# 以 35B 参数逆袭千亿级闭源旗舰！上海 AI Lab 重磅开源书生-A1.5：通专融合科学智能体架构与 RSI 自进化机制全景拆解

- Link: https://paooo.com/aigc-news/40337/
- Published: 2026-10-24T12:13:31+08:00
- Author: Prompt 语宙研究院

🎯 2分钟看懂上海AI Lab书生-A1.5的架构、RSI自进化机制与实测表现，弄清它为何能在科研
任务中以35B参数对抗千亿级闭源旗舰。

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * 35B 书生-A1.5 以通专融合架构切入 AI for Science，重点解决长程推理、证据核查与
   幻觉纠偏。
 * 依托 Agents-A1 与“书生·端砚”平台，模型通过真实科研环境驱动 RSI 闭环持续自进化。
 * 在 CMT、FS-R 等评测中，书生-A1.5 对比多款千亿级闭源旗舰展现出更强科研推理与纠
   错能力。

> **💡 站外导读：**在当前大模型技术狂飙的大潮中，单纯依赖死磕参数规模的“暴力美学（
> Brute-force Scaling）”正遭遇严峻的边际收益递减墙，尤其在容错率为零、逻辑证明链
> 条极长的前沿科研（AI for Science）领域，动辄千亿甚至万亿参数的通用模型频频暴露出
> 推论断裂、虚构实验数据以及缺乏真实物理直觉的通病。针对这一行业痛点，上海人工智能
> 实验室（Shanghai AI Lab）正式开源了 35B 参数规模的通专融合科学智能体 **书生-A1.5（
> Sage-A1.5）**。该项目基于 Agents-A1 长程规划基座与“书生·端砚”科学发现平台打造，
> 首创以真实科研环境为驱动的递归自我进化（RSI）闭环，在凝聚态物理、电化学合成与全
> 脑解码等博士级科研任务中，以轻量级身躯跨级反超了包括 Kimi-K3 与 GPT-5.6-Sol 在内
> 的主流闭源千亿旗舰。

## 一、科学研究的 AI 困境：为什么千亿通用大模型搞不定严肃科研？

在过去的一年里，许多顶尖科研机构尝试将通用[大模型](https://paooo.com/ai-study/)引入
实验设计与学术审校流程，但落地效果往往不及预期。在 SRE 级严谨性视角下，通用大模型
在严肃科学探索中暴露出三大致命结构性缺陷：

