摘要：
2026年9月13日，上海人工智能实验室在浦江创新论坛上正式发布书生-S2——一款多模态科学基础大模型。397B参数，MoE架构，512个专家、每toke... 2026年9月13日，上海人工智能实验室在浦江创新论坛上正式发布书生-S2——一款多模态科学基础大模型。397B参数，MoE架构，512个专家、每token激活10个，采用Apache-2.0协议完全开源，允许商用与二次开发。它的定位很明确：不是通用聊天模型，而是面向科学智能的专用基座。
原始页面级多模态预训练：不先OCR，直接读论文
传统科学文献处理流程是“先解析PDF为文本，再喂给模型”，公式、图表、表格和版式信息在转换中大量损耗。书生-S2在预训练阶段直接学习科学文献的原始页面，在同一共享表示空间中联合建模符号语义与视觉关系。官方指出，相同文献经视觉编码生成的token量仅为解析后文本的约四分之一——用更低的token学到了更完整的科研知识。
Memory Decoder：可插拔的专业记忆
书生-S2通过Memory Decoder引入可插拔的专业记忆模块，不同学科知识由独立记忆模块学习存储，接入时无需修改主模型参数。在生物领域，接入Intern-MemDec-4B后，模型在覆盖DNA、RNA、蛋白质及分子相互作用的Biology-Instructions评测中，平均成绩由56.92提升至60.32，且通用能力总体保持稳定。这意味着学科扩展不必重训主模型，而是像插卡一样接入专业记忆。
长程科研推理与智能体执行
在IMO-Proof、AdvancedMathBench等强调长程严谨推理的基准上，书生-S2整体领先现有开源模型，达到Gemini 3.1 Pro等闭源旗舰水平。它能在真实科研问题上持续分析、推理与优化：围绕免疫治疗靶点IL-7Rα迭代优化蛋白结合剂候选分子，或依据化学式自动完成五元氧化物Sr₂Ho₁Cu₂Ru₁O₈的晶体结构构建。智能体能力方面，用户仅输入“帮我构建一个长征7火箭的3D CAD模型”，模型便可自主完成信息检索、任务拆解与方案编排，最终生成完整三维模型。
与同类模型的差异
GPT-6 Astra、Claude Opus 4.8等通用旗舰在科学专项上未作专门优化；DeepSeek-V4、GLM-5.3以开源与可自部署见长。书生-S2的核心差异在于以Apache-2.0完全开源的397B基座，把生物学、材料等科学专项评测推到开闭源旗舰之上。在AI工具导航的视角下，这类科学专用基座与通用模型形成能力分工——科研团队不必在通用模型上自行搭建科学推理流程，而是直接基于开源权重做垂直微调。
部署门槛与获取方式
推荐8卡H100/H200部署，FP8权重约406GB、bf16约807GB，对个人设备门槛较高，更偏向机构级GPU集群。模型已与昇腾计算生态深度协同，权重、Checkpoint与推理代码在HuggingFace、ModelScope与GitHub同步开放，并面向所有用户开放一定额度的免费API，即将接入书生·端砚科学发现平台。对于关注AI办公软件推荐的高校与科研机构而言，书生-S2提供了从文献解析到假设验证的完整科研管线基础。