2026-11-17 10:10
导语:从科研数据到软件实操,推理成本仅为星河十分之一。书生-S2.1 Flash是什么 书生·S2.1 Flash是上海AI实
书生-S2.1 Flash是什么
书生·S2.1 Flash是上海AI实验室开源的科学多模态大模型。书生·S2.1 Flash 基于书生·元征统一表征架构,可理解分子、晶体、蛋白质序列、光谱、脑电等十余类科学数据,具备通用智能体能力,能自主规划任务、编写代码、调用3D Slicer、QGIS、CAD、EEGLAB等专业科研软件实操,还会依据中间结果调整方案、核验产出。书生·S2.1 Flash采用递归式自我改进(RSI),可从执行反馈中持续进化。在33项通用智能体基准中获4项第一、7项第二,MLE-bench Lite得分90.3超Claude Opus 5;推理成本仅为书生·星河的十分之一。

书生-S2.1 Flash的主要功能
- 科学多模态理解:支持分子图、晶体结构、蛋白质/DNA/RNA序列、光谱、质谱、X射线衍射、心电、脑电、光变曲线等十余类科学数据的输入与联合分析。
- 专业科研软件实操:可在3D Slicer、QGIS、CAD、EEGLAB、Blender等软件中自主完成三维重建、遥感分析、参数化建模、信号处理等操作。
- 复杂任务闭环执行:自主规划任务步骤、检索资料、编写代码、调用工具,并在结果异常时回查原始数据与处理代码、调整分析方案。
- 结果自核验与可追溯交付:基于中间可视化结果核验产出,交付可重新打开的工程文件、可回查的原始数据与处理记录。
- 通用智能体能力:覆盖代码工程、文档解析、表格处理、网页交互、系统操控、深度调研等任务,33项基准中获4项第一、7项第二。
- 自主进化(RSI):从任务执行轨迹、工具返回结果与人工核验反馈中持续学习,形成自进化飞轮。
书生-S2.1 Flash的技术原理
- 科学多模态统一表征:依托书生·元征(Sage·SciPerception)架构,将分子图、晶体结构、蛋白质序列与三维结构、DNA/RNA序列,以及光谱、质谱、X射线衍射、心电、脑电和光变曲线等形式迥异的科学数据,分别经过特征编码与投影,转换为语言大模型可识别的表征,使科学数据与自然语言提问共同进入统一推理链路,实现跨模态科学信息在共享表征空间中的互通与联合理解,支撑预测、分类、位点定位、定量分析和结构推断等任务。
- 通用智能体与工具调用:将多模态理解、分析推理、编程与工具调用相结合,模型围绕同一研究目标自主规划任务步骤、协调使用异构工具(检索、代码执行、专业软件操控),推进复杂任务从问题分析到成果交付的全过程;执行中依据实时产出的中间结果动态决策,异常时回查原始数据与代码并调整方案,形成多轮闭环。
- 递归式自我改进(RSI):沿用书生·元征的RSI模式,模型从真实科研任务的执行轨迹、工具返回结果与人工核验反馈中持续汲取信号,在反复处理科学多模态输入、调用科研软件、校验实验结论的过程中不断修正推理偏好,形成自进化飞轮,逐步提升任务规划、数据分析与结果自核验水平,支撑科研智能体的长期演进。
- 高效推理架构:针对科研场景的多轮分析与反复验证需求优化推理效率,同一任务下推理成本仅为智能体模型书生·星河的十分之一,实现”多快好省”的科研辅助。

微信关注回复“开源”,加入AI开源项目交流群
如何使用书生-S2.1 Flash
- 访问体验平台:访问书生·端砚科学发现平台 https://discovery.intern-ai.org.cn/token-plan/home,或使用 HuggingFace 上的开源模型。
- 输入科研任务:用自然语言描述研究目标,可附上分子图、序列、光谱、CT切片、遥感影像、脑电波形等科学数据作为输入。
- 模型自主执行:模型自动规划任务步骤、编写代码并调用 3D Slicer、QGIS、CAD、EEGLAB 等专业软件完成分析与建模。
- 观察与干预:模型会基于中间结果动态调整方案,必要时可在执行过程中人工介入核验或修正。