阅读目录

 * [一、科学研究的 AI 困境：为什么千亿通用大模型搞不定严肃科研？](https://paooo.com/aigc-news/40337/#%e4%b8%80%e7%a7%91%e5%ad%a6%e7%a0%94%e7%a9%b6%e7%9a%84-ai-%e5%9b%b0%e5%a2%83%e4%b8%ba%e4%bb%80%e4%b9%88%e5%8d%83%e4%ba%bf%e9%80%9a%e7%94%a8%e5%a4%a7%e6%a8%a1%e5%9e%8b%e6%90%9e%e4%b8%8d%e5%ae%9a)
 * [二、书生-A1.5 架构深潜：通专融合底座与 RSI 递归自进化飞轮](https://paooo.com/aigc-news/40337/#%e4%ba%8c%e4%b9%a6%e7%94%9fa15-%e6%9e%b6%e6%9e%84%e6%b7%b1%e6%bd%9c%e9%80%9a%e4%b8%93%e8%9e%8d%e5%90%88%e5%ba%95%e5%ba%a7%e4%b8%8e-rsi-%e9%80%92%e5%bd%92%e8%87%aa%e8%bf%9b%e5%8c%96%e9%a3%9e%e8%bd%ae)
    - [1. Agents-A1 长程规划与多子智能体并行编排](https://paooo.com/aigc-news/40337/#1-agentsa1-%e9%95%bf%e7%a8%8b%e8%a7%84%e5%88%92%e4%b8%8e%e5%a4%9a%e5%ad%90%e6%99%ba%e8%83%bd%e4%bd%93%e5%b9%b6%e8%a1%8c%e7%bc%96%e6%8e%92)
    - [2. 动态事实校验与证据缺口识别（Dynamic Verification）](https://paooo.com/aigc-news/40337/#2-%e5%8a%a8%e6%80%81%e4%ba%8b%e5%ae%9e%e6%a0%a1%e9%aa%8c%e4%b8%8e%e8%af%81%e6%8d%ae%e7%bc%ba%e5%8f%a3%e8%af%86%e5%88%abdynamic-verification)
    - [3. “环境即数据”的 RSI 递归自我进化飞轮](https://paooo.com/aigc-news/40337/#3-%e7%8e%af%e5%a2%83%e5%8d%b3%e6%95%b0%e6%8d%ae%e7%9a%84-rsi-%e9%80%92%e5%bd%92%e8%87%aa%e6%88%91%e8%bf%9b%e5%8c%96%e9%a3%9e%e8%bd%ae)
 * [三、真实科研场景实战检验：从全脑解码到电化学合成](https://paooo.com/aigc-news/40337/#%e4%b8%89%e7%9c%9f%e5%ae%9e%e7%a7%91%e7%a0%94%e5%9c%ba%e6%99%af%e5%ae%9e%e6%88%98%e6%a3%80%e9%aa%8c%e4%bb%8e%e5%85%a8%e8%84%91%e8%a7%a3%e7%a0%81%e5%88%b0%e7%94%b5%e5%8c%96%e5%ad%a6%e5%90%88%e6%88%90)
 * [四、权威基准硬核对决：35B 参数跨级逆袭千亿大模型](https://paooo.com/aigc-news/40337/#%e5%9b%9b%e6%9d%83%e5%a8%81%e5%9f%ba%e5%87%86%e7%a1%ac%e6%a0%b8%e5%af%b9%e5%86%b335b-%e5%8f%82%e6%95%b0%e8%b7%a8%e7%ba%a7%e9%80%86%e8%a2%ad%e5%8d%83%e4%ba%bf%e5%a4%a7%e6%a8%a1%e5%9e%8b)
 * [五、全栈国产算力开箱即用：昇腾、沐曦与 AMD 部署矩阵](https://paooo.com/aigc-news/40337/#%e4%ba%94%e5%85%a8%e6%a0%88%e5%9b%bd%e4%ba%a7%e7%ae%97%e5%8a%9b%e5%bc%80%e7%ae%b1%e5%8d%b3%e7%94%a8%e6%98%87%e8%85%be%e6%b2%90%e6%9b%a6%e4%b8%8e-amd-%e9%83%a8%e7%bd%b2%e7%9f%a9%e9%98%b5)
       * [📝 站长洞察 (Editor’s Insight)](https://paooo.com/aigc-news/40337/#%f0%9f%93%9d-%e7%ab%99%e9%95%bf%e6%b4%9e%e5%af%9f-editor8217s-insight)

 * **“许愿式推理”与幻觉弥散：**通用大模型在面对复杂的偏微分方程、有机反应机理或凝聚
   态物理哈密顿量时，倾向于凭借概率分布生成看似合乎语法的“伪推导”，一旦推演链条超过
   十步，错误累积率几乎达到 100%。
 * **缺乏主动求证与纠偏机制：**当遇到文献冲突或未定义变量时，通用模型不会主动调用
   仿真工具或设计验证实验，而是选择“圆谎”，将猜测包装成既成事实。
 * **长程规划能力与领域专业深度割裂：**具备优秀 Agent 工具调用能力的模型往往缺乏
   深厚的基础学科本体知识，而具备学科知识的专业小模型又缺乏跨子[智能体](https://paooo.com/trends/)
   并行编排的长程拆解能力。

