神珍 – 上海科学智能研究院发布的科学多模态基础模型

神珍核心特点

1. 科学数据原生结构保留

• 差异化数据处理通路：针对六类科学数据分别设计专用处理流程，严格保留序列的先后依赖关系、分子的原子连接结构、气象场的空间分布特征及医学影像的局部细节，避免传统方法因格式统一化导致的信息损失。
• 多模态统一框架：所有数据通过共享主干模型（Qwen3-VL-8B）协同处理，既保留学科特异性，又挖掘跨领域共性规律，实现“一模型多任务”的科学智能范式。

2. 轻量化与高性能平衡

• 110亿参数实现跨领域竞争力：在生物序列、小分子、气象预报等任务中，性能接近甚至超越部分参数量超百倍的专用模型（如与1万亿参数的Intern-S1-Pro相比，在20项生物任务中各有10项领先）。
• 参数效率导向设计：证明科学模型能力不单纯依赖参数规模，关键在于对科学规律的精准建模。

3. 开放生态支持

• 完整开源体系：提供模型权重、推理代码、示例脚本及文档，支持通过星河启智平台、Hugging Face和GitHub直接获取。
• 可组合性：与星河启智平台已有的1500余个科学模型和工具无缝集成，便于科研人员二次开发。

神珍技术原理

1. 分层架构设计

• 共享主干+领域适配器：以Qwen3-VL-8B作为基础Transformer主干，为六类科学数据独立设置编码器与解码器（如DNA适配器、气象适配器等），确保输入输出符合学科规范。
• 动态模态调度机制：通过Target-modality dispatch模块自动识别任务类型，调用对应的数据处理通路与生成逻辑，避免冗余计算。

2. 科学数据原生表征

• ScienceTokenizer技术：为每类科学数据设计专用分词器，将DNA序列、分子结构等直接编码为高保真科学Token，而非简单转为文本。
• 跨模态对齐训练：在联合训练中强制模型学习不同科学模态间的隐式关联（如蛋白质序列与医学影像的病理关联），提升多模态推理一致性。

3. 理解-生成双路径能力

• 双向任务支持：既可解析输入的科学数据（如识别RNA功能），也能直接生成结构化科学内容（如输出SMILES分子式、全球气象场数据）。
• 自反思机制：模型能对生成结果进行内部验证，例如通过分子结构规则校验生成的SMILES是否合法。

神珍功能表现

1. 生物序列任务

• 在DNA、RNA、蛋白质相关的20项评测任务中，9项取得三款参评模型中的最优结果，17项位列前二。
• 例如，在非编码RNA（ncRNA）家族分类任务中，准确率达91.46%，显著优于同量级模型Biology-Instructions（63.09%）。

2. 小分子与气象预测

• 小分子属性理解：在SMolInstruct基准的6项任务中，4项达到最优，如血脑屏障穿透性（BBBP）分类准确率96.95%。
• 气象滚动预报：基于初始大气场生成未来10天全球气象场，离线评测结果达到或优于业务级数值预报水平。

3. 医学影像分析

• 医学影像分割任务中，平均Dice得分高达91.20，在7种参评方法中排名第一，可精准标出器官或病灶区域。

神珍应用场景

1. 生命科学研究

• 基因与蛋白质分析：快速识别DNA功能区域、预测蛋白质结构稳定性，加速药物靶点发现。
• RNA设计与验证：直接生成具备特定功能的RNA序列，并输出结构化验证报告。

2. 气候与地球科学

• 短临气象预报：在无高性能计算资源的场景下，本地化生成区域级气象预测，支持灾害应急响应。
• 环境模拟：结合地球系统数据，模拟污染物扩散、碳循环等复杂过程。

3. 医疗诊断辅助

• 医学影像自动分割：从CT或MRI影像中实时标注肿瘤边界、器官轮廓，辅助医生制定手术方案。
• 跨模态诊断支持：整合患者基因数据、影像结果与病历文本，提供多维度分析建议。

4. 科研智能体核心组件

• 作为系统级科研智能体“大圣”的超级大脑，支撑从任务拆解到实验验证的全流程自动化科研，例如在siRNA筛选中提升成功率超50%，或驱动“天算实验室”实现星载气象模型实时推理。

“神珍”模型的价值在于突破科学智能领域的“格式割裂”困境，通过保留科学数据的原生结构特性，使单一模型能同时满足多学科研究的精准需求。其设计逻辑表明：科学大模型的竞争力不仅取决于参数规模，更依赖对学科本质规律的尊重与建模。随着开源生态的完善，该模型有望成为连接基础研究与产业落地的关键基础设施，尤其在隐私敏感（如医疗数据）、算力受限（如野外科考）或需实时响应（如灾害预警）的场景中发挥不可替代作用。