.26，通过率超40%，显著超越GPT-5.5等闭源模型。

- 
**科学智能体能力领先**：在综合科学场景编程、科学发现任务中超越Claude-Haiku-4.5、GPT5.4-Nano等主流闭源模型，SciCode与PinchBench评测位居同量级前列。

- 
**通专融合全链路训练**：将专业科学任务从预训练延伸至强化学习阶段，多任务融合形成协同效应，避免单一阶段优化的能力此消彼长。

- 
**强化学习驱动高效推理**：依托思维链引导与思维链折叠算法，在数学推理中以相同单位智能比肩8倍参数量模型，实现性能与效率双重突破。

- 
**昇腾软硬件协同优化**：基于昇腾Atlas 900 A3超节点实现算法—系统—算力协同演进，训练稳定性与推理效率大幅提升，验证国产算力生态价值。

- 
**训推一体化架构**：XTuner训练框架与LMDeploy推理引擎深度协同，共享MTP权重减少训推不一致，支持多模态长序列高效训练与部署。

## Intern-S2-Preview的同类竞品对比

对比维度
Intern-S2-Preview
[Qwen3.6-35B-A3B](https://ai-bot.cn/qwen3-6-35b-a3b/)
[Step3.5-Flash](https://ai-bot.cn/step-3-5-flash/)

**发布机构**
上海人工智能实验室
阿里巴巴通义千问团队
阶跃星辰

**参数规模**
35B
35B
196B

**模型定位**
科学多模态大模型（通专融合）
通用多模态大模型
通用多模态大模型

**开源情况**
开源（HuggingFace/ModelScope）
开源
开源

**MolecularIQ 分子结构推理**
**57.26**
32.62
45.94

**晶体结构生成**
**首次开源实现，通过率>40%**
不支持
不支持

**SciCode 科学编程**
39.64
40.60
**46.15**

**SGI-Bench 科学智能体交互**
**52.52**
37.30
36.16

**MMLU Pro 通用知识推理**
**88.00**
85.12
83.44

**IMO-Bench 国际数学奥赛**
**84.00**
81.00
79.0

**PinchBench 通用智能体编码**
**88.22**
87.05
85.00

**FrontierScience-Research 科研智能体**
**19.44**
10.00
10.00

**训练范式**
全链路通专融合 + RL强化学习
通用预训练 + 后训练
通用预训练 + 后训练

**算力生态**
昇腾 Atlas 900 A3 深度优化
多元算力
多元算力

**核心差异**
以35B参数实现晶体结构生成等专有科学能力，科学智能体与推理效率显著领先同/更大规模模型
通用能力强，但在专业科学任务（分子结构、科研智能体）上明显落后
参数规模大，科学编程略优，但科学发现、分子推理与智能体任务落后，且不具备晶体结构生成能力

## Intern-S2-Preview的应用场景

- 
**分子生物学与药物研发**：用于多组学序列分析、生物分子指令理解与分子结构推理，辅助靶点发现、化合物筛选及药物作用机制研究。

- 
**材料科学创新发现**：直接生成材料晶体结构并输出高精度空间坐标，加速新型半导体、催化剂、电池材料等研发迭代。

- 
**科学计算与算法开发**：支撑科学编程、算法求解与科研脚本编写，为物理模拟、化学计算、生物信息学处理提供自动化代码生成。

- 
**生物显微图像与遥感分析**：对生物显微图像进行专业问答与特征识别，同时支持遥感感知与推理，服务医学影像与地球科学领域。

- 
**数学与复杂科学推理**：覆盖国际数学奥赛、高中数学竞赛及研究生级别学科推理，辅助数学证明、公式推导与逻辑验证。

- 
**科研智能体自动化执行**：作为科学竞赛智能体、研究智能体或OpenClaw编码智能体，自主完成文献调研、实验设计、数据分析等多步骤科研任务。

                    
            
                

#### 📝 站长洞察 (Editor's Insight)

                Intern-S2-Preview的发布标志着“小而精”的科学大模型路径已走向成熟。它通过“通专融合”与强化学习，在材料、生物、数学等硬核科学任务上实现了对万亿参数通用模型的越级挑战，这验证了任务Scaling与数据思维密度优化（IQPT）的巨大潜力。其意义在于：1）将AI for Science的准入门槛从“天价”拉至“平权”；2）首次开源晶体结构生成，可能催化材料发现范式的变革；3）基于昇腾算力的全栈优化，为国产AI基础设施提供了关键的技术验证。这不仅是模型能力的突破，更是推动科研民主化和AI深度产业化的关键一步。

## 常见问题解答 (FAQ)

### Intern-S2-Preview适合做哪些科学任务？
它面向AI for Science场景，支持多组学理解、显微图像问答、分子结构推理、科学图表问答、代码生成、长程推理以及智能体任务执行，适合科研分析与自动化工作流集成。

### Intern-S2-Preview为什么说35B能比肩万亿参数？
文章给出的核心原因是通专融合全链路训练、任务Scaling、强化学习驱动科学推理，以及数据思维密度优化等方法，让35B模型在多项科学任务上达到接近万亿参数模型的效果。

### Intern-S2-Preview如何使用和部署？
可通过官方体验平台在线对话，也可用ChatAPI接入，model字段填写intern-s2-preview；本地部署可从HuggingFace或ModelScope下载权重，并结合LMDeploy推理引擎使用。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)