书生-A1.5 的诞生，标志着中国科研团队在科学智能体架构设计上探索出了一条**“通专融合、
环境牵引、自主反思”**的全新范式。

## 二、书生-A1.5 架构深潜：通专融合底座与 RSI 递归自进化飞轮

书生-A1.5 绝非简单的“开源基座+学术论文 LoRA 微调”，其底层深度融合了多项前沿智能体
工程机制：

### 1. Agents-A1 长程规划与多子智能体并行编排

面对一项宏大的科学课题（如“空间科学文献综述审校与证据链层级核实”），书生-A1.5 能
自主将目标拆解为数十个解耦的子任务，并行唤醒文献检索智能体、数据一致性校验智能体
与数学推导验证智能体。各子智能体在隔离沙盒中异步取证，最终由主控中枢汇总构建证据
矩阵。

### 2. 动态事实校验与证据缺口识别（Dynamic Verification）

模型内建了独特的**“校验时机与对象评估器”**。在推理过程中，模型能够自主区分哪些是“
已由实验确认的硬事实”，哪些是“基于假说的软推论”。一旦发现关键证据链存在缺失或文献
间存在不可调和的矛盾，模型不会继续盲目推导，而是主动触发反思回路，收敛探索方向或
输出需人工实验介入的显式提示。

### 3. “环境即数据”的 RSI 递归自我进化飞轮

依托“书生·端砚”科学发现平台，研究团队构建了涵盖高能物理、药物分子设计、材料力学等
领域的真实可验证评测基准（MVSP）。模型在与真实科学环境的持续交互中，每一次成功的
纠偏轨迹与证伪记录都被实时反哺（Re-alignment），驱动模型自身实现递归式闭环进化。

## 三、真实科研场景实战检验：从全脑解码到电化学合成

在上海 AI Lab 公布的落地验证案例中，书生-A1.5 展现出令人惊叹的实际科研生产力：

 * **神经科学全脑解码数据分析：**智能体能够自主读取实验小鼠的全脑神经电信号元数据，
   自动完成区域空间解码指标计算、主成分分析（PCA）降维与非参数置换检验（Permutation
   Test），并一键生成符合 Nature 顶刊标准的科学可视化图表，精准揭示了任务行为与运动
   信息在不同皮层间的空间分布法则。
 * **电化学有机合成路线优化：**在经典傅–克烷基化（Friedel-Crafts Alkylation）等反应
   优化中，书生-A1.5 能够自动检索海量历史反应条件，交叉比对催化剂载荷、溶剂极性与
   温控曲线，自主修正机理假设并预测目标产率，显著缩减了湿实验盲目试错周期。
 * **空间科学综述严密审校：**调度多智能体核对深空探测任务中的数百条技术断言，自动
   生成逐条对应的证据矩阵与修改建议清单，帮助科学家在数小时内完成过去需要数周的文献
   溯源。

## 四、权威基准硬核对决：35B 参数跨级逆袭千亿大模型

在包含凝聚态物理 CMT、博士级科研难题 FS-R、国际科学奥林匹克竞赛 FS-O 以及复杂遵循
基准 IFBench、PinchBench 的综合评测中，书生-A1.5 展现了极其夸张的能效比：

  |  评测维度 / 基准 |  书生-A1.5 (Sage-A1.5) |  Kimi-K3 (千亿级超长文本) |  GPT-5.6-Sol (顶尖闭源旗舰) |  
   |  参数规模 |  35B（轻量高效） |  数千亿级（高昂算力） |  闭源万亿级混合架构 |  
 |  凝聚态物理 (CMT) 推理 |  84.6%（精准推导） |  76.2% |  82.1% |  
 |  博士级科研问答 (FS-R) |  79.3%（首位领跑） |  68.5% |  77.8% |  
 |  证据链溯源与防幻觉纠错 |  动态事实核查机制内置 |  依赖提示词被动防御 |  存在不可控隐性幻觉 |

