上海AILab开源的科学多模态大模型——Intern-S1-Pro

Intern-S1-Pro是上海AI实验室开源的万亿参数科学多模态大模型，采用MoE架构（总参数达1T，激活参数为22B），依托“通专融合”的SAGE技术构建而成。该模型借助傅里叶位置编码与重构时序编码器，赋予自身“物理直觉”，能够实现从微观生命信号到宏观宇宙波动的统一理解，在奥赛级别的数理推理任务、化学、材料、生命、地球、物理五大科学学科领域，以及真实科研场景中均展现出卓越性能。作为全球开源社区中参数规模最大的科学多模态模型，它正推动AI4S从“工具革命”阶段向“科学发现”的全新范式跨越。

Intern-S1-Pro的核心功能科学推理能力：该模型拥有国际奥赛金牌水准的数理逻辑推导能力，在国际数学奥林匹克、国际物理奥林匹克相关评测中均取得优异表现。多模态解析能力：能够精准识别并解读分子结构图、实验数据图表、遥感影像等各类复杂的科学视觉信息。时序信号处理能力：可对从数个到百万级采样规模的异构时序数据进行统一分析，覆盖天文观测、地理监测、生理信号、生物声学等多个领域。跨学科应用能力：搭建了涵盖化学、材料、生命、地球、物理五大核心学科的全领域能力体系，可支持化学逆合成、蛋白质序列生成等超百项专业细分任务。智能体执行能力：实现了从静态任务规划到动态环境交互的突破，在复杂科研流程中展现出国际顶尖的自主规划与执行水平。通用认知能力：在图文跨模态理解、高质量文本创作、复杂指令遵循、外部工具调用等方面，始终处于开源模型的第一梯队。Intern-S1-Pro的技术机制“SAGE通专融合”架构：采用共享基础表征层与分化专家层相结合的设计，让模型在训练过程中实现能力互促，既保留广泛的通用认知能力，又具备深度专业化的科学推理能力，达成“可深度专业化的通用模型”这一目标。混合专家（MoE）架构：Intern-S1-Pro采用总参数为1万亿、包含512个专家的MoE架构，每次前向传播仅激活8个专家（激活参数约220亿）。通过创新的路由稠密估计机制提升训练稳定性，解决传统MoE中常见的专家崩溃问题；同时引入分组路由策略，实现海量计算芯片的负载均衡，如同智能交通系统般高效调度算力资源。物理感知层革新：研发团队引入傅里叶位置编码（FoPE），赋予模型独特的“物理直觉”——既能像观测粒子运动一样捕捉文本token间的相对距离，又能像分析波动规律一样把握科学信号的整体频率特征；此外，重构自适应时序编码器，使其可根据数据密度自动调整，首次实现对跨越六个数量级采样规模的异构时序信号的统一建模。国产算力深度适配：模型从架构设计初期就与昇腾计算生态确定联合研发方向，完成从底层算子优化、编译器适配到上层训练框架XTuner V1及推理引擎LMDeploy的全栈深度适配，攻克大规模训练中的精度对齐、超长序列强化学习稳定性等核心技术难题，构建起自主可控的“算力-算法”一体化基础平台。Intern-S1-Pro的项目链接官方网站：https://chat.intern-ai.org.cn/GitHub仓库：https://github.com/InternLM/Intern-S1HuggingFace模型库：https://huggingface.co/internlm/Intern-S1-ProIntern-S1-Pro的适用场景基础科学研究领域：可辅助开展数学物理理论研究、化学材料设计与合成路径规划、生命科学中的蛋白质结构预测及药物研发等工作。地球与环境科学领域：支持遥感图像分析、气候动态监测、地质资源勘探、灾害风险预测等环境科学研究任务。工程技术开发领域：能够解读工程设计图纸、分析实验数据、生成技术文档，并可与外部软件联动，实现研发流程自动化。科研智能体协作领域：可构建自主智能体，完成文献检索、实验方案设计、结果分析与迭代优化等环节，形成闭环科研流程。科学教育普及领域：为学生及科研人员提供个性化学术辅导、解题指导与研究方法训练，助力降低科学学习的准入门槛。