科学研究的瓶颈,正在从「想不出问题」变成「跑不完流程」。一次完整的科研分析,往往要在检索、写代码、调用专业软件、核对中间结果之间来回跳转,任何一步卡住都要人接手。上海人工智能实验室11月16日开源的「书生-S2.1 Flash」,想做的就是把这条链路交给模型自己走完。
模型的规格先说清楚:321B参数的科学多模态模型,权重以MIT许可在ModelScope与Hugging Face放出,同时提供BF16与FP8两种精度,后者用于显存受限的部署。合作方包括复旦大学、中科院软件所、中国人民大学、中科院自动化所、华东师范大学、哈尔滨工业大学与北京大学。官方把它定位为科研助手而非聊天模型。
评测成绩是它最硬的证据。在十五项通用智能体基准的横向对比中,书生-S2.1 Flash取得四项第一、七项第二。四个第一分别是:机器学习工程基准MLE-bench Lite 90.3分(第二名DeepSeek-V4.1-Flash为89.2分)、复杂办公文档处理OfficeQA Pro 72.2分、专业法律文档任务Harvey LAB 25.0分、电子表格任务SpreadsheetBench 2 37.1分。这四项的得分均高于参评的DeepSeek-V4.1-Flash与Claude Opus 5。七项第二覆盖AutomationBench、ALE-CLI、BFCL V4、WebArena-Verified、DeepResearch Bench II、JobBench与OSWorld-Verified。一个值得注意的细节是它的均衡性:在编程、办公、工具调用、深度研究、视觉操作各维度都没有明显短板,这对需要连续切换任务的科研流程比单点高分更重要。
科学侧的底座是一个叫书生·元征(Sage·SciPerception)的统一表征架构。它的作用是把分子图、晶体结构、蛋白质序列与三维结构、DNA与RNA序列,以及光谱、质谱、X射线衍射、心电、脑电、光变曲线等十余类科学数据,各自编码后投影到与自然语言共享的空间里。通用语言模型读不懂谱峰和空间结构,这一步就是为了让「这段光谱有什么异常」和「这个分子能不能合成」能进同一条推理链。
四个实操案例最能说明它的工作方式。第一个是医学影像:输入1.2万余张来源混杂、顺序打乱、朝向不一的CT图像,模型先校正朝向,再依图像特征筛出属于同一次扫描的139张切片;首轮排序未通过一致性校验时,它自动切换方案,分区还原再拼接融合,随后在3D Slicer中按密度阈值分割骨性区域重建三维骨骼,并在研判脊柱与肋骨构型时回溯相邻原始切面核对。
第二个是遥感:在QGIS中对照两期鄱阳湖卫星影像,用多光谱信息圈定候选水域,再把提取图层叠回原始彩色影像,重点甄别浅水与滩涂交界;为保证跨期面积可比,统计范围限定在两期影像共同有效的研究区内。
第三个是工程建模:从参考图识别航空发动机的总体构型、外部轮廓与零件布局,梳理相对尺寸与装配关系,在CAD环境完成参数化建模与整机装配,装配后自动做全局干涉检查并修复。
第四个是信号处理:在EEGLAB中检视脑电原始波形,结合独立成分时序、头皮空间分布与频谱特征定位眨眼伪迹并剔除,再把处理前后的波形放在同一时间窗、同一幅值尺度下叠放比对。
这四个案例的共同点不在难度,而在交付物:模型输出的是可重新打开的.blend文件、QGIS工程、可编辑CAD模型与波形对比图,研究者能沿着证据链回查原始数据、修改参数、启动新一轮验证。这比「生成一段分析文字」有用得多,也是科研场景真正接受AI的前提。
模型还继承了实验室在递归式自我改进(RSI)上的探索:从任务执行轨迹、工具返回结果与人工核验反馈中持续汲取信号,形成自进化飞轮,在多轮闭环中修正推理偏好。官方称同一任务下其推理成本仅为智能体模型书生·星河的十分之一。
商业条款也值得记一笔:即日起至12月9日,价格为对标模型的一成之一;12月10日至31日为十分之一;新用户注册赠送免费额度。算力适配上,沐曦曦云C系列GPU已完成Day 0适配,其MXMACA软件栈已兼容40余种AI框架、1000多款模型。对国内科研机构而言,一个在国产GPU上当天就能跑起来的开源科学模型,意义不亚于榜单名次。