Intern-S2-Preview – 开源的新一代书生科学大模型的预览版

Intern-S2-Preview是上海人工智能实验室(上海AI实验室)最新开源的新一代书生科学大模型的预览版。

它最大的亮点在于“以小博大”：仅用 350亿（35B） 的参数规模，就在多个核心科学领域的表现上，比肩甚至超越了以往的万亿参数模型，大幅降低了专业科学大模型的使用门槛。

Intern-S2-Preview核心能力突破

• 科学能力更强：通过提升任务难度和多样性，显著增强了小参数模型在复杂科学任务中的表现。例如，它首次在开源通用大模型中引入了实数预测模块，实现了材料晶体结构生成的能力。
• 顶尖的科学智能体（Agent）能力：在真实科研场景中表现出色。在PinchBench等通用智能体评测基准中，它展现出稳健的任务理解、工具调用和多步决策能力。在科学发现任务中，甚至超越了Claude-Haiku-4.5、GPT5.4-Nano 等主流闭源模型。
• 强大的科学代码生成：在面向科学编程与算法求解的SciCode基准上表现优异，位居同量级模型前列，能够高效支撑科学计算、算法开发与科研脚本编写等复杂任务。

Intern-S2-Preview训推效率与国产算力协同

• 训练效率提升：针对多模态长序列训练，引入了多项显存与内存优化技术。通过离线模拟视觉与语言模块的算力占比，实现了更均衡的资源分配，解决了视觉模块耗时过高的问题。
• 训推一体化：基于训练框架XTuner与部署推理框架 LMDeploy，引入了共享权重计算方式。这不仅减少了训练与推理之间的不一致，还显著提升了生成结果的有效性和推理效率。
• 强化学习优化：支持多token预测强化学习（MTP RL），并引入共享 MTP 权重计算，有效缓解了训练与推理阶段的不一致问题，提升了模型训练的稳定性。

Intern-S2-Preview体验与获取渠道

• 在线体验：https://chat.intern-ai.org.cn/
• HuggingFace：https://huggingface.co/collections/internlm/intern-s2
• ModelScope（魔搭社区）：https://modelscope.cn/collections/Shanghai_AI_Laboratory/Intern-S2
• GitHub：https://github.com/InternLM/Intern-S1