上海AI实验室发布书生 Intern-S1：专为科研打造的多模态AI助手

上海AI实验室正式推出 Intern-S1 —— 一款具备强大科学理解能力的开源多模态推理模型。它不仅在通用任务上表现卓越，更在化学、生物、数学、物理等多个科学领域达到最先进的性能水平，部分指标甚至超越当前主流闭源商业模型。

• GitHub：https://github.com/InternLM/Intern-S1

Intern-S1 的诞生，标志着开源模型在真实科研场景中的可用性迈出了关键一步。

模型架构：大模型 + 专业数据 + 领域感知

Intern-S1 基于两大核心组件构建：

• 语言模型：以通义千问 Qwen3 的 235B MoE 架构为基础，支持高效推理与知识表达；
• 视觉编码器：采用自研的 6B InternViT，具备高分辨率感知与细粒度视觉理解能力。

在此基础上，团队在 5T token 的多模态数据上对模型进行了持续预训练，其中超过 2.5T token 来自科学领域，涵盖：

• 化学文献与分子数据库
• 生物医学论文与蛋白质序列
• 数理公式与教科书图像
• 地球科学信号（如地震波形）
• 工程图纸与实验图表

这一训练策略使 Intern-S1 在保留强大通用能力的同时，深度融入了跨学科专业知识，成为真正意义上的“科研AI助手”。

核心特性

1. 科学任务专项优化

Intern-S1 能够完成一系列高难度科研任务，包括但不限于：

• 解析化学结构式（SMILES、InChI、分子图）
• 理解蛋白质序列与功能关系
• 规划有机化合物合成路径
• 推理解题数学与物理竞赛题
• 分析地球科学图表与信号数据

2. 动态分词器原生支持专业符号

传统语言模型难以处理非文本数据，而 Intern-S1 引入了动态分词机制，可直接理解以下专业格式：

• 分子式（如 C₆H₁₂O₆）
• 蛋白质序列（如 MET-ALA-SER...）
• 数学表达式（LaTeX 风格）
• 地震波形编码、电路图符号等

无需额外插件或后处理，实现端到端的专业内容理解。

3. 多模态深度融合

模型支持图文联合输入，能准确关联图像中的图表、结构式与对应文字描述，实现跨模态语义对齐，在科研论文解析、实验报告生成等任务中表现优异。

模型下载：全精度覆盖，灵活部署

为满足不同硬件环境需求，Intern-S1 提供多种量化版本，均已开源。

✅ 支持主流框架加载，兼容 Llama.cpp、vLLM、Transformers 等生态工具。

性能评估：全面对标主流模型

我们在多个通用与专业基准上对 Intern-S1 进行了系统评估，对比对象包括 Qwen、Gemini、Kimi、Grok、DS-R1 等先进视觉语言模型（VLMs）和大语言模型（LLMs）。

✅ 表示在开源模型中排名第一
👑 表示在所有参评模型中排名第一

关键结论：

• 在 16 项评测中，Intern-S1 在 7 项中取得全局第一（👑），在 5 项中位列开源第一（✅）；
• 特别在 化学（ChemBench）、材料（MatBench）、地球科学（MSEarthMCQ） 等专业领域全面领先；
• MathVista 上以 81.5 分刷新纪录，成为首个在该数学视觉任务上突破 80 的模型；
• 在 SmolInstruct（化学任务） 上显著优于其他模型，展现其在科研流程自动化中的潜力。