- 验收交付成果:获取可重新打开的工程文件(.blend、QGIS工程、CAD模型)、处理记录与结果报告。
- 复核证据链:顺着原始数据、处理参数和工程文件回查模型判断依据,修改参数后可启动新一轮验证。
- 反馈促进进化:提交人工核验反馈,模型通过递归式自我改进(RSI)持续优化后续表现。
书生-S2.1 Flash的核心优势
- 多模态科学理解能力强:依托书生·元征统一表征架构,可理解分子、晶体、序列、光谱、脑电等十余类科学数据。
- 科研软件实操能力:能直接操控 3D Slicer、QGIS、CAD、EEGLAB、Blender 等专业软件,从”读懂”跨越到”动手做”。
- 任务闭环执行:自主规划、调用工具、核验中间结果并动态调整方案,无需人工逐步指挥。
- 结果可追溯、可复核:交付可重新打开的工程文件与完整处理记录,研究者可循证据链检验和修正。
- 自主进化能力:通过递归式自我改进(RSI)从执行反馈中持续学习,越用越聪明。
- 通用能力领先:33项通用智能体基准中获4项第一、7项第二,MLE-bench Lite 90.3分超越 Claude Opus 5。
书生-S2.1 Flash的项目地址
- 项目官网:https://internlm.github.io/Sage-S2.1-Flash/
- GitHub仓库:https://github.com/InternLM/Sage-S2.1-Flash/
- HuggingFace模型库:https://huggingface.co/internlm/Sage-S2.1-Flash
- 技术论文:https://github.com/InternLM/Sage-S2.1-Flash/blob/main/sage_s2.1_tech_report.pdf
书生-S2.1 Flash的同类竞品对比
| 对比维度 |
书生·S2.1 Flash |
AI Co-Scientist(Google DeepMind) |
| 本质定位 |
科学多模态大模型 + 通用科研智能体 |
基于 Gemini 的多智能体”结构化科学思维引擎” |
| 架构 |
单一统一模型(元征架构)+ 工具调用 |
六个专用智能体(生成、反思、排名、进化、邻近性检查、元评审)协同 |
| 核心任务 |
数据分析、专业软件实操、三维重建、信号处理等”动手做实验”型任务 |
文献驱动的假设生成与实验方案设计,偏”出idea” |
| 科学数据输入 |
分子、晶体、序列、光谱、脑电等十余类原生理解 |
主要为文献与文本,尚不分析原始实验数据 |
| 软件操控 |
原生操控 3D Slicer、QGIS、CAD、EEGLAB、Blender |
借助搜索、AlphaFold等外部工具,无GUI实操能力 |
| 自我改进 |
RSI:从执行轨迹与人工核验反馈中学习进化 |
Elo锦标赛 + 测试时计算,自我对弈式辩论迭代假设 |
| 人类协作 |
交付可复核工程文件,证据链可追溯 |
scientist-in-the-loop,推理全程可介入、长期记忆 |
| 验证案例 |
CT重建、鄱阳湖遥感、发动机装配、脑电剔除 |
药物再利用、新靶点发现、抗菌耐药机制(端到端生物 |
书生-S2.1 Flash的应用场景
- 医学影像分析:从1.2万余张混杂CT图像中还原切片层序,在3D Slicer中重建三维骨骼并回溯核验骨性结构。
- 遥感水域监测:对照两期鄱阳湖卫星影像,在QGIS中圈定水域边界、统一比较范围并量化水域面积变化。
- 工业建模与装配检查:依据参考图在CAD环境中完成航空发动机参数化建模、整机装配与干涉检查修复。
- 脑电信号处理:在EEGLAB中识别并剔除眨眼伪迹成分,同尺度对比处理前后波形以复核净化效果。
- 建筑三维重建:从多角度照片出发,在Blender中搭建含材质、照明与镜头构图的可编辑三维场景,交付 .blend 工程文件。
来源:AI工具集