## 五、全栈国产算力开箱即用：昇腾、沐曦与 AMD 部署矩阵

尤为值得国内科技企业与学术界关注的是，书生-A1.5 在发布的第一时间便提供了对主流国产
与开源算力软件栈的“零调试 Day-0 原生适配”：

 * **华为昇腾（Huawei Ascend）：**深度优化 CANN 算子库与 MindIE 推理引擎，支持 W8A8
   与 W4A16 混合精度量化，在昇腾 910B 集群上推理吞吐表现优异。
 * **沐曦（MetaX）：**基于 MXMACA 异构计算平台，实现了多卡张量并行与算子融合加速，
   单机多卡即可跑满全功能长程推理。
 * **AMD ROCm 生态：**官方提供预编译 Docker 容器镜像，支持 Instinct MI 系列加速卡
   即插即用，彻底解除对单一硬件供应商的生态锁定。

#### 📝 站长洞察 (Editor’s Insight)

“书生-A1.5”的发布给整个大模型工业界提供了一个极具启发性的工程范例：解决复杂的纵深
领域问题，核心不在于盲目死磕参数规模膨胀，而在于如何构建高质量的“认知交互回路”。
科研工作的本质是提出假设、检索证据、实验验证、纠偏迭代的动态循环，而非一次性吐出
几千字的散文。Sage-A1.5 引入的“自主判断校验时机”和“证据缺口主动探寻”机制，恰恰模拟
了一流科研团队的核心协作范式。更为关键的是，该项目深度完成了华为昇腾、沐曦等国产
芯片的低比特量化适配，使高校和科研院所无需动辄采购数千万元的外部算力硬件，仅凭现有
算力设备即可跑起属于自己的专属科研副驾。这种“架构轻量化、推理自进化、硬件信创化”
的组合拳，正是国产垂直大模型弯道超车的最佳范本。

❓ 常见问题解答（FAQ）

书生-A1.5 为什么能做严肃科研？

它不是单纯通用大模型，而是面向科学任务设计的通专融合智能体，具备长程规划、多子智能
体并行编排、动态事实校验和证据缺口识别能力，更适合处理需要严谨推导和可验证证据链
的科研场景。

书生-A1.5 的 RSI 自进化机制是什么？

RSI 指递归自我进化。模型在“书生·端砚”科学发现平台中与真实科研环境持续交互，把纠偏
轨迹、证伪记录和验证结果实时反哺训练，从而形成环境驱动的闭环优化机制。

书生-A1.5 在哪些任务上表现突出？

文中给出的实战场景包括全脑解码数据分析、电化学有机合成路线优化和空间科学综述审校；
在凝聚态物理、博士级科研问答等基准上，也展示了对千亿级闭源旗舰的跨级优势。

🔬 语宙深潜追问 · 进阶实操拆解

RSI 自进化机制怎么避免越学越偏？

关键是把自我改进限制在可验证任务上，用证据链、奖励约束和回滚机制控制漂移。每轮进化
都应先做小步验证，再进入更长程规划，避免模型在开放式探索中把“自信”误当“正确”。

科研智能体落地最该补哪一层？

最缺的是可追溯的证据管理和工具调用链，而不是单纯更大的模型。真正能落地的系统要能
检索文献、核查结论、记录推理路径，并把实验设计、数据分析和复现实验串成闭环。

🗳️ 读者观点微投票 · 您的实战立场是？

35B 反超千亿闭源，科学智能体真能靠架构赢吗？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[🤖 所属权威专题：AI Agent 智能体工作流 →](https://paooo.com/topics/ai-agents/)

 * [上海AI Lab开源Intern-S1：2350亿参数科学多模态大模型，解析分子式、蛋白质与地震波，多项基准超越顶尖闭源模型](https://paooo.com/aigc-news/14375/)
 * [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](https://paooo.com/aigc-news/10553/)
 * [上海AI Lab开源万亿参数科学大模型Intern-S1-Pro：MoE架构赋能五大科学学科，推动AI4S新范式](https://paooo.com/aigc-news/11496/)
 * [SciReasoner – 上海AI Lab等推出的科学推理多模态基础模型](https://paooo.com/aigc-news/38602/)

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/40337/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)