【AI】科学能力太强，这个多模态推理「六边形战士」被严重低估！Intern-S1开源登顶

主要观点总结

本文介绍了WAIC 2025大会上，上海AI实验室首席科学周伯文和Hinton教授的尖峰对话，以及实验室开创的「通专融合」大模型创新路线。文章重点介绍了『书生』科学多模态大模型Intern-S1的能力，包括精准解析分子结构、看懂地震波图、推演化学反应路径等。Intern-S1在综合多模态通用能力评估上展现跨文本、图像的全面理解力，并在科学领域的专业评测集中领先Grok-4等最新闭源模型。文章还涉及Intern-S1的创新科学多模态架构、通专融合的科学数据合成方法、联合优化系统与算法降低成本等方面的内容。

关键观点总结

关键观点1: WAIC 2025大会上，上海AI实验室展示『通专融合』大模型创新路线。

上海AI实验室首席科学周伯文和Hinton教授在WAIC 2025大会上进行了尖峰对话，实验室开创的「通专融合」大模型创新路线展现出强大的能力，引起广泛关注。

关键观点2: 『书生』科学多模态大模型Intern-S1的能力介绍。

Intern-S1具备精准解析分子结构、看懂地震波图、推演化学反应路径等多项能力。它在国内开源大模型中率先实现「通专融合」，具备多模态能力全球开源第一的水平。

关键观点3: Intern-S1在多模态综合能力方面的表现。

Intern-S1在多模态综合能力方面表现亮眼，全面领先主流开源模型。它凭借强大的跨模态生物信息感知与整合能力，助力构建多智能体虚拟疾病学家系统『元生』。

关键观点4: Innovative architecture of Intern-S1 in adapting to scientific data。

Intern-S1通过新增动态Tokenizer和时序信号编码器，可支持多种复杂科学模态数据，并实现对科学模态数据的深入理解与高效处理。

关键观点5: 通专融合的科学数据合成方法。

研究团队提出通专融合的科学数据合成方法，通过海量通用科学数据拓展模型的知识面，训练众多专业模型生成具有高可读性、思维路径清晰的科学数据。

关键观点6: 联合优化系统与算法降低成本。

Intern-S1研发团队通过联合优化系统与算法，实现大型多模态MoE模型在FP8精度下的高效稳定强化学习训练，降低训练成